基于非线性自适应比例因子的雪豹优化算法

针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段Logistic混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用5个随机个体提高全局搜索能力和算法收敛能力,在第二次种群更新位置后,使用3个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在IEEE CEC2022基准函数测试集上测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。

信息年龄约束下的无人机数据采集能耗优化路径规划算法

信息年龄(AoI)是评价无线传感器网络(WSN)数据时效性的重要指标,无人机辅助WSN数据采集过程中采用优化飞行轨迹、提升速度等运动策略保障卸载至基站的数据满足各节点AoI限制。然而,不合理的运动策略易导致无人机因飞行距离过长、速度过快产生非必要能耗,造成数据采集任务失败。针对该问题,该文首先提出信息年龄约束的无人机数据采集能耗优化路径规划问题并进行数学建模;其次,设计一种协同混合近端策略优化(CH-PPO)强化学习算法,同时规划无人机对传感器节点或基站的访问次序、悬停位置和飞行速度,在满足各传感器节点信息年龄约束的同时,最大限度地减少无人机能量消耗。再次,设计一种融合离散和连续策略的损失函数,增强CH-PPO算法动作的合理性,提升其训练效果。仿真实验结果显示,CH-PPO算法在无人机能量消耗以及影响该指标因素的比较中均优于对比的3种强化学习算法,并具有良好的收敛性、稳定性和鲁棒性。

基于决策树求解非线性规划问题的算法

针对群体智能优化算法具有随机性、盲目性、可编程性差的问题,提出了一种简单有效且不具有随机性的全局搜索算法,用于求解非线性规划问题。通过对每个决策变量的可行域离散化处理后得到的数据构建决策树,采用深度优先的规则对最优解进行搜索,搜索的同时用指数衰减函数调整搜索步长,从而逐步缩小搜索范围,直到结果收敛。算法不具有随机性,不需要编码、解码、交叉、变异等复杂操作,也不需要随机生成初始种群,可编程性强。对非线性规划的六个测试函数进行求解,并与文献中报道的结果对比,结果表明基于决策树的遍历搜索对解决非线性规划问题有效,对于多决策变量的复杂优化问题,采用分组搜索的策略既能保证求解精度,也能保证收敛速度。

混沌优化算法在非线性约束规划问题中的应用

综述了混沌优化算法在国内的研究历史与现状 ,介绍了算法的基本步骤 .针对非线性约束问题 ,提出了一种新的、可行的混沌优化算法 .实例计算表明 ,该算法稳定性好、简单、易于掌握 ,对于多维、非线性。

含有等式约束非线性规划的全局优化算法(英文)

针对含有多个等式约束的非线性规划问题,提出一个全局优化算法.该方法基于可行集策略把改进的模拟退火方法与确定的局部算法方法相结合.对算法的收敛性进行了证明,数值结果表明算法的有效性及正确性.

解非线性约束规划问题的新粒子群优化算法

给出非线性约束规划问题的一种新解法.首先把带约束的非线性规划问题转化成为2个目标的优化问题,在对搜索算子及各种参数进行合理设计的同时,提出了一种新粒子群优化算法(TS-MC),最后的数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.

基于遗传算法-序列二次规划的磁共振被动匀场优化方法

为了解决磁共振成像(MRI)系统中固有的主磁场(B0)不均匀的问题,提出遗传算法-序列二次规划(GASQP)算法,以提高7 T磁共振的主磁场均匀性.从被动匀场数学模型的角度出发,该混合算法利用GA算法获得稳定的初始解,实现主磁场的第1次优化,再通过SQP算法的快速求解,在较少的时间内实现主磁场的第2次优化,同时提高磁共振主磁场的均匀性.采用正则化方法减少磁场均匀所需的铁片质量,并且获得稀疏的铁片分布.在仿真建模的案例研究中,7 T磁共振裸磁场均匀度可以从462×10-6优化到4.5×10-6,并且在匀场空间上仅消耗0.8 kg的铁片.相比于传统的GA优化方法,新方案的磁场均匀性提高了96.7%,总铁片消耗质量减少了85.7%.实验结果表明,GA-SQP算法比其他优化算法具有更强的鲁棒性和竞争力.

分布式约束优化的震后救援路径规划

提出一种基于分布式约束优化的震后救援路径规划模型。通过分析地震烈度、震害指数、路段可靠性等因素,结合实际震后救援地图构建数学模型,提出一种新的自适应局部代价模拟算法(ALCS)对模型进行求解。算法中智能体在优化初期使用偏差修正策略对局部代价进行修正,以获得更好的初始解集。设计了一种自适应策略,提高算法的泛化能力。实验结果表明:基于分布式约束优化技术构建的数学模型能够有效提高震后救援效率,提出的ALCS算法比前沿的分布式约束优化问题(DCOPs)局部搜索算法的收敛质量更好,也能更有效地通过求解震后救援路径规划模型得出多条分布式救援最优路径。

基于约束多目标优化的多区域无人机路径规划

无人机路径规划常以约束多目标优化问题形式建立数学模型,且这些模型几乎只考虑三维建模空间中两点之间的路径规划;然而缺少无人机从起点出发,经过指定的多个作业区域并到达终点的路径规划问题研究。针对上述问题,基于不可行解引导种群进化提出带有地理信息指导搜索策略的约束多目标进化算法(DW-LS)。首先,根据无人机飞行所受环境约束、性能约束和访问多区域任务建立新的约束多目标优化模型;其次,基于不可行解利用机制,设计地理信息指导搜索策略优化不可行解以进一步协助种群搜索最优进化方向;最后,通过仿真对比了DW-LS与具有代表性的三个约束多目标进化算法,实验结果表明DW-LS所得可行解具有更好的收敛性和多样性。

多策略鼠群优化算法的无人机三维航迹规划

针对在复杂电力检测环境中无人机三维航迹规划问题,提出一种基于跳跃式自适应小孔成像反向学习鼠群优化(JAPRSO)算法的无人机三维航迹规划方法。JAPRSO算法引入了Sobol序列初始化种群以增强种群多样性;引入了非线性自适应因子实现动态权衡局部开发和全局搜索能力;嵌入了跳跃式围捕猎物机制以避免算法陷入局部最优;同时,引入跳跃式自适应小孔成像反向学习追赶猎物机制以提高算法的全局寻优能力。仿真结果表明:所提出的路径规划方法寻优性能优于RSO算法、灰狼优化(GWO)算法,金枪鱼群优化(TSO)算法和海鸥优化(SOA)算法,能够有效地躲避威胁区,快速获得航迹代价最小的安全可行航迹,可适用于求解电力检测方面的无人机三维航迹规划问题。

基于改进灰狼优化算法的移动机器人路径规划方法

提出基于改进灰狼优化(IGWO)算法的移动机器人路径规划方法。首先,将均匀分布空间与伪反向学习策略相结合,进行灰狼种群初始化;其次提出非线性收敛因子改进策略,使算法的前段搜索和后段寻优过程更容易得到平衡;接着,融合布谷鸟搜索(CS)算法搜索机制,更新灰狼个体位置,提高算法的全局寻优能力;最后,选用4个标准测试函数进行改进前后的测试对比实验,以及在栅格地图上进行路径规划仿真对比实验。实验结果表明,IGWO算法在测试函数上表现能更快收敛性、寻优结果更精确;路径规划仿真实验结果表明,IGWO算法的最短路径长度、平均路径长度、路径长度标准差均优于传统GWO算法。

求解非线性约束优化问题的进化规划算法

给出一种求解带有非线性约束优化问题的进化规划算法,此算法能避免将约束问题转化为无约束问题,计算时间较短且算法稳定性强,通过数值计算得到最优解.

基于时间序列优化估计算法的散货码头船舶停留轨迹规划方法

为了降低船舶总停留时间,提升散货码头运营效率,提出基于时间序列优化估计算法的船舶停留轨迹规划方法。通过引入时间序列分析方法,构建船舶停留时间预测模型。在此基础上,以最小化船舶总停留时间为目标,构造船舶停留轨迹规划的目标函数,并确定约束条件。选取遗传算法求解目标函数,通过其迭代优化过程,获取最优的船舶停留轨迹规划方案,从而实现船舶停留轨迹的有效规划。试验结果显示:应用时间序列优化估计算法获得的船舶停留轨迹规划模型求解迭代次数最小值为7次,船舶总停留时间降低至28 min。以上结果表明,该方法的船舶停留轨迹规划合理,提升了散货码头运营效率。

多约束条件下的无轨胶轮车路径规划算法研究

针对无轨胶轮车调度中存在的效率低、不合理等问题,基于传统节约算法增加约束条件,研究了多约束条件下煤矿无轨胶轮车的任务优化以及最短路径规划。通过将传统节约算法的单类型车辆约束改进为多类型车辆,提高了车辆的利用率,降低了车辆的使用成本;提出时间窗约束,提高了胶轮车到达的正点率,改善了人工处理调度作业中存在各种不确定因素而导致的车辆晚点,避免引发一系列不必要的事故;提出货物类型约束,提高了车辆的实载率,改善了“一车一用”的情况;提出最大行驶里程约束,提高了胶轮车运行安全保障,改善了井下的行车环境。采用陕西大海则煤矿胶轮车配送的实际算例,对提出的多约束条件下节约算法进行了实验,算例结果对比表明,在经过多约束条件下节约算法处理后,车辆平均实载率达到90%以上。现场应用结果表明,该方案可以提高胶轮车的配送效能,优化车辆任务,还可以有效地节约成本,满足煤矿现场应用需求。

一种求解非线性规划问题的混合粒子群优化算法

粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的·每一个粒子被随机初始化以表示一个可能的解,并在解空间追随最优的粒子进行搜索·提出一种基于改进的混合粒子群优化算法求解非线性约束规划方法·在介绍PSO算法基本原理的基础上,设计了约束适应度优先排序处理约束条件的方法,并通过动态邻域算子和可变惯性权重进行联合演化以求得全局最优解·对非线性规划例子的实例计算表明,该算法稳定性好,简单容易实现而又功能强大,易于掌握,对于多维非线性、复杂问题的求解具有普遍适用性·

基于遗传算法的退火精确罚函数非线性约束优化方法

提出一种新的基于遗传算法求解非线性约束优化的方法，通过自适应的退火罚因子和不可微精确罚函数来处理约束条件，可以使算法逐渐收敛于可行的极值点。仿真结果表明该方法有较高的求解精度。

非线性优化模型下的定日镜场的优化设计

为了实现“碳中和”,新型能源的使用一直都是我国的发展战略。塔式太阳能光热发电是一种环保的新型清洁能源的技术。研究定日镜场在角度、距离、大气透射率、纬度、太阳入射角度等复杂约束条件下,通过建立太阳计算模型和多元非线性优化模型,实现了平均输出热功率尽可能大的目标。

非线性等式约束全局优化问题的区间算法

研究非线性等式约束全局优化问题 ,其中目标函数和约束函数为 C1类函数 .针对非线性等式约束函数 ,定义了广义 Krawczyk算子 ,建立了约束函数的区间迭代和新的无解区域删除原则 ,在此基础上 ,基于罚函数法和区域二分原则 ,构造了求解非线性等式约束全局优化问题的区间算法 ,理论分析和实例计算均表明算法是可靠和有效的 .

基于改进灰狼优化算法的导航机器人路径规划

路径规划对于导航机器人技术是极为重要的,寻找最优路径使机器人能够自主地避开障碍物的同时提高效率并到达目标位置。提出了一种基于改进灰狼优化算法的导航机器人路径规划方法。该算法将灰狼优化算法与基于维度学习信息共享策略和约束条件相结合,以实现导航机器人在路径规划的优良性。然后,基于这种方法进行了实验研究,包括仿真实验和实际场景实验。实验结果表明,该方法在路径长度、搜索时间和路径可行性等方面都取得了显著的优化效果。

用粒子群优化改进算法求解混合整数非线性规划问题

针对混合整数非线性规划(MINLP)问题,改进了粒子群优化算法(PSO),提出了一种粒子迁移策略,改进了粒子速度更新策略,使之成为一种解决MINLP问题的新算法.实验表明,新算法精确度好、收敛快.