基于多目标混合启发式算法的协同无冲突4D航迹规划

为促进基于航迹运行的框架下未来空中交通管理系统的协同决策,本文提出了一种协同无冲突4D航迹规划方法。首先以提高航班效率和航空公司间的公平性为目标,以无冲突为约束构建了一个多目标整数线性优化模型。其次,提出了一种基于基尼系数的指标以量化航空公司间的成本分配公平性。为了提高问题求解效率,采用了基于网格的探测方法以加速冲突检测,并设计了一种多目标混合启发式算法(Multi-objective hybrid-meta-heuristic optimization algorithm,MHMOA),通过结合模拟退火(Simulated annealing,SA)和爬山局部搜索算法来近似最优的非支配解。最后,利用实际航班计划和航路网络数据比较和分析了MHMOA、SA和两种常规多目标优化算法的优化结果。结果表明,MHMOA所获得的非支配解的质量更高、延误更低且航空公司间公平性更优,在3个多目标优化性能指标方面表现优异,可为空中交通管理员提供更详细的决策支持。

基于双启发式动态规划的PHEV能量管理策略

为提高插电式混合动力汽车(PHEV)燃油经济性和排放性能,提出一种基于双启发式动态规划(DHP)的能量管理控制策略。采用3层BP神经网络分别设计了DHP能量管理控制器的执行网络、模型网络和评价网络。利用Matlab/Simulink与ADVISOR平台,在CYC_NDEC循环工况下对DHP能量管理控制策略进行联合仿真验证,并与执行依赖启发式动态规划(ADHDP)控制算法设计的能量管理控制策略进行对比分析。结果表明,CYC_NEDC循环工况经过1个、2个与3个循环周期后,DHP能量管理控制策略的蓄电池组荷电状态SOC维持在0.63以上,燃油消耗量分别降低了6.9%、4.1%与2.7%,尾气有害物排放量均有一定程度的降低。该方法可有效提升整车的燃油经济性和环保性。

基于多层次启发式动态规划算法的电力系统动态等值

针对电力系统运行工况变化后动态等值系统响应精度不够的问题,提出一种基于多层次启发式动态规划(Global representation heuristic dynamic programming,Gr HDP)算法的动态等值方法。该方法在基于同调等值得到的模型的基础上,在等值边界上加入基于Gr HDP算法的动态补偿环节,实时补偿同调等值系统与原系统间动态特性的差额,从而实现精确跟踪原系统的动态特性。以10机39节点系统为例进行仿真研究,结果表明:在不同运行工况、故障方式和故障地点下,基于所提算法的动态等值系统相比传统的同调等值能更精确地跟踪原系统的动态特性。

利用增量二次规划和启发式方法的电力系统动态无功优化

针对电力系统动态无功优化数学模型存在优化过程长、收敛稳定性差的问题,导出了以控制变量增量为求解变量的电力系统动态无功优化的二次规划模型,并以具有有限次迭代收敛的Lemke算法求解,这样的动态无功优化控制计算量小,非常适合于对计算速度和算法稳定性要求高的动态无功优化控制问题.针对控制变量控制次数约束,采用启发式归并方法对其进行约束限制,有效避免了将控制变量动作次数约束纳入优化过程的复杂性.实际算例表明,文中方法不仅运算速度快,且收敛稳定性好.

基于启发式动态规划方法的发电商最优竞价策略

电力市场环境下的购销竞价策略是一个复杂的动态问题,传统的数学解析方法很难对其进行分析计算,这在中长期交易时间段尤为突出。文章提出了以最优潮流为基础的双层中长期最优竞价策略学习模型。采用启发式动态规划方法,将动态规划的策略行为和奖惩因子迭代过程看作智能体(agent),将外界不确定因素当作该智能体的"外部环境"。在所处的环境条件下,agent通过评价环境作出判断来选择可行的策略方案,通过学习以往的报价经验和对手的行为来指导自身达到最优生产效益。在标准IEEE5节点6支路系统中进行实例计算,证明了所提出方法的适应性和优越性。

对地观测卫星任务规划的启发式动态调整算法

针对对地观测卫星任务规划,分析了单个资源失效与多个高优先级任务动态插入情况下已有任务规划方案的动态调整问题。以最大化规划方案任务权值总和为优化目标,提出了基于任务替换的启发式动态调整算法,包括选择替换任务的五种启发式策略:最大灵活度、最小冲突集、最小争议部分、区间剪枝以及任务剪枝策略。分析了影响动态调整算法运行效率的两个关键因素:冲突任务集与动态搜索深度。采用任务重规划率、规划权值变化率与算法运行时间三项指标考察算法效果,通过仿真实验验证了算法的可行性和有效性。

启发式动态规划在污水处理过程控制中的应用

针对溶解氧及硝态氮浓度的跟踪控制问题,提出了一种基于回声状态网络的启发式动态规划控制方法,该方法首先对当前策略进行评价,然后根据评价结果对当前策略进行调整,这个过程交替进行,直至发现最优的控制策略.评价函数及控制策略的逼近均采用回声状态网络实现.为保证控制器的可用性,对控制器学习过程的参数选择范围进行了分析.污水处理过程的控制实验表明,该方法能够显著提高系统控制的平稳性及控制精度.

基于启发式动态规划的自动化停车场调度方法

为了降低自动化停车场中产生的能耗、车辆等待时间等代价,本文提出基于启发式动态规划的自动化停车场调度方法。该方法分别对车辆的质量和停放时间构造归一化函数,用于评价车辆与库位的匹配度,以实现对停车场中库位的整体规划。针对停车场中停放车辆不饱和的问题,提出基于贪心算法的动态调整策略。该策略通过库位划分与状态反馈,动态调整评价函数的计算结果,从而进一步优化了对库位的整体规划。实验将贪心算法与以质量、停放时间以及两者组合作为决策函数的算法相比较。结果表明,本文提出的启发式动态规划算法能够实时决策,适应进车速率波动较大的情况,同时降低整个停放过程产生的代价。

水泥预分解窑系统的启发式动态规划控制

水泥预分解窑具有参数众多、大惯性、大滞后、非线性等特点,其生产参数调节大多以人工调节为主,为稳定水泥生产,采用BP神经网络对水泥预分解窑系统进行建模,提出了基于启发式动态规划算法的水泥预分解窑的优化控制。控制结果表明:启发式动态规划算法具有良好的控制效果,提高了水泥生产稳定性。

基于启发式动态规划的盾构土压平衡优化控制

为了避免盾构施工造成地表变形而引发安全事故,建立有效的密封舱土压平衡自动控制方法是至关重要的.为此,提出了一种新的基于启发式动态规划(heuristic dynamic programming,HDP)的盾构土压平衡优化控制方法,该方法能够实现盾构机多参数实时协调优化控制.基于神经网络,构建组成密封舱土压HDP控制器的执行网络、模型网络和评价网络,采用梯度下降算法对网络权值进行在线训练;利用评价网络迭代逼近密封舱土压优化控制代价函数,将多级优化问题简化为单级优化,从而显著降低实时计算负荷;执行网络以最小化代价函数为目标,对多参数同步协调优化,获得推进速度、刀盘扭矩、总推力、螺旋输送机转速的最优值.仿真结果表明,该方法能够有效控制密封舱土压平衡,HDP控制器具有较强的抗干扰能力,并且控制过程更加快速、稳定.

基于执行依赖启发式动态规划的紧急电压控制

针对长期电压稳定场景,应用执行依赖启发式动态规划方法设计紧急电压控制器,协调各种不同类型的控制手段来维持系统的长期电压稳定.利用每个控制周期节点的电压偏差二次型构建效用函数,对未来控制时间的效用函数累加建立代价函数,建立长期电压稳定控制的动态规划模型,采用BP神经网络建立评价网络和执行网络,根据Bellman最优化原理来训练评价网络,用于近似出代价函数,并由执行网络产生最优控制量,进而求解问题.最后,以新英格兰10机39节点系统为例,建立基于PSAT的仿真算例,结果表明所提的控制方案可行且有效.

求解基于专用道设置的动态交通规划问题的启发式算法

基于专用道设置的策略,该文提出了一个新的动态交通规划问题。大型运动会要求主办方在规定时间内将指定人员从运动员村运送到指定地点。该问题便是源自2010年广州亚运会的交通需求。其要求在保证30分钟内将运动员从运动员村运送到指定场馆的条件下,最小化设置专用通道的总成本。由于该问题的规模较大,本文提出了三种启发式算法用以求解已提出的线性整数规划模型。计算结果表明,通过该文提出的启发式算法得到的解与相对应的采用数学规划软件Lingo8.0得到的解之间的平均误差均小于1.89%。同时,启发式算法的计算时间远小于Lingo8.0所需的计算时间。

移动机器人自主寻路避障启发式动态规划算法

用启发式动态规划算法解决移动机器人自主寻路、避障问题。提出了传感器检测环境状态的方法,以及对传感器检测信息进行归一化处理的方案。对输入、输出量以及学习系统的强化信号进行定义,设计了机器人自主学习寻路、避障的控制策略。定义了连续型强化信号,使机器人通过学习,对优先寻路还是优先避障做出决策判断。为验证启发式动态规划算法在移动机器人寻路、避障问题上的学习能力,设计了3种不同的寻路、避障仿真实验:同目标、不同起始点,同起始点、不同目标,和移动目标仿真实验。仿真结果表明,对于不同的寻路、避障要求,基于启发式动态规划算法的移动机器人具有良好的学习及适应能力。

基于执行依赖启发式动态规划的预分解窑优化控制

水泥预分解窑系统(PCK)参数较多,且难以建立精确的数学模型。为了提高水泥生产稳定性及水泥熟料质量,本文介绍了一种基于自适应动态规划的执行依赖启发式动态规划(ADHDP)的优化控制算法,建立了水泥预分解窑系统的人工神经网络模型,研究了执行依赖启发式动态规划在水泥预分解窑系统中的优化控制。仿真结果表明:执行依赖启发式动态规划算法提高了水泥生产的稳定性,达到了优化控制的效果。

永磁同步风力发电机的双启发式动态规划控制

永磁同步风力发电机(PMSG)的功率控制一般基于线性控制理论,致使其动态性能难以完全满足风电场运行的需要。本文采用双启发式动态规划(DHP)对PMSG的输出功率进行控制。首先阐述PMSG的工作原理,然后搭建动态模型,编制了DHP算法的C程序,创建DHP控制模块以更换动态模型中的PI控制模块,最终接入到IEEE 10机39节点系统进行时域仿真并调节参数。仿真结果表明,应用DHP算法有效实现了PMSG的功率控制,获得了较为理想的动态性能。

融合强化学习的多目标路径规划

移动机器人路径规划问题的节点数量大、搜索空间广,且对安全性和实时性有要求等因素,针对移动机器人多目标路径规划问题,提出一种新颖的融合强化学习的多目标智能优化算法.首先,该算法采用NSGA-II为基础框架,利用强化学习的赋予个体学习能力,设计一种SARSA算子提高算法的全局搜索效率.其次,为了加速算法的收敛速度和保证种群多样性,增加自适应模拟二进制交叉算子(tanh-SBX)作为辅助算子,并将种群分为两种性质不同的子种群:精英种群和非精英种群.最后,设计了4种不同的策略,通过模拟退火算法的Metropolis准则计算更新策略的概率,让最合适的策略引导种群的优化方向,以平衡探索和利用.仿真实验表明,该算法在不同复杂度的环境下均能找到最佳路径.相比传统智能仿生算法,在更加复杂的环境中,所提出的算法能有效平衡优化目标,找到更优的安全路径.

基于极大代数的阻塞流水车间启发式动态规划调度算法

基于极大代数理论,引入任务排序函数与时间D子集,建立阻塞流水车间排序与调度代数模型,并提出启发式动态规划调度算法,实例计算表明算法十分有效.

催化剂窑炉温度的启发式动态规划控制

针对催化剂生产过程中焙烧窑炉温度控制问题,提出了一种启发式动态规划(heuristic dynamical programming,HDP)控制方法。该方法通过策略评价及策略提升的重复进行逐渐逼近最优的控制策略。采用人工神经网络建立了被控系统和评价指标模型,基于梯度下降原理阐明了控制器各模块的在线学习方法。对某催化剂公司的窑炉温度控制实验表明,与常规PID控制相比,HDP控制方案具有较强的工况适应能力,其控制精度较常规控制提高约70%,加热电流均值减小约5%。

混流生产线平衡的动态规划及启发式方法

本文利用多级存贮和多级持有成本概念以及连贯排序特性,将混流装配系统转化为一个序列系统,并提出了可以使包括劳动力成本、存贮成本以及装卸成本在内的总成本极小化的计算方法。最后,通过运算结果证明了所提算法应用于混流线设计的有效性。

执行依赖启发式动态规划在同步发电机励磁系统中的应用

介绍了一种控制同步发电机励磁系统的新方法,即执行依赖启发式动态规划(ADHDP)对同步发电机励磁电压的自适应控制。执行依赖启发式动态规划是近似动态规划(ADP)的一种算法,ADP利用非线性函数拟合方法逼近动态规划的性能指标函数,以获得最优解或次优解。仿真结果表明,基于执行依赖启发式动态规划算法的励磁控制效果优于传统励磁控制的控制效果。