基于二次转角约束的改进RRT路径规划算法研究

针对快速随机搜索树(RRT)算法存在节点扩展冗余、生成路径不满足车辆转角条件等问题,提出一种改进的二次转角约束RRT算法。首先,在传统RRT算法基础上对采样空间进行裁剪,引入目标导向策略减少采样时间;然后采用车辆膨胀处理和直线方法检测障碍物,并引入第一次转角约束得到粗解路径;接着对粗解路径建立二次转角约束并进行优化处理,获取优化路径后拟合,并进行仿真验证。结果表明,相比于引入目标导向策略的RRT算法,所提出的算法路径最大曲率降低了34.33%,平均曲率降低47.36%,扩展节点数降低47.62%,路径距离降低7.76%,规划时间缩短14.98%。

改进文化基因算法求解双资源约束柔性作业车间调度问题

针对具有机器和工人的双资源约束柔性作业车间调度问题,以最小化最大完工时间为目标构建调度模型,并设计一种改进文化基因算法对其进行求解。由于该调度问题需要同时考虑工序排序、机器选择及工人选择3个子问题,故采用三层序列编码。考虑传统解码方式存在收敛速度慢、收敛不完全的弊端,设计一种扩展型插入式主动解码方式,以提高算法的收敛速度;针对进化算法易陷入局部最优的缺陷,设计一种基于负载平衡的机器和工人再分配算子,增强算法的全局搜索能力,对种群中的优秀个体采用改进变邻域搜索以提高算法的局部寻优能力。最后,利用仿真算例及航空设备生产实例进行实验,验证所提算法求解双资源约束调度问题的有效性。

基于约束区间算法的模糊优化问题的Karush-Kuhn-Tucker条件

主要研究带有不等式约束的模糊优化问题,利用截集构建了与原问题等价的区间值优化问题,基于约束区间算法(CIA)将所得区间值优化问题转为等价的非线性优化问题,从而达到了去模糊化的目的.首先,定义了带有模糊系数函数截集的导数,并利用Zadeh分解定理给出模糊函数的导数概念.其次,在正线性无关约束规范下,建立了模糊优化问题的Karush-Kuhn-Tucker(KKT)条件.最后,利用KKT条件求解具体的模糊优化问题.

改进的容量约束设施区划模型的算法及应用

针对经典的容量约束设施区位模型(CFLP)缺少考虑公平、效率与服务质量三方面的因素,以及平衡三者关系的问题,文章提出了引入覆盖半径ϕ、最低覆盖率μ、设施建设成本CAP对模型进行改进,算法的求解实质是求解线性规划问题的最优解。根据以上方法进行案例区的计算验证,实验结果表明,与传统模型算法相比,改进的CFLP模型通过灵活选择设施的服务半径和覆盖率参数求解计算,能较好地兼顾服务成本、服务质量和空间公平性三者之间的关系,并可于5s内得出最优解,相比传统算法150s的平均计算时间,有显著的提升,对城市公共服务设施的布局优化具有较高的实用价值。

债务预算约束强化与地方政府债务绩效——来自新《预算法》实施的经验证据

本文基于2012年—2019年我国253个地级市的面板数据,以2015年新《预算法》实施作为地方政府加强债务预算约束的外生政策冲击,采用强度双重差分法识别地方政府债务预算约束强化对地方政府债务绩效的影响效应。研究发现,地方政府债务预算约束加强能显著提升地方政府债务绩效,并主要通过提升地方政府债务的经济性、效率性和有效性三条路径发挥作用。异质性分析表明,加强地方政府债务预算约束对债务绩效的提升作用在财政透明度高以及隐性债务负担率较高的地区效果更明显。相较于一般债,专项债预算约束的实现对于地方政府债务绩效的提升作用更强。本研究不仅拓展了地方政府债务预算约束和债务绩效领域的研究成果,也为进一步完善地方政府债务预算管理,提升地方政府债务绩效,实现稳增长和防风险的双重目标提供了经验证据和政策参考。

形状基视觉传达约束下三维图像重构算法改进

由于忽略了图像以真实性为准则的视觉传达需求,导致以形状基重构为主的相关方法效果不佳。为此,从视觉约束性出发,改进三维图像重构算法。分割、筛选所采集的目标点云数据,构建数据集。利用局部空间差分算法求解各像素值,并获得形状基约束性的像素值差分系数填充像素,以赋予各点云数据视觉传达约束性。以基于改进量子粒子群的k-means聚类算法和基于数字特征的二型熵模糊C均值聚类算法为基本算法,通过聚类目标区域和背景区域的数据,转换实际目标坐标系和重构图像坐标系,完成不同尺度、不同角度的三维图像重构。结果表明,所提方法重构的图像更贴合目标建筑的实际信息,符合图像的视觉传达需求,且峰值信噪比始终高于85 dB,均方误差均低于70 pixel,重构效果优越性显著。

基于繁殖策略的求解昂贵约束单目标进化算法

实际工程优化中存在大量约束优化问题,且有一些优化问题目标函数和约束函数的评价非常耗时,导致该类问题无法直接使用传统优化算法求解。为此,为了在评价次数有限的情况下获得较好的可行解,针对昂贵单目标约束优化问题,为评价费时的目标函数和约束函数建立径向基函数(Radial Basis Function,RBF)预测模型,以及根据估值自适应选择个体的繁殖策略,以期能产生较好的可行解。在7个标准测试函数及3个工业测试函数上的测试结果表明,相比于其它现有针对昂贵约束问题的优化方法,本方法无需确保初始种群中必须有可行解,且能在优化目标和约束函数评价次数有限的情况下找到更好的解。

基于应力约束和启发式算法的建筑钢筋混凝土桁架结构拓扑优化方法

为了解决建筑钢筋混凝土桁架结构承载力较低的问题,文章提出了基于应力约束和启发式算法的建筑钢筋混凝土桁架结构拓扑优化方法。建筑钢筋混凝土桁架结构设计变量过滤处理为后续计算提供基础。根据轴心受力构件计算标准,构建应力约束条件。使用启发式算法中的组合优化方法,在MATLAB软件完成建筑钢筋混凝土桁架结构拓扑优化。试验结果证明:此方法具有较高的计算能力,可提升桁架结构的应力承载力至70.251J,得到最优优化结果。

通信约束下UAV集群协同拦截任务分配算法

针对多无人机协同拦截多机动目标的任务分配问题,同时考虑到真实战场环境中存在的通信约束以及探测范围约束条件,本文提出了分步一致性拍卖算法(SCBAA)。首先,对真实战场环境中存在的通信约束以及探测范围约束等问题进行了描述分析,构建了多无人机协同拦截任务分配模型,设计了综合效能函数以及相应约束条件。其次,为解决多无人机协同打击单一目标的不平衡任务分配以及冲突消解问题,将原任务分配过程分为主要任务分配以及次要任务分配两部分,通过多次拍卖以及冲突消解实现多无人机对单一目标的任务分配。仿真结果表明,该算法可有效解决通信约束条件下的分布式多无人机协同拦截问题,并适应动态环境中任务分配对实时性的要求。

资源约束的模块化服装生产工序编排优化模型与算法

为适应“多品种、小批量、短周期”服装生产现状,考虑服装生产线工作站带有资源设备数量约束的作业平衡问题(RCALB-VRW),以资源设备总数和平滑系数(SI)的极小化建立双目标优化数学模型。针对RCALB-VRW的特点,提出基于合并工作站策略的装箱遗传算法。首先设计工序分配列表与资源设备列表的双层实数编码方式;其次基于传统资源约束的生产线平衡问题的资源配置算法,对工作站与资源设备进行装箱操作,优化工序编排方案,在混合服装生产线的设备资源投入数量最小化的前提下,实现各工作站平稳作业;最后以两款相近衬衫为算例进行测试,并与另外3种资源约束模型比较,结果表明装箱遗传算法能够更高效地求解有资源设备数量约束的服装生产工序编排。所提方法可为服装智能制造与精益生产的推进提供理论指导。

约束并行自适应代理模型优化算法及在弧形闸门优化设计中的应用

针对并行仿真技术下复杂大型工程结构的优化设计问题,将自适应代理模型优化和计算机并行计算技术相结合,提出一种基于约束并行自适应采样的代理模型优化算法。算法的采样方法由局部最小模型预测单加点策略和全局双目标约束多加点策略构成,通过构造约束期望提高函数和样本空间稀疏度函数对样本点进行筛选,使所获得的新样本点兼顾搜索目标函数局部最优区域和开发全局可行边界。通过对比分析测试算例与已有算法表明,该算法具有更好的优化效率、优化精度和稳定性。最后将算法运用于大型钢结构弧形闸门结构的多参数优化,分别采用3种自适应代理模型优化算法与基于静态代理模型的遗传算法进行求解,验证了所提算法的优越性。

基于双阶段搜索的约束进化多任务优化算法

高效地平衡算法的多样性、收敛性和可行性是求解约束多目标优化问题(CMOP)的关键;然而,复杂约束的出现给该类问题的求解带来了更大的挑战。因此,提出一种基于双阶段搜索的约束进化多任务优化算法(TEMA),通过完成两个协同进化的任务实现多样性、收敛性和可行性之间的平衡。首先,进化过程由探索和利用两个阶段组成,分别致力于加强算法在目标空间的广泛探索能力和高效搜索能力;其次,设计一种动态约束处理策略以平衡种群中可行解的比例,从而增强算法在可行区域的探索能力;再次,提出一种回退搜索策略,利用无约束Pareto前沿所包含的信息指导算法向约束Pareto前沿快速收敛;最后,在两个基准测试集中的23个问题上进行对比实验。实验结果表明,TEMA分别在14个和13个测试问题上取得最优反世代距离(IGD)值和超体积(HV)值,体现出明显优势。

面向约束多目标优化的进化计算与梯度下降联合优化算法

约束多目标进化算法(CMOEA)是一类专门为解决约束多目标优化问题而设计的元启发式算法。这类算法利用基于种群的黑盒随机搜索模式,可以在不同优化问题上达到目标与约束之间的有效平衡;然而它们未有效利用函数的梯度信息,在复杂问题上收敛过慢。但引入梯度信息不是一个简单的过程,同时计算所有目标和约束的梯度会消耗大量的计算资源,且目标和约束之间的矛盾会使梯度方向难以确定。为此,提出一种进化计算和梯度下降(GD)的联合优化算法——基于梯度辅助的多阶段约束多目标进化算法(CMOEA-MSG)。该算法包括两个阶段:在第一阶段,算法通过构建辅助问题并有选择性地计算目标或约束的梯度更新解,使种群快速收敛至可行区域;在第二阶段,算法采用约束优先原则求解原问题,保证种群的可行性和多样性。与现有同类算法在LIR-CMOP、MW和DASCMOP三个测试集上的对比结果表明,CMOEA-MSG可以更有效地解决约束多目标优化问题。

基于B样条曲线拟合和蜉蝣算法的采煤机截割路径约束优化

实现采煤机智能化调高,关键是解决煤岩界面识别问题、截割路径优化问题及采煤机调高控制问题。即使煤岩界面被精确识别,受到实际工作中顶底板的平整性和液压支架的推移滑溜等要求的限制,采煤机滚筒无法完全跟随煤岩界面曲线,因此需要基于煤岩界面识别结果,对起伏变化的煤岩界面曲线进行截割路径优化,得到采煤机调高控制的目标轨迹。滚筒截割路径优化是基于煤岩界面估计曲线,在采煤工艺、煤质要求和设备的适应能力等限制条件的约束下,得到使回采最大化的平滑轨迹。针对上述采煤机截割路径约束优化问题,提出一种基于B样条曲线拟合和蜉蝣算法的采煤机截割路径约束优化方法。为了提高截割路径优化效果和降低计算复杂度,以B样条曲线节点系数作为设计变量,构建一种新型截割路径优化目标函数;考虑采煤机截割工艺、煤质要求等限制,使用多段赋值罚函数法处理约束,根据约束的不满足程度动态改变罚函数系数值,避免优化陷入局部最值和约束不能起到实际作用;为了进一步提高优化效果和收敛速度,使用修正蜉蝣算法寻找最优截割路径。最后,考虑实际煤岩界面中褶皱、陷落柱、断层等典型地质构造,进行仿真研究,结果表明,所提方法能在满足实际约束下快速得到平滑的截割优化路径,实时性好、适用性高。

分布式数据驱动的多约束进化优化算法

泛在计算模式下,数据分布式获取和处理带来了分布式数据驱动优化的需求。针对数据分布获取、约束异步评估且信息缺失的挑战,构建分布式数据驱动的多约束进化优化算法(DDDEA)框架,由一系列终端节点负责数据提供和分布式评估,服务器节点负责全局进化优化。基于该框架具体实现了一个算法实例,终端节点利用局部数据构建径向基函数(RBF)模型,辅助驱动服务器节点差分进化(DE)算法对问题进行寻优。通过与3个集中式数据驱动的多约束进化优化算法在两个标准测试集的实验对比,DDDEA在68.4%的测试用例中取得显著最优结果,在84.2%的测试用例中找到可行解的成功率为1.00,表明该算法具有良好的全局搜索能力和收敛能力。

基于微分约束的改进自适应多波束抗干扰算法

卫星导航抗干扰技术作为导航接收机中最重要的部分之一,将直接决定导航定位的可靠性和准确性。自适应多波束导航抗干扰技术作为目前抗干扰性能最高的抗干扰技术,其不仅可以对干扰方向进行抑制,还可以对卫星信号方向产生增益,为导航信号提供有效保护。但自适应多波束抗干扰算法需要实时获取卫星信号相对天线阵面的入射角信息,在实际工程应用中,考虑到惯导的姿态测量误差以及载体平台的运动,获取的入射角信息存在一定的偏差,滤波后会引起信号损失。针对这个问题,提出一种基于微分约束的改进自适应多波束抗干扰算法。该方法以LCMV准则为目标函数,通过在卫星信号入射方向和干扰方向上增加一定角度范围进行约束,削弱入射角度偏差引起的信号损失。仿真结果表明,该方法在一定的角度偏差范围内可有效保护卫星信号并抑制干扰信号,从而提高抗干扰性能。

面向共享单车调配的带约束游牧算法研究

共享单车调配是优化城市交通资源配置的重要手段,但目前的最优路径调配方法往往对单车系统规模敏感。为此,研究一种分时段、区域间调配的共享单车投放方法,提出了带约束的游牧算法(nomad algorithm with constraints,NCA)求解调配模型的最优解。将单车调配问题建模为以单车流量为约束、以最小化运营损耗为目标的优化问题;提出求解上述模型的NCA算法,预测投放区域单车存量和区域间转移量,相比无约束的原游牧算法,改进了局部搜索和全局寻优策略,优化了部落初定位方法;基于预测的存量和转移量得出分时段区域间单车的调配方案。在上海和纽约相关数据集上的对比实验结果表明,运行时长约为其他方法的15%,租赁需求响应率高于分支定界算法0.15%,单车总数和运营损耗比遗传算法降低了约10%,验证了该方法具有更高的优化效率和用户需求响应率。

一种基于协同演化的自适应约束多目标进化算法

约束多目标优化(CMOP)问题的求解旨在将有限的搜索资源合理地配置到约束条件的满足与目标函数的优化2个方面,但问题约束的日趋复杂给求解算法带来了巨大挑战。提出一种基于协同演化的自适应约束多目标进化算法,该算法同时进化2个功能互补的种群(主种群和存档种群),使算法在求解复杂约束问题时能够实现约束处理与目标优化之间的良好平衡。首先,主种群进行双重繁殖,首次繁殖过程通过动态适应度分配函数自适应地利用不可行解所携带的有价值信息,使种群在进化前期强调对目标函数的优化,后期强调可行性,二次繁殖则与存档种群进行合作,以提高种群收敛性并维护多样性。然后,提出一种基于角度的选择方案更新存档种群,在保证种群良好多样性的同时保持种群向Pareto前沿的搜索压力。最后,与5种先进的约束多目标进化算法在33个基准问题上进行对比实验,结果表明,所提出的算法在解决各类CMOP问题时与对比算法相比更具优势,其效率平均提高了约67%。

求解约束优化问题的改进蛇优化算法

结合外点罚函数法与改进蛇优化算法求解约束优化问题,得到一种新的求解约束优化问题的算法WDFSO。算法WDFSO首先通过外点罚函数法将约束优化问题转化为一系列界约束优化问题,然后运用基于变异质心的对立学习策略与种群分类策略改进的蛇优化算法对所得界约束优化问题进行求解,进而获得所求约束优化问题的解。为验证算法WDFSO的有效性,选取CEC2006中19个标准约束优化问题进行数值实验,并使用Wilcoxon秩和检验来证明算法的显著性。实验结果表明,与对比算法相比,算法WDFSO求解约束优化问题具有更高的收敛精度和更好的稳定性。最后应用算法WDFSO求解两个工程约束优化问题,结果表明算法WDFSO求解性能更好。

基于带约束粒子群的电容层析成像图像重建算法

粒子群工作时系统的鲁棒性很高,有助于解决图像重建的病态问题。但是,重建图像的像素较大,导致粒子维度较大,粒子在寻优过程中很难达到最优解。为了解决这一问题,对粒子的位置加入约束条件,以Tikhonov正则化图像重建算法成像作为粒子位置参考,约束粒子在Tikhonov正则化算法重建图像的一定范围内搜索,并用罚函数求解,提高粒子搜索速度;粒子群的惯性权重采用线性递减权值,从而实现惯性权值的自适应动态调整,提高算法的灵活性;将混沌算子加入粒子群位置搜索过程中,当粒子陷入局部最优时,混沌变量在一定范围内波动,降低最优解的错失率。仿真实验结果表明,与传统的LBP算法和Tikhonov算法相比,改进的粒子群算法的电容层析成像图像重建更精确,效率更高。