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。

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。

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。

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。

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。

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。

基于改进GAAA算法的连采机外喷雾降尘参数优化

为提高连续采煤机外喷雾装置的降尘效率,改进安全技术和工作面环境,以雾化压力、喷雾有效作用区长度、喷雾扩散角、喷嘴直径、相邻喷雾截面圆重叠参数为设计变量,建立了降尘效率最大的目标函数,运用改进遗传算法和蚂蚁算法的混合算法(GAAA算法)对2~8μm不同粒径粉尘的降尘效率进行整体参数优化,并对降尘效果进行了分析和模拟验证。研究表明,随粉尘粒径增加,平均降尘效率先增大后减小,耗水量逐渐增大,最优降尘参数组可使平均降尘效率达90.9%,提高了7.5%,耗水量减少了6.0%,其对煤矿井下安全事故的预防有重要意义。

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。

基于谐振子遗传算法的高效地下水优化管理模型

在传统遗传算法和模拟谐振子算法的基础上,结合两者的优点,提出了一种新型快速高效的谐振子遗传算法。通过一个理想的水资源管理模型的算例和一个华北平原典型区地下水资源优化的实际算例,从寻优结果和寻优效率两个方面对谐振子遗传算法、传统遗传算法和模拟谐振子算法进行了对比分析。在两个地下水管理模型中,与传统的遗传算法和模拟谐振子算法相比,新型的谐振子遗传算法搜索效率达到模拟谐振子算法搜索效率的2倍以上,得到的最优解比遗传算法所得到的最优解分别增加供水量1.1×103 m3/d和0.47×108 m3/a,说明谐振子遗传算法具有更强的全局搜索能力和更好的寻优效率。

面向大曲率曲面的喷涂机器人喷枪轨迹规划研究

为提高机器人喷涂大曲率曲面的效果,首先基于曲面特性建立大曲率曲面数学表达模型,对其进行分片造型,并生成面片喷枪轨迹,最后建立优化目标函数实现轨迹优化;为了解决大曲率曲面分片后面片间的轨迹组合问题,降低算法中参数的使用,消除相应的除梯度信息,运用粒子群优化算法的思想,制定了算法程序技术路线,并依此编写了优化喷枪轨迹的算法程序。实验证明了该算法的高效性和适用性,达到了提高大曲率曲面喷涂效果的目的。

基于免疫连续蚁群算法的岩土工程反分析研究

基于进化算法等全局优化算法的岩土工程优化反分析是解决实际问题的一种较好的思路,但计算效率是这类算法的最大问题。为了克服这种反分析方法的缺点,提高反分析的计算效率,首次把一种新型仿生算法——连续蚁群算法引入岩土工程领域。并为了更进一步提高算法的效率,把免疫原理引入连续蚁群算法,提出了免疫连续蚁群新算法。在此基础上,结合有限元数值分析技术,提出了一种新的岩土工程反分析算法——免疫连续蚁群算法反分析。最后,通过一个简单算例验证了该法的有效性及卓越的计算效率。

一种新的优化方法:β算法

提出了一种新的求解全局最优问题的算法．该算法适合求解非线性、非凸、包含多个局部最优解的最优化问题，且对所求解的问题没有很强的前提条件，适用范围宽广．该算法利用了目标函数超曲面在可行域中的起伏，对可行域进行分割压缩，并最终收敛于某个全局最优解．最后通过实例与模拟退火算法进行了比较，检验了其优异的鲁棒性和收敛速度．

弱有效集上凹函数极大问题的分枝定界算法

弱有效(有效)集上的优化是处理多目标线性规划的一种重要途径。考虑了弱有效集上凹函数的极大问题。这个优化问题主要有两方面的困难:一方面,弱有效集一般说来不再是凸集;另一方面,该问题不属于存在一个全局最优解在多面体集的一个极点处取得的一类问题。因此,提出的方法的主要思想是:问题首先被转化为Rk+1空间中一个特殊全局优化问题;其次,对这个问题建立了一个分枝定界型算法。算法的分枝过程采用锥形剖分,定界过程通过求解普通的线性规划实现;最后,对算法的收敛性进行了分析。

基于遗传算法的HEV控制策略优化

混合动力汽车控制策略参数的选取对系统性能有重大的影响。为此,建立了以动力性能为约束指标、以燃油消耗率和排放为评价指标的混合动力汽车控制策略参数优化模型,并对控制策略参数进行优化。利用加权系数法整合评价指标,结合遗传算法工具箱GATBX对控制策略参数进行多目标优化,并利用ADVISOR对优化前后的性能进行仿真。仿真结果表明:在保证动力性的前提下有效降低了混合动力汽车燃料消耗量和排放,其中油耗和NOx降低了17%,HC和CO降低了大约7%。

基于改进蚁群算法的无人驾驶飞行器三维航迹规划与重规划

研究了一种改进蚁群算法在无人驾驶飞行器三维航迹规划中的应用。针对基本蚁群算法容易过早陷入局部最优以及过早陷入迭代停滞的缺陷,新提出了一种信息素挥发系数的随机自适应调节方法;借助最小威胁曲面这个概念,将最小威胁曲面向水平面投影,使三维航迹规划转换为二维航迹规划;并借助动态窗口这个概念,在三维离线航迹的基础上进行航迹局部重规划;最后给出仿真验证。仿真结果表明:改进蚁群算法在解的优越性和算法的快速性上都全面优于基本蚁群算法,并且改进的蚁群算法在三维航迹重规划上有很强的适应性。