基于双重权约束期望改进策略的多目标并行代理优化方法

针对多目标仿真优化的高昂成本及黑箱函数难以获取问题,提出基于双重权约束期望改进策略的多目标并行代理优化方法.首先,建立Kriging模型获取未试验点的预测不确定性;其次,构建双重权约束期望改进策略,并利用填充策略矩阵及距离聚合方法实现新改进策略的聚合;然后,最大化聚合双重权约束期望改进策略实现多目标并行优化;最后,达到终止条件,获得Pareto最优解集.选取测试函数及铰接夹芯梁设计案例进行优化验证.验证对比结果表明:所提方法可有效提升多目标问题优化效率,减少昂贵仿真成本;与同类方法相比,低维问题中获取Pareto最优解集的收敛性、多样性及分布性更优.

基于改进非期望SBM模型的工业能源效率测度研究——以山东省17地市面板数据为例

文章运用最有效距离为前沿面顶点的改进非期望SBM模型和GMM动态回归模型,对山东省2005-2015年17地市工业行业的能源效率及其影响因素进行实证研究。结果表明:山东省工业能源效率整体水平偏低,节能潜力为16%~36%;各地市间工业能源效率存在显著差异,但差异程度不断缩小,低效率地市不断"追赶"高效率地市;影响因素中能源消费结构和产业结构对能源效率有较强的抑制作用,而经济发展水平、技术创新和开放程度对能源效率提升作用较小。

基于改进数学期望值的沥青性能评价模型

为了更准确、简单、全面的评价沥青性能,提出了应用改进数学期望值评价沥青性能模型。通过应用改进数学期望值对1种旧沥青,3种再生沥青,1种90号沥青,2种70号沥青的性能进行评价。研究结果表明:改进数学期望值越大,沥青的性能越好;改进数学期望值差值的大小反映了沥青性能之间的差距,改进数学期望值之差的绝对值越大,沥青性能之间的差距也越大;应用改进数学期望值对再生沥青RA-3和90号沥青90-1的评价结果与沥青路用性能试验结果一致。应用改进数学期望值评价沥青性能的过程简单可行,评价结果与沥青路用性能试验结果具有良好的一致性,能够用于普通沥青和再生沥青之间的评价,也可用于沥青的老化程度的评价。

偏最小二乘Kriging模型辅助的高效全局优化方法

针对昂贵约束优化问题中因超参数过多引发的维数灾难及优化效率不高问题,提出一种新的偏最小二乘Kriging模型辅助的高效全局优化方法。该方法通过偏最小二乘核函数提升Kriging模型建模效率,构建两种偏最小二乘权期望填充准则实现模型的自适应调整及高效全局优化。测试函数及工程实例结果表明,所提方法可有效减少超参数计算量,提升昂贵约束优化问题求解效率。尤其在高维问题中,所提方法在解的收敛速度,稳健性及精度方面均具有优势。

基于Kriging模型和两目标约束应对策略的代理优化算法

为了解决包含黑箱约束的复杂工程系统的优化设计问题,提出一种基于Kriging模型和两目标约束应对策略的代理优化算法。该算法将改进目标函数的期望改进准则和刻画可行域边界的可行性概率准则同时作为优化目标,再从得到的Pareto集中选取新试验点,不仅提高了新试验点选取的目的性也使新试验点兼具探索最优解和开发可行域边界的能力。最后,通过两个数学算例和一个工程算例将所提算法与已有算法进行比较,计算结果表明基于两目标约束应对策略的代理优化算法具有更高的优化精度、效率和稳健性。

基于仿真试验和Kriging模型的多目标优化问题全局优化算法

针对复杂工程系统的多目标仿真优化问题,基于Kriging模型,提出一种将优化过程与试验过程相结合的全局多目标优化算法。该算法利用构造的加点准则序贯选取能应对约束和逼近真实Pareto解集的试验点,只需少量仿真试验就能得到优化问题的高精度Pareto解集。考虑试验点的可行性概率、间隔距离和Kriging模型的不确定性,设计亦能有效辨识非连通可行域的加点准则;提出以最大化试验点的期望超体积改进和可行性概率为目标的近似Pareto解集改进准则,使新试验点兼顾改进近似Pareto解集的质量和精确刻画可行域边界。通过三个数值算例将所提算法与已有算法进行比较,计算结果验证了所提算法的有效性和高效性。

改进的期望效用-熵模型在沪市股票选择中的应用研究

用Arrow-Pratt风险厌恶度来度量期望效用-熵平衡系数以改进风险型决策的期望效用-熵模型;根据改进的期望效用-熵模型以及期望效用准则,分别从上证50指数样本股中选取7只股票构造投资组合,进行比较.研究结果表明,用改进的期望效用-熵模型得到的股票组合效果更优.

考虑系统正负备用的电动汽车优化调度策略研究

大规模电动汽车和风电场的接入加大了电网运行的风险,将对电网备用容量产生影响。考虑电网正负备用容量配置成本,提出电动汽车优化调度策略,旨在降低电网正负备用容量配置,并提高风电利用率。首先,运用模糊聚类算法分析风力出力的不确定性,得出系统差额概率密度函数;然后,基于改进电量不足期望指标(IEENS)和风能浪费风险指标(IEWWR)引入电力系统正负备用配置需求;最后,以用户充放电成本和正负备用成本最小为优化目标,建立电动汽车优化调度模型。仿真计算结果表明,该策略能够有效降低用户充电成本和系统正负备用容量投入成本,提高电网经济运行水平。

Application of SAGE algorithm in PET image reconstruction using modified ordered subsets

A new method that uses a modified ordered subsets （MOS） algorithm to improve the convergence rate of space-alternating generalized expectation-maximization （SAGE） algorithm for positron emission tomography （PET） image reconstruction is proposed.In the MOS-SAGE algorithm,the number of projections and the access order of the subsets are modified in order to improve the quality of the reconstructed images and accelerate the convergence speed.The number of projections in a subset increases as follows：2,4,8,16,32 and 64.This sequence means that the high frequency component is recovered first and the low frequency component is recovered in the succeeding iteration steps.In addition,the neighboring subsets are separated as much as possible so that the correlation of projections can be decreased and the convergences can be speeded up.The application of the proposed method to simulated and real images shows that the MOS-SAGE algorithm has better performance than the SAGE algorithm and the OSEM algorithm in convergence and image quality.

基于Kriging模型的多目标代理优化算法及其收敛性评估

为提高黑箱系统优化设计的效率,基于Kriging模型、期望超体积改进和可行性概率准则,提出一种改进的多目标代理优化算法。该算法的可行域探索准则包含考虑试验点间距离的项,对可行域非连通的优化问题也有效;Pareto解集改进准则以同时优化期望超体积和可行性概率准则为目标,在改进Pareto解集的同时兼顾了对可行域边界的刻画;最后,结合条件模拟方法和随机集理论,提出一种不依赖真实解集的算法收敛性评估方法。通过两个算例将提出的优化算法与已有算法进行对比分析,结果证实了所提算法的高效性及算法收敛性评估方法的可行性。

外部性和内生性视域下中国科技投入绩效——基于政府与市场的比较

基于2016—2017年上市公司A股制造业微观数据,运用DEA-Tobit模型测算政府科技投入对企业科技投入绩效的影响程度,选取2016—2017年中国30个省(市、自治区)的省际宏观数据,在考虑科技产出负外部性的影响下,运用改进非期望SBM模型剔除政府科技投入对企业科技投入的内生性影响来测算中国30个省(市、自治区)的政府与企业的科技投入绩效。结果表明,政府科技投入负向调节企业科技投入与其绩效之间的关系;经济科技水平较发达地区政府与市场的科技投入绩效较高;经济科技发展水平最高的东部沿海地区企业科技投入绩效高于政府科技投入绩效;经济科技发展水平较弱的中部地区政府与市场的科技投入绩效相持平;西部地区政府科技投入绩效高于市场;经济较弱的中部地区科技带来的环境污染比经济发展最好的东部地区和发展最弱的西部地区更多,符合科技发展水平与环境污染间的倒“U”型关系。

基于新型多可信度代理模型的多目标优化方法

相对于常规直升机,基于前行桨叶方案(ABC)速度更高的刚性共轴双旋翼直升机对旋翼翼型的气动性能要求更加苛刻,包括更高马赫数下的低阻和高阻力发散特性,并维持良好的中、低马赫数下的升阻特性以及所有状态下的力矩特性等10余项指标要求,面临高维多目标优化难题。针对该类问题,首先发展了基于核主成分分析(KPCA)的非线性目标降维技术,然后建立了基于新型多可信度多项式混沌-Kriging(AMF-PCK)代理模型的高效多目标稳健优化方法,并提出了变可信度伪期望改进矩阵(VF-PEIM)并行样本填充方法,使多目标优化设计效率和能力显著提高。利用所建立的基于新型多可信度代理模型的多目标优化方法对高速直升机7%厚度旋翼翼型进行了优化设计。设计翼型的气动表现分别与经典的OA407翼型在高、中、低马赫数下进行了全面比较,对比结果验证了提出的新型多目标优化设计方法的有效性,设计翼型高速气动特性得到了显著提升。

数据驱动的贝叶斯SVR自适应建模及昂贵约束多目标代理优化

实际工程中的多目标优化问题往往具有黑箱特性且需要耗时的功能性评估,采用传统的进化优化方法求解,存在计算成本高昂且难以实现的问题.考虑代理优化方法在处理需要功能性评估工程设计问题中的高效性,提出一种小样本数据驱动下的贝叶斯SVR自适应建模及昂贵约束多目标代理优化方法.该方法在实现过程中选取贝叶斯SVR模型以减少功能性评估过程的昂贵仿真成本,利用最大化约束期望改进矩阵聚合策略进行新设计方案选取,并通过小样本信息的不断更新实现数据驱动下的贝叶斯SVR模型自适应更新和逐步优化.贝叶斯SVR模型具有强的边界刻画能力及预测不确定性度量功能,可为新样本挑选提供预测精度保障及潜在的改进方向.所提出的切比雪夫距离和曼哈顿距离聚合策略从样本填充的改进范围考虑,使其具有较强的改进边界探索能力,在多变量优化问题中具有计算复杂度低、适用性强的特点.测试函数及工程实例结果表明:1)所提出的方法可在小样本条件下有效减少昂贵仿真成本,提升昂贵约束多目标问题的优化效率;2)获取昂贵约束多目标问题的Pareto前沿在收敛性、多样性及空间分布性方面均具有一定优势.

一种基于自适应代理模型的并行贝叶斯优化方法

提出一种基于自适应代理模型的并行贝叶斯优化方法,用于求解计算成本高的复杂优化问题.该方法基于多点期望改进判据,通过批次采样实现并行优化.针对并行优化产生的大量历史数据会导致全局代理模型建模成本高的问题,提出一种改进的基于数据并行的高斯过程建模方法,在线构造局部代理模型.此外,针对多点期望改进判据计算成本高的问题,提出一种启发式的分层优化策略,通过序贯优化基于自适应代理模型的单点期望改进判据,近似计算多点期望改进判据.最后通过5个测试问题验证所提出方法的有效性.

基于偏最小二乘变换与Kriging模型的全局优化方法

针对传统Kriging模型在多变量(高维)输入全局优化中因超参数过多而引发收敛速度慢,精度低,建模效率不高问题,提出了基于偏最小二乘变换技术和Kriging模型的有效全局优化方法.首先,构造偏最小二乘高斯核函数;其次,借助差分进化算法寻找满足期望改进准则最大化条件的新样本点;然后,将不同核函数和期望改进准则组合,构建四种有效全局优化算法并进行比较;最后,数值算例结果表明,基于偏最小二乘变换的Kriging全局优化方法在解决高维全局优化问题方面相比于标准的全局优化算法在收敛精度及收敛速度方面更具优势.