Application of stochastic method to optimum design of energy-efficient induction motors with a target of LCC

For an energy-efficient induction machine, the life-cycle cost (LCC) usually is the most important index to the consumer. With this target, the optimization design of a motor is a complex nonlinear problem with constraints. To solve the problem, the authors introduce a united random algorithm. At first, the problem is divided into two parts, the optimal rotor slots and the optimization of other dimensions. Before optimizing the rotor slots with genetic algorithm ( GA), the second part is solved with TABU algorithm to simplify the problem. The numerical results showed that this method is better than the method using a traditional algorithm.

基于并行EGO和代理模型辅助的多参数优化方法研究

化工流程模拟优化问题常常具有高维、非线性的特点,使得仿真计算难以收敛。过长的求解时间是调度优化和运行优化的主要瓶颈之一。采用代理模型对机理模型进行替代是降低计算复杂度、保证结果准确性的有效途径。Kriging代理模型具有较强的非线性近似性,但处理高维问题依然较为困难。因此,本文研究并行EGO(efficient global optimization)算法与代理模型集成,并将模型应用于化工过程。并行EGO算法以Kriging代理模型的预测函数和误差函数为基础,先推导出样本分布概率密度函数与累积分布函数相结合的解析表达式;然后通过PEI(pseudo expected improvement)准则得到新的样本点以更新代理模型;最后结合改进的差分进化算法对优化参数进行全局搜索。在保证结果准确性的前提下,将本文算法与其他优化算法进行比较。8个多峰测试函数的测试结果表明,该算法的收敛速度提高了85%。然后将其应用于双级氨吸收制冷过程的模拟,结果表明该方法的模拟误差小于0.01%,优化时间从9846 s缩短至3705 s。

海外油气效益产量“二步决策法”研究及应用

海外油气项目具有投入大、风险大、回收期长等特点,开展效益产量决策方法研究对提升石油公司整体经营实力、提高抗风险能力举足轻重.本文旨在建立一套系统全面的效益产量经营决策方法,通过抓准项目效益影响因素,构建基于全局满意解集的效益产量“二步决策法”,实现一套“可全面可聚焦”的系统决策优选技术模型,最终以优选出的组合作为效益产量推荐方案,助推海外油气资产保值增值.本文创建的海外油气效益产量“二步决策法”,在国内某石油公司海外业务板块近4年的油气资产生产经营中取得了较好的应用效果,为该石油公司海外油气资产提效增效和高质量发展提供了可靠的技术支持.该方法也同样适用于国内上游油气开发板块效益产量优化决策,值得借鉴及推广.

改进EGO算法在跨声速翼型气动优化设计中的应用

为了解决复杂工程优化问题计算量大的问题,提出了基于Kriging代理模型的改进EGO(Efficient Global Optimization)算法.采用小生境微种群遗传算法求解Kriging模型的相关向量,避免了模式搜索算法求解相关向量时对初始值的敏感性问题.采用小生境微种群遗传算法,结合无惩罚因子的惩罚函数法对EI(Expected Improvement)函数寻优,解决了惩罚因子难以选择的问题,增强了算法的鲁棒性.采用2个数值算例和1个工程算例对算法进行测试的结果表明,改进后的EGO算法收敛精度更高,比较适合在工程中应用.

基于Kriging代理模型的改进EGO算法研究

代理模型是复杂工程优化设计问题的关键技术之一.基于Kriging代理模型的EGO算法作为一种贝叶斯全局优化算法引入了EI函数来确定校正点,保证了算法的全局收敛性.首先针对原始EGO算法的不足之处,提出改进EGO算法.然后采用改进EGO算法对4个经典函数和1个工程算例进行测试,最后从算法的收敛速度和精度两方面将不同的算法进行比较.结果表明改进后的EGO算法达到原始EGO算法精度时所需迭代步数更少,与基于响应面的优化算法相比在收敛速度和精度方面更具有优势.说明该方法适应性强,具有很高的工程实用价值.

基于EGO算法的常压塔能量优化

常减压装置能量消耗约占炼厂总用能的25%～30%,在保证产品产量与质量的条件下,优化常减压蒸馏塔操作条件,可有效降低能耗。为了避免随机优化算法对常压塔机理模型进行操作优化时,存在计算资源消耗大、效率低的问题,文中采用基于代理模型的全局优化方法优化常压塔的余热回收过程,在优化迭代过程中用Kriging代理模型来代替耗时的精确模型评估。实验表明模型调用次数相较于粒子群优化算法减少了90%,优化时间减少了85%,实现了能量优化并且保证了侧线产品之间的分离精度。

基于改进EGO算法的汽车40%偏置碰撞优化设计

为提升优化的精度和效率,对某多用途车(MPV)车型进行整车正面偏置碰撞结构优化设计。以整车碰撞后侵量和变形量等为约束条件,考虑了序列样本对目标响应和约束响应的改进效果,建立了基于Kriging模型的改进的高效全局优化(EGO)算法和相应的序列采样优化流程。结果表明:与不考虑序列采样的传统优化方法、Jones经典EGO序列采样算法和Schonlau约束EGO序列采样算法进行对比,该算法可以在最小的112个样本规模下,得到误差小于8.42%的优化解,碰撞案例在减质量2.89 kg,且所有碰撞约束性能均满足要求的情况下,目标碰撞有效加速度从28.48 g下降为26.77 g。从而,验证了该方法的准确性和效率。

EGO算法的翼型气动外形优化设计

针对随机优化算法计算量大和最优响应面法容易陷入局部最优的缺点,采用EI最优策略综合平衡响应预测值及预测精度,建立了高效的优化系统.使用该方法进行了翼型气动外形优化设计,结果表明该方法将翼型阻力系数降低22%,具有良好的优化精度,而总计算耗时与粒子群算法相比约降低68%,说明了该方法的可行性和有效性.

具约束向量拟均衡问题的Global有效解的最优条件

向量均衡问题是运筹学的重要组成部分,其研究的主要内容包含各种解的存在性、稳定性、连续性、连通性、适定性、最优条件。向量均衡问题的解主要有有效解、弱有效解、强有效解、Global有效解、Henig有效解、超有效解。研究向量均衡问题各种有效解的最优条件是向量均衡问题的一个重要课题。首先,在实Hausdorff拓扑线性空间中引入具约束条件的向量拟均衡问题及其Global有效解的概念;其次,在实拓扑线性空间中分析了锥-凸、几乎锥-类凸与几乎锥-次类凸3种广义凸性的内在关系;最后,在3种广义凸性条件下借助于凸集分离定理给出了具约束条件的向量拟均衡问题Global有效解的充要条件。

具广义锥凸集值映射的集值优化问题的Global真有效解的最优条件

在实赋范空间中讨论集值优化问题的Global真有效解的最优性条件。首先在实赋范空间中给出集值优化问题Global真有效解的概念,其次借助于切上图导数建立了具广义锥-凸集值映射的集值优化问题的Global真有效解的Kuhn-Tucker型最优性条件。

加速DACE的EGO算法

在函数最优点求解问题中,如果函数表达式很复杂(或黑箱问题),很难利用常用的优化算法求解全局最优点。这时需要先用插值或拟合函数去逼近原函数,然后对新的逼近函数求最优点,进而得到原函数的最优点。基于上述思想,Jones等人于1989提出了EGO(Efficient Global Optimization)算法。EGO算法不足之处在于:它浪费了一个采样点判断EGO算法是否满足终止条件,寻求EI最大值点的收敛速率不高,算法终止条件选择不佳,不能保证估计值的最小点(即EI最大值点)是原函数的内点。针对EGO算法的不足之处,提出了改进的加速EGO算法。仿真实验表明,SEGO极大地节省了运算时间,并且能获得任意精度的全局最优点。

改进高效全局优化算法在船型优化中的应用

船型优化问题的复杂度越来越大,导致昂贵数值计算量越来越大,进而优化成本越来越高,对优化技术提出了更高的要求:精简计算量,降低优化成本。本文针对高效全局优化算法进行研究和开发,对其初始样本点、加点法则以及收敛条件等进行了探讨,采用多种初始样本点数启动优化,采用“期望函数”作为单目标加点法则以及欧氏距离EIM函数作为多目标加点法则,使用遗传算法对加点函数进行寻优精确定位最佳新增样本点,并通过标准优化测试函数进行了验证。为船型优化问题提供了新的思路。

新型快速高精度主动学习算法的开发:以MAX相晶体的材料力学性能预测为例

近年来,MAX相晶体由于独特的纳米层状的晶体结构具有自润滑、高韧性、导电性等优点,成为全球的研究热点之一.其中M2AX相晶体兼具陶瓷和金属化合物的性能,同时具有抗热震性、高韧性、导电性和导热性,但是由于该类材料的单相样品实验制备比较困难,从而限制了其发展.主动学习是一种利用少量标记样本可以达到较好预测性能的机器学习方法,本文将高效全局优化算法与残差主动学习回归算法相结合,提出了一种改良的主动学习选择策略RS-EGO,基于169个M2AX相晶体的数据集,对M2AX相晶体的体模量、杨氏模量与剪切模量进行建模与预测寻优,通过计算模拟的方式来探索材料性能从而减少无效的验证实验.结果发现,RS-EGO在快速寻找最优值的同时具有较好的预测能力,综合性能要优于两种原始选择策略,也更适合样本量较少的材料性能预测问题,同时选择不同的结合参数会影响改良算法的优化方向.通过在两个公开数据集上运用改良算法证明了其有效性,并给出了结合参数的选择,设计不同结合参数下的模型实验,进一步探究不同参数对模型优化方向的影响.

基于灰狼优化算法的快速选星方法

针对传统的遍历法无法满足多全球卫星导航系统(global navigation satellite system,GNSS)组合导航选星的实时性需求,提出了一种基于灰狼优化(grey wolf optimization,GWO)算法的快速选星方法。该算法利用自适应收敛因子和信息反馈机制,在局部寻优与全局搜索之间实现平衡,表现出良好的求解性能,即可以保证在获得理想几何构型的同时大幅减少接收机运算量。经过仿真实验,分析了参数选取对GWO快速选星算法结果的影响。利用实测数据对所提算法进行验证,结果表明,所提算法在四系统组合下,从49颗可见星中选择7颗进行定位时,与遍历法相比,几何精度因子(geometric dilution of precision,GDOP)误差仅为1.8%,而计算效率提高了71.7%。该算法适用于多GNSS组合导航定位不同选星数目的情况,还可以拓展至区域导航卫星系统。

偏最小二乘Kriging模型辅助的高效全局优化方法

针对昂贵约束优化问题中因超参数过多引发的维数灾难及优化效率不高问题,提出一种新的偏最小二乘Kriging模型辅助的高效全局优化方法。该方法通过偏最小二乘核函数提升Kriging模型建模效率,构建两种偏最小二乘权期望填充准则实现模型的自适应调整及高效全局优化。测试函数及工程实例结果表明,所提方法可有效减少超参数计算量,提升昂贵约束优化问题求解效率。尤其在高维问题中,所提方法在解的收敛速度,稳健性及精度方面均具有优势。

基于多偏好物理规划的代理辅助多目标优化方法

针对目前普遍存在的目标数目较多,Pareto前沿离散程度较高的昂贵多目标优化问题,现有大部分算法无法利用较少函数评估得到优质Pareto前沿,因此提出一种基于多偏好物理规划的代理辅助多目标优化算法(M3pEGO)。该方法首先设置偏好矩阵,通过不同物理规划总偏好值将多目标优化问题转化为单目标优化问题,接着与Kriging代理模型相结合,利用高效的全局优化(EGO)算法实现自适应优化。最后通过9个经典测试函数,将此方法与ParEGO算法和多目标EGO算法进行对比。结果表明,所提算法在解决昂贵多目标优化,尤其是Pareto前沿离散程度较高的问题上优势明显,在有限次迭代后能够精确拟合到真实Pareto前沿,且能够得到收敛、均匀的非支配解集。

一种改进的遗传算法及其在系统辨识中的应用

研究了基于基本杂交操作的遗传算法的搜索效率及全局收敛性。提出了一种改进的遗传算法,该算法成功地应用于系统辨识。仿真结果表明了该方法的有效性及实用性。

高效优化算法在船舶力学中的应用研究(英文)

作为一种贝叶斯优化算法,高效全局优化算法(EGO)利用克里格模型来构造近似模型,并采用样本填充准则以寻找下一个样本点来更新近似模型。文中详细介绍了该优化算法,并将其应用于船舶力学的两个典型优化例子。其中一个是潜艇的多学科概念设计,考虑了水动力、推进、重量、性能和成本5个学科;另外一个是屈曲状态下加筋板的优化问题。与传统优化相比,高效全局优化算法不仅收敛到全局最优解,而且更加有效。结果表明高效优化算法非常适用于船舶力学中的优化问题。

基于文化粒子群算法的开关磁阻电机多目标优化设计

特殊的结构和控制方法使得开关磁阻电机(SRM)具有多变量、强耦合、高非线性等特点,如何快速而准确的得到最优设计方案一直是研究的热点与难点。首先将粒子群算法(PSO)与文化算法(CA)相结合,构建了文化粒子群优化算法(CPSOA),通过将PSO嵌入到CA架构,实现了不同空间群体的并行进化,提高了PSO的优化精度与效率。然后,采用传统设计方法得到了SRM的初始设计方案,并进行了初步校核。最后,针对一定的目标和约束,以参数对性能的影响模式为基础,利用CPSOA对初始方案进行了优化,得到了关键几何尺寸和控制参数的全局最优解。

基于气动-弹道一体化模型的飞行器外形优化设计

为提升飞行器气动外形优化设计效果,研究了新型飞行器在大空域、宽速域范围的气动适应性问题,提出一种基于气动-弹道一体化模型的外形优化设计方法。通过考虑气动和弹道的耦合作用,综合利用类型函数/形状函数转换技术、气动工程估算方法和Radau伪谱法,建立飞行器气动-弹道一体化模型。基于该模型,通过明确优化目标和约束条件,给出基于Kriging的气动外形优化方法,实现在多参数约束条件下的飞行器气动外形高效全局优化。以升力体构型飞行器为例,开展气动外形优化设计,结果表明该方法能较好地描述大空域、宽速域的气动和弹道特征,有效提升飞行器气动外形设计精度和水平,可为新型飞行器总体设计提供技术支撑。