基于DIRECT算法的混合动力汽车参数优化研究

研究混合动力汽车参数优化的方法。建立了以油耗最小为目标,以动力性设计指标为约束,以发动机功率、电机功率、电池容量、电池总线电压为变量的混合动力汽车部件参数优化模型,并应用分割矩形(DIRECT)算法,对此模型进行求解,找到了油耗最小的部件参数,进行了仿真验证。结果表明,在EPA城市循环工况(UDDS)和高速公路循环工况(HWFET)下,经过该方法优化后的混合动力汽车百公里油耗分别降低9.3%和14%。

利用DIRECT算法设计基于FBG延迟线的微波光子滤波器

将DIRECT全局优化算法应用于微波光子滤波器的设计中,用C语言实现该算法来得到抽头系数,利用MATLAB对滤波器幅度响应进行仿真,分析了FBG反射系数搜索范围、抽头系数为正且具有对称性时对滤波特性的影响,并进行了优化设计,仿真结果表明了这种算法的可行性和有效性.

采用DIRECT算法的外辐射源雷达高效直接定位方法

针对直接定位目标函数为非凸函数,传统凸优化方法难以获得全局最优解,而常用网格遍历搜索方法运算量大的问题,提出采用DIRECT(Dividing rectangles)算法进行高效求解的方法。首先建立外辐射源雷达接收信号模型,在此基础上推导最大似然直接定位目标函数,为解决该目标函数非凸难以快速获得全局最优解的问题,将DIRECT算法用于目标位置的快速估计,并理论分析其计算复杂度。数值仿真表明新方法计算速度快且定位精度高,相比网格遍历法,计算时间降低2个数量级,相比遗传算法降低1个数量级。

结构区间参数反求的DIRECT算法

提出一种基于DIRECT算法的结构区间参数反求方法。对于结构不确定性参数反求问题,一般转化为不确定性传播和模型参数优化的双层求解问题。首先,区间模型用来描述响应和待识别结构参数的不确定性,并建立了相应区间参数反求模型。其次,在迭代反求过程中自适应更新径向基函数用来近似原系统模型,并利用DIRECT算法来求解内层不确定性传播问题。最后,通过遗传算法来求解外层的优化模型,从而识别结构不确定性参数的区间。数值算例用来验证了该方法的正确性和有效性,并将该方法应用来反求车辆乘员约束系统中的不确定性参数。

DIRECT算法及其实现

为了有效地解决传统Lipschitz函数极值求解方法向高维推广时遇到的复杂度及计算量急剧增加的问题,DIRECT算法使用超矩形的中心点替代顶点,降低了算法的复杂度及运算量。在进行初始化后,迭代进行“查找潜在超矩形”和“细分超矩形”,直至运算结果满足要求。本文从实用角度出发,对该算法的原理及实现的细节进行了全面介绍,并对算法进行了实现,验证了算法的可行性。

DIRECT优化算法计算机仿真研究

细分矩形方法(DIviding RECTangles,DIRECT)源于Lipschitz算法,其在优化过程中不断对中心点进行函数估值,因而迭代次数较多,并在不断采样过程中造成收敛速度缓慢等缺点.基于此,提出一种新的DIRECT算法,根据每次优化迭代产生的采样点来构建元模型,并识别最优域,在最优域集合上搜索最优点,因而加快算法的收敛速度.计算机仿真结果证明,RBF元模型,能明显加快DIRECT算法收敛速度,并能快速找到准确的全局最佳点,因而大大改善了DIRECT算法收敛性.

基于区域收缩和DIRECT算法的运动分割

运动图像序列分割是计算机视觉中的一个重要问题.本文采用基于贝叶斯框架的最大后验边缘概率算法进行运动目标分割.首先,重新定义贝叶斯框架中似然函数的平滑项,并采用区域收缩算法实现迭代过程中运动目标支持区的估计.然后提出一种通过区域中心和主轴表示6参数仿射运动的模型,通过区域主轴像素估计运动参数,提高算法执行速度,将估计问题转化为一个取值有界的最优化问题,采用 DIRECT 算法估计运动参数.该方法与传统方法相比,提高运动参数估计的准确性和稳定性.通过仿真实验结果证明该方法的有效性.

基于DIRECT算法的微震震源快速网格搜索定位方法研究

微震监测定位技术的精度及效率是微震监测中的核心技术问题,震源扫描算法作为一种稳定、可靠的方法被广泛用于微震监测定位中,但是在多事件、多参数反演中,其反演效率严重制约其应用.本文将震源扫描算法与DIRECT算法思想结合,提出基于DIRECT算法的微震快速网格震源搜索定位方法,即在求解震源扫描算法目标函数最优解时,采用DIRECT搜索策略,无需划分网格大小,直接搜索目标函数最优解.通过地面及井中微震监测模型测试表明,基于DIRECT算法的微震快速网格震源搜索定位方法比传统的震源扫描算法搜索次数少、计算耗时短、计算精度高,尤其适合大空间内多事件、多参数的震源反演,为水力压裂微震监测过程中大量数据的实时、快速、准确定位提供了可能.

基于改进人工蜂群算法的多阈值图像分割

图像分割在模式识别以及机器视觉方面起着至关重要的作用,是图像分析和识别的首要任务。但若分割后图像质量损失严重,就会导致图像后续分析的误差增加。为了能够弥补这一缺陷,在分析了DIRECT算法和人工蜂群算法的特性后,利用DIRECT算法全局收敛并可以快速定位到最优值所在区域的特点来改善人工蜂群算法的过早收敛以及局部搜索能力差的缺点,提出了一种基于改进的人工蜂群算法的多阈值图像分割技术。首先,DIRECT算法为人工蜂群算法提供一种良好的初始种群,种群在演化数代后得到的当前最优解加入到DIRECT算法分割区域中,再进行初始种群的筛选,重复这个过程进而获得最佳阈值并对图像进行分割。为了验证该算法的优劣性,使用峰值信噪比、结构相似性以及特征相似性作为图像质量评价指标并与前人得到的结果进行比较。实验数据表明,提出的阈值分割方法优于前人的阈值分割方法。

基于DIRECT动态重组算法的节点优选研究

针对传统仓储物流效率低下的问题,选择对虚拟物流仓储系统中的节点选择进行计算和优化,首先,在以DIRECT算法为基础的情况下上提出了虚拟物流仓储环境下节点优选的基本思路.其次,建立了节点优化选择的DIRECT动态重组算法,并通过DIRECT算法实现对其全局优化.最后,对节点优选模型的相关参数和数据进行了设置、提取、计算、优化和分析,结果证明:DIRECT动态重组算法能够在一定条件下取得全局最优解,有一定的现实意义和应用价值.

可变提前期下采购商独立订货及联合订货研究

假设订货提前期是与订货量相关的"U"型函数,这种提前期形式在生产交易中比较普遍。在此种提前期形式下,对于包含一个供应商和两个采购商的供应链,分别考虑采购商独立订货及联合订货的情形,构造数学优化模型。通过分析模型的性质,使用基于Lipschitzian优化的Direct算法求解,以求得模型的最优解。在实际应用中,可以根据提前期与订货量的数据拟合成"U"型函数,利用本文的模型和算法求解。数值分析表明,"U"型提前期下,供应商可以故意拖延,迫使采购商增加订货量;采购商可以与其他采购商联合订货,从而缩短提前期来节约总成本;最后,还分析了"U"型提前期存在的原因。