模糊证券投资组合的期望值模型

讨论了当投资的预期收益率和风险损失率为模糊变量时,证券投资组合模型的优化问题.建立了证券投资组合决策系统的期望值模型,并设计了基于模糊模拟的遗传算法进行求解.该方法有效地解决了模糊证券投资组合问题.     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

基于混合状态粒子群的墨盒闭环供应链运作模型与优化

针对墨盒闭环供应链产品型号多、物流周期长、生产销售环节分布广以及报废墨盒环境污染严重等问题,建立墨盒闭环供应链运作模型。该模型既包含连续状态决策变量,又包含离散状态决策变量。为实现运作管理的优化,将离散粒子群优化算法引入墨盒闭环供应链运作模型,通过对连续决策变量和离散决策变量进行编码,设计粒子位置与速度的运算关系,构造粒子速度和位置的迭代方程,使得决策变量的优化求解过程始终保持在可行域内。研究结果表明:采用该算法的运作成本分别是连续粒子群算法和遗传算法的0.72倍和0.90倍,其运算速度分别是连续粒子群算法和遗传算法的1.01倍和1.73倍。     

离散变量结构优化设计的混合遗传算法

针对离散复合形法提出了一种新的初始点产生办法，并基于满应力思想，对离散复合形法进一步做了改进，提高了离散复合形法的局部寻优能力，从而构造了一种改进的离散复合形法用于离散变量结构优化设计；对基本遗传算法运用Hamming距离控制种群的个体差异；在适应度计算过程中加入判定因子来减少结构重分析次数：在遗传操作中。对交叉和变异操作做了改进．并把复合形算子嵌入到复制操作中，从而建立了一种离散变量结构优化设计的混合遗传算法。算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法，是可行和有效的。     

基于遗传算法的圆环板的优化设计

利用阶梯折算法,由传递矩阵导出变厚度圆环板平衡问题的初参数解的显式表达式,将圆环板的优化设计转化为极小化目标函数的非线性规划问题.用一种离散变量结构优化设计的单向搜索法与标准遗传算法结合的混合遗传算法求解该优化问题,发挥了单向搜索法局部搜索能力强、高效省时和遗传算法全局性好的优点.对典型问题的计算表明,该方法能解决受强度、刚度和几何等约束的离散变量结构优化设计问题,并具有编制程序方便、收敛快和精度高的优越性.     

机组最优化问题的改进遗传算法

机组组合问题十分复杂,变量数和约束条件又很多,是一个高维数、非凸的、离散的、非线性的优化问题,很难找出理论上的最优解.提出了改进的遗传算法,即将ALOPEX算法和遗传算法结合起来从而解决复杂的机组组合问题.     

基于混合离散复合形法的工程优化设计

针对工程中大量存在的设计变量为离散型和连续型的混合离散变量优化设计问题,提出了连续变量及非均匀离散变量的均匀离散化处理方法,并借鉴离散变量的搜索优化法,在连续变量的复合形法基础上,探讨了一种求解有约束非线性混合离散变量的优化设计问题的方法———混合离散复合形法。算例表明,混合离散复合形法可用于工程结构优化设计中,其结果不需圆整,解题可靠性和效率大大提高。     

船体双层底结构优化的粒子群优化算法

为优化船体双层底结构,在适于求解连续变量的标准粒子群优化算法(PSO)基础上,提出一种离散变量PSO算法,并利用标准PSO算法和离散变量PSO算法分别对测试函数和某大型油船双层底结构优化设计问题进行求解,该双层底结构的响应分析计算采用正交异性板计算模型实现.研究了不同取值的惯性权重和学习因子对优化结果的影响.通过对计算结果的对比分析,得出该离散变量PSO算法应用于船体板架结构优化设计时,其惯性权重和学习因子的最佳取值范围.     

模拟退火算法在钢桁架优化设计中的应用

将模拟退火算法应用于桁架结构离散变量优化问题,提出新的用于离散变量的退火邻域结构,进行了三杆和十杆桁架结构模拟退火算法优化计算,并与遗传算法和传统优化设计方法的优化结果进行了比较.结果表明模拟退火算法对桁架结构离散变量的优化问题更加有效,且新的邻域结构加快了算法的收敛速度,提高了算法的稳定性和有效性.     

基于就近取值策略的离散多目标优化

针对现有的离散变量处理方法在求解多目标优化问题中存在精度和可靠性不足的情况,结合离散变量优化问题和遗传算法两者的特点,提出一种能够处理离散变量的就近取值策略.此策略代替了传统对离散优化问题中离散变量的处理方法:将离散优化问题转化为连续优化问题,利用决策变量为连续的优化方法去解决该离散优化问题所对应的连续优化问题的最优解集,最后再按照特定的方法将该连续优化问题的最优解集离散化得到对应离散优化问题的最优解集.将此策略应用在传统多目标遗传算法NSGA-Ⅱ(Non-dominate Sort Genetic AlgorithmⅡ)的遗传算子中得到了离散交叉算子和离散变异算子,使得算法能够真正在离散空间中搜索寻优,并得到了一种基于就近取值策略的离散多目标优化算法(Dispersed Non-dominate Sort Genetic AlgorithmⅡ,DIS-NSGA-Ⅱ).在理论上本方法相比传统方法,对解决离散优化问题更合理,优化结果更精确,有较大优势.最后,通过实验对比现有两种最典型的离散变量处理方法验证了DIS-NSGA-Ⅱ对解决离散变量优化问题的有效性.     

一类薄壁变截面刚架对称临界载荷稳定问题优化算法

目的研究一类对称载荷下的单跨刚架临界载荷优化算法,探讨薄壁变截面刚架临界载荷的数值计算方法,以弥补解析解求解困难的缺陷.方法通过刚架结构拆分,运用差分方法将平衡状态下非线性微分方程离散化.以每段钢架的每个离散点挠度、柱脚弯矩和临界荷载为设计变量,构造包括未知临界载荷的目标函数,基于Fortran-PowerStation集成开发环境,编写无约束优化算法程序,通过等截面与变截面梁刚架具体算例进行验证.结果优化结果满足规定精度,证实了算法的适应性.结论算法考虑工程中变截面薄壁刚架结构稳定性问题,具备很好的实用性,可为工程结构临界载荷求解提供新的思路.     

基于组合算法的碟形水下滑翔机结构稳健优化

为提高圆碟形水下滑翔机耐压结构优化设计方案的可靠性,引入稳健性设计方法进行优化设计.首先,采用拉丁超立方方法进行试验设计,建立了预测圆碟形耐压结构性能的径向基神经网络模型;采用存档微遗传算法(AMGA)和Hooke-jeeves组合优化算法,给出了耐压壳体结构多目标优化方案;然后,应用蒙特卡罗描述性抽样方法对确定性优化结果进行了可靠性分析;在此基础上,考虑工业制造过程中不确定性因素,进行耐压结构稳健性优化求解.优化结果表明:结构质量减少了20.03%,轻量化效果明显;各设计变量和优化目标的可靠度均达到100%,优化结果具有较好的稳健性.     

模糊遗传算法在机器调动问题运用

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题.由于调度问题中绝大多数属于NP难类问题,不存在有效的最优求解算法.针对用智能优化算法-遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题,设计了一种模糊算法以便自动确定交叉率和变异率.通过数值实验,嵌入模糊规则的遗传算法比简单的遗传算法要好,说明在实际生产中,此算法具有强大的发展前途.     

一类模糊运输问题及其混合智能算法

研究了一类更加贴近于现实生活的模糊环境下的运输问题,即需求量和供应量均为模糊变量的运输问题．并借鉴针对模糊环境中的优化问题提出的机会约束规划模型和相关机会规划模型的思想,建立了模糊运输问题的数学模型．此外,考虑到模型涉及大量具有复杂性和多样性的模糊变量,设计了一种混合智能算法,即基于模糊模拟的遗传算法来求解模型的近似最优解．最后,数值例子表明算法的有效性和可行性．     

一种改进的组合形算法—FMDCP寻优方法

FMDCP寻优方法是一种新的组合形算法,它通过加权形心来构造反射方向,采用单调性分析确定基点,并利用变步长一维离散搜索法,以及组合形反射扩张重构等功能,证明效率较高,是混合离散变量优化问题的一种实用有效的新方法。     

基于模糊粗糙集理论的模具数控切削参数优化

在分析模具数控切削加工特点的基础上,提出了切削参数的优化模型．根据实际加工中积累的数据,构造了切削参数与其影响因素的决策表,并对决策表中的属性值进行分析和处理,将语义型属性值转化为离散值,区间属性值转化为模糊区间数．提出了基于模糊相似关系的粗糙集理论规则学习算法,并将其用于优化变量约束范围的规则提取,给出了在一定表面粗糙度范围内切削参数的约束范围．最后,应用遗传算法求解切削参数的最优值．     

遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法．探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法．该算法可处理受应力、位移约束的结构优化问题．数值计算实例表明该算法效率高，具有很强的适应性     

基于混合遗传算法的城市土地利用形态与交通结构的组合优化

以出行总时间最小为目标,建立了在一定土地及人口约束下的土地利用形态和交通结构的组合优化模型,在此基础上,针对传统算法的局限性,提出一种新的混合遗传算法.该算法融合了遗传算法、模拟退火算法和动态惩罚函数法的优势,并在求解过程中引入Gray编码和非均匀变异算子.计算实例表明,该算法能够克服传统遗传算法容易过早收敛以及传统模拟退火算法全局搜索能力不足的缺陷,具有较高的运算效率和求解质量.     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法。探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法，该算法可处理受应力，位移约束的结构优化问题，数值计算实例表明该算法效率高，具有很强的适应性。