基于自适应ε的约束优化算法

针对目前约束优化算法易陷入局部最优和鲁棒性不好等缺点,提出基于自适应ε的约束优化算法。首先,通过改进的个体比较准则,充分利用优秀不可行个体的有效信息,加大对搜索空间的探索力度,从而提高种群多样性;其次,提出自适应ε调整策略,平衡目标函数和约束违反度之间的关系,进而更加合理地进行个体比较。对13个标准测试函数的对比实验表明,本文算法不仅能够以较高精度收敛到全局最优解,而且鲁棒性较好。

二维全约束优化算法的研究

从工程实际出发，分析了现有的几何约束求解方法中存在的问题，提出了一种新的二维全约束优化算法。该方法采用自由度优先搜索策略生成有向图，用简单推理和代数方程组综合方法求解，较好地解决了满约束求解和过约束判断问题，大大减小了非线性方程组的规模，使得约束问题的求解得到简化，提高了求解效率。

无约束优化算法比较及其极值点研究

求解无约束优化问题是数值计算方面的重要研究内容,求解无约束优化问题的方法较多,选择一种较为快速且复杂度较小的方法具有重要意义。介绍无约束优化问题中7种算法的基本思想和具体步骤,并结合MATLAB软件编程仿真,依据定量分析对仿真结果进行对比分析,对这7种算法的优缺点和极限点的收敛情况进行对比研究,并且根据其收敛迭代次数和数值计算结果精确度确定一个相对有效的算法。

基于9种无约束优化算法的岩爆预测BP模型优选

为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σ_(θ)/σ_(c)、岩石单轴抗压强度与单轴抗拉强度比σ_(c)/σ_(t)和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5%、76.4%和87.5%;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0%)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型.

约束优化进化算法

约束优化问题是科学和工程应用领域经常会遇到的一类数学规划问题.近年来,约束优化问题求解已成为进化计算研究的一个重要方向.从约束优化进化算法=约束处理技术+进化算法的研究框架出发,从约束处理技术和进化算法两个基本方面对约束优化进化算法的研究及进展进行了综述.此外,对约束优化进化算法中的一些重要问题进行了探讨.最后进行了各种算法的比较性总结,深入分析了目前约束优化进化算法中亟待解决的问题,并指出了值得进一步研究的方向.

约束优化进化算法综述

约束优化进化算法主要研究如何利用进化计算方法求解约束优化问题,是进化计算领城的一个重要研究课题.约束优化问题求解存在约束区域离散、等式约束、非线性约束等挑战,其问题的本质是,如何处理可行解与不可行解的关系才能使得算法更高效.首先介绍了约束优化问题的定义;然后,系统地分析了目前存在的约束优化方法;同时,基于约束处理机制,将这些方法分为罚函数法、可行性法则、随机排序法、?-约束处理法、多目标优化法、混合法等6类,并从约束处理方法的角度对约束优化进化算法的最新研究进展进行综述;最后,指出约束优化进化算法需进一步研究的方向与关键问题.

采用约束蚁群优化的贝叶斯网结构学习算法

针对贝叶斯网络结构学习问题,提出了一种约束蚁群优化算法.该算法根据贝叶斯得分的局部一致性原理设计了一种增边规则,并且将此规则引入蚁群算法的框架中,从而实现了在搜索过程中利用启发式信息动态缩减搜索空间、同时减少运行时间的目的.此外,还从理论上证明了增边规则的正确性,而且从实验角度讨论了约束蚁群优化算法的参数敏感性.实验结果表明,在解决较大规模的贝叶斯网络结构学习问题时,约束蚁群优化算法在保证求解精度的条件下比蚁群优化算法的运行时间减少40%以上.

基于混合杂交与间歇变异的约束优化演化算法

1引言 许多实际的优化问题带有不等式和/或等式约束,这类问题一般可以描述为如下的形式:

基于多目标—约束优化进化算法的能源综合调度

针对钢铁企业多能源介质的动态平衡和优化调度问题,基于全局优化和系统节能思想,建立了煤气—蒸汽—电力等多介质多周期混合优化调度的数学规划模型;应用多目标优化的基本思想,将这一复杂的约束优化问题转化为具有两个目标的多目标优化问题,其中第1个目标取为原问题的目标函数值,第2个目标由约束条件转换得到,表示违反所有约束条件的程度,并采用混合约束优化进化算法求解。实例分析结果表明了模型和方法的有效性,经优化计算得出的调度决策方案实现了煤气—蒸汽—电力等介质的最优化分配、转换和使用,在提高能源综合利用效率的同时,也使钢铁企业获得最大的经济效益。

基于约束性多目标优化算法的柑橘黄龙病识别算法

为了克服柑橘黄龙病监测和识别难的问题,提出一种基于约束性多目标优化算法的柑橘黄龙病识别算法(CMOA-CHDIA)。将柑橘黄龙病特征最优化转换为约束性多目标优化问题模型,采用基于勒贝格测度约束性多目标粒子群优化算法(LCMOPSO)求解该模型,并获取最优柑橘黄龙病特征;根据获得的最优特征采用近邻分类算法识别柑橘黄龙病。试验结果显示,基于约束性多目标优化算法的柑橘黄龙病识别算法对柑橘黄龙病的识别准确率达到98.55%,较FSMEA、PSO-MOFSA、FSMDEA识别准确率分别增加14.55%、11.55%、12.55%,在提高柑橘黄龙病识别准确度方面效果较好,对柑橘黄龙病防治具有一定的指导意义。

基于工程约束与权重优化的民机部段柔性调姿算法实现

民用飞机具有产品复杂、气动外形要求严格、产品构型众多、零部件数量巨大等特点,飞机制造过程中装配技术要求和工作量占比远高于其他一般的机械产品加工行业。调姿对接装配是装配工作的重要内容,高精度、低应力的对接装配是飞机成功制造和安全飞行的保证。基于奇异值解算与优化算法,根据民机装配工艺要求,在Python环境下开发并实现无权重与带权重的调姿解算算法,并通过比对现场数据解算结果的误差,验证算法的可靠性,从而开发面向不同飞机部段的装配工艺流程,向不同民机装配过程中调姿对接工艺定制化开发。

快速启发式多约束优化路径算法研究

针对QoS路由算法中多约束算法的不足,提出了一种新的多约束算法:快速启发式多约束优化路径算法(FH_MCOP)。与现有的路由算法相比,它有两个显著的不同:增加了一个λ快速计算机制,可以降低计算复杂度和加快计算速度,缩短算法响应时间;对MCOP算法进行了有效的改进,使计算结果达到优化。计算结果表明,FH_MCOP能针对多约束优化路径问题的特点降低计算量和提高计算速度。

求解一般约束优化问题的修正BFGS信赖域算法

借鉴无约束优化问题的BFGS信赖域算法,建立了非线性一般约束优化问题的BFGS信赖域算法,并证明了算法的全局收敛性.数值实验表明,算法是有效的.

分布式约束优化问题研究及其进展

多Agent协作过程中的许多问题都可以被抽象为分布式约束优化问题(DCOP),如规划、行程安排、分布式控制和资源分配等.这些问题关注于如何通过协调多Agent之间的相互决定,以达到一个全局最优决策的目的.相应地,分布式约束优化算法是用来求解此类问题的一种有效方式.该文对分布式约束优化问题进行了综述,首先,阐述了分布式约束优化问题的基本概念,并提出了一种分布式约束优化算法的分类框架.其次,根据该分类框架,介绍了目前已有的分布式约束优化算法,并加以对比分析.此外,分析了分布式约束优化问题的相关应用.最后,指明了分布式约束优化领域的未来研究趋势.

大规模化工过程系统的分解协调优化并行算法

该文针对大规模化工过程系统优化中计算能力不够的情况 ,研究一种适合于大系统求解的分解协调算法。在SQP算法分解计算的基础上 ,利用无约束优化算法进行协调 ,同时采用并行技术以提高求解效率。利用单机与机群系统建构仿真计算环境 ,对一换热器系统进行了实际解算。算例结果表明 ,此算法是行之有效的 。

约束进化算法及其应用研究综述

约束优化问题广泛存在于科学研究和工程实践中,其对应的约束优化进化算法也成为了进化领域的重要研究方向。约束优化进化算法的本质问题是如何有效地利用不可行解和可行解的信息,平衡目标函数和约束条件,使得算法更加高效。首先对约束优化问题进行定义;然后详细分析了目前主流的约束进化算法,同时,基于不同的约束处理机制,将这些机制分为约束和目标分离法、惩罚函数法、多目标优化法、混合法和其他算法,并对这些方法进行了详细的分析和总结;接着指出约束进化算法亟待解决的问题,并明确指出未来需要进一步研究的方向;最后对约束进化算法在工程优化、电子和通信工程、机械设计、环境资源配置、科研领域和管理分配等方面的应用进行了介绍。

基于改进CAPSO的原油管道调合多性质优化方法

在仔细研究原油管道调合工艺基础上,提出一种基于改进有约束自适应粒子群优化(CAPSO)算法的原油管道调合多性质优化方法;首先,基于原油调合规则库、优化预处理及设备实际工作能力约束,建立了多原油多性质优化模型;然后,根据原油调合目标,通过CAPSO算法对优化模型进行快速、准确的优化计算,获得多种组分原油的最优配比;投运效果表明,系统能够自动、高效计算出原油调合的最优配比,避免人工计算所造成的一致性差,计算效率低并且不易获得最佳配比的问题,有效提高了加工设备的生产效率。

SDH虚级联中的最优化路径选择

虚级联技术的同步数字体系(SDH)网络中,虚级联组成员的选路将是一个完全非确定多项式(NP-complete)问题.为优化网络资源,并保证新加虚级联组成员的相对延迟在系统允许的范围内,提出了双向约束路径优化算法(TSOP).仿真结果表明,该算法优于已有的k个最短路径算法和可改链路权重的k个最短路径算法.

多目标约束优化免疫算法研究及其应用

基于生物免疫中抗体应答抗原的机理,提出具有动态性能的多目标约束优化算法,解决一般性的多目标约束最优化问题.该算法的关键在于如何充分模拟免疫应答的机制构建算子模块,以及如何提出约束条件处理和聚类新方法有效解决优化问题.其特点是稳健性及记忆细胞集保存优良抗体并用聚类算法限制其规模,抗体群规模动态调节及抗体应答的对象是抗原群,群体具有自我调节多样性和自适应环境的能力且能并行处理复杂优化问题.仿真事例比较验证该文算法的有效性及能处理高维优化问题.

动态流量多约束优化路径算法

基于多重上联链路网络,建立一个考虑多服务质量(QoS)度量约束限制的网络路径寻优调度模型,并针对时延和剩余带宽提出动态流量多约束优化路径算法(MOPA).基于MOPA和最短路径约束,给出了具有一个多重上联链路的确定性网络拓扑中实现优化流量费用的工程方法.通过分析网络资源现状及目标作用的重要程度,以主次目标形式考虑,建立目标之间的关联,简化多目标之间关系,使用迭代方法求解非线性约束条件下的流量和代价的优化解,动态选择最优路径使流量费用比最优化并实现工程应用.实验表明,该算法适用于多链路网络各种负载下的流量优化.