单目标-单约束3-状态设备网络的可靠性优化

研究单目标-单约束3-状态串-并联设备网络系统可靠性模型的最优解问题.根据模型的特点,设计了一个基于轮盘赌策略的遗传优化算法对模型进行求解,并以实例对模型进行计算机仿真.结果表明,遗传算法能有效地给出模型的最优解.     

库存-运输联合决策优化模型及算法设计

针对外部供货存在提前期的情况,构建一个配送中心-多客户库存和运输决策优化模型.根据模型特点,通过分解-迭代思路来分解模型,并利用模拟退火算法思想设计主算法.算例结果显示,近似最优解与精确最优解接近,且优化后的车辆运输效率得到了较大提高.这些结果可为此类结构物流系统运作决策研究提供理论参考.     

应用最小费用流求解活动网络时间-费用模型

提出了利用最小费用流原理求解时间-费用优化模型的方法.应用对偶理论将费用-优化模型转换为适用于状态算法求解的最小费用流问题,采用互补松弛定理和状态算法推出了由对偶问题最优解求出原问题最优解的等式,以一个实例说明了利用上述方法求解时间-费用优化模型最优解的步骤.所提出的求解时间-费用优化模型的算法,提高了求解问题的效率,可用于大型工程网络的费用优化.     

三-状态相异元件并联的S-P网络可靠性优化微粒群算法

研究三-状态具有不同元件并联构成的串-并联(简称S-P)网络的可靠性优化问题.利用Matlab做计算工具,用微粒群算法对问题的实例进行模拟仿真.结果表明:在通常的初始解条件下,微粒群算法每次运行都能收敛,并且能够给出系统的最优解;与模拟退火算法、蚁群算法和遗传算法相比较,微粒群算法可以更方便、高效地给出系统的最优解.     

相异元件并联的可靠性优化模型

研究了具有不同类型元件并联的串-并联网络可靠性优化模型的求解问题.依据构造的可靠性网络图,选择合适的状态转移规则和信息素更新规则,构造了一个求解3-状态设备具有不同类型元件并联的串-并联网络单目标-单约束可靠性优化问题的蚁群算法框架.合理设置算法参数并进行模拟仿真,结果表明,对给定的问题实例,算法都能有效地给出模型的最优解.     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.     

移动边缘计算中分布式的设备发射功率优化算法

针对大规模移动边缘计算网络架构中的用户设备计算卸载时所需的通信和计算资源难以协同优化的问题,提出了一种基于马尔可夫近似的分布式发射功率优化算法。基于香农定理和链路传输特性,将用户功率最小化策略建模成组合优化模型,通过Log-Sum-Exp函数将目标模型转化为最小权重配置的近似问题;针对该近似问题,提出了马尔可夫状态跳转的规则和分布式的设备自调节机制以实现高效求解。实验结果表明:与随机优化算法相比,该算法的系统用户设备发射总功率优化效果提升了78.5%,在给定场景下,穷举搜索最优解的计算复杂度可达410,而该算法仅需要迭代优化130次即可逼近最优解,能够有效减少通信和计算时延,确保发射功率的调整结果快速向最优目标收敛。     

K2与模拟退火相结合的贝叶斯网络结构学习

针对基于模拟退火的贝叶斯网络结构学习算法由于模型扰动方式遍历模型空间的能力不足,往往不能获得全局最优网络结构的问题,将K2算法与模拟退火算法相结合,提出了一种改进的贝叶斯网络结构学习算法.算法通过随机交换当前节点序中2个节点的位置以产生新的节点序,再利用K2算法学习获得贝叶斯网络结构,作为模拟退火算法中的新状态,以达到提高模型全局扰动能力的目的.算法记录了在模拟退火过程中遇到过的最优网络结构,并在模拟退火过程结束后再利用爬山法对其作进一步优化.对Asia网的仿真学习结果表明:在样本量较为充足的情况下,所提算法能够获得近似全局最优的网络结构,具有较好的学习效果,但算法的效率略显不足.     

基于模拟退火算法的输电网中长期规划研究

模拟退火算法是一种解决组合优化问题的有效方法,其最终优化结果不依赖于初始解的选择,理论上可避免算法过早收敛于局部最小点,从而保证找到全局最优解或全局近似最优解．本文将模拟退火算法用于输电网中长期规划问题的研究,详细介绍了算法实现过程中各种参数的选择方法并给出了具体算例．试算结果表明利用该算法得到的优化结果是令人满意的．     

路径长度受限的随机需求VRP的两阶段模拟退火方法

路径长度受限的随机需求下的车辆路径问题(PSVRP)是一种普遍存在而求解困难的运筹学问题.在满足路径长度限制、只允许服务失败一次和不允许部分服务的策略下设计了一个两阶段模拟退火算法,根据模拟退火的理论容易知道算法求到的近似最优解是以概率1收敛的.对随机生成的中等规模和大规模问题做了数值试验,试验结果表明该算法有效.     

Combinatorial Optimization Based Analog Circuit Fault Diagnosis with Back Propagation Neural Network

Electronic components＇ reliability has become the key of the complex system mission execution. Analog circuit is an important part of electronic components. Its fault diagnosis is far more challenging than that of digital circuit. Simulations and applications have shown that the methods based on BP neural network are effective in analog circuit fault diagnosis. Aiming at the tolerance of analog circuit,a combinatorial optimization diagnosis scheme was proposed with back propagation（ BP） neural network（ BPNN）.The main contributions of this scheme included two parts：（ 1） the random tolerance samples were added into the nominal training samples to establish new training samples,which were used to train the BP neural network based diagnosis model;（ 2） the initial weights of the BP neural network were optimized by genetic algorithm（ GA） to avoid local minima,and the BP neural network was tuned with Levenberg-Marquardt algorithm（ LMA） in the local solution space to look for the optimum solution or approximate optimal solutions. The experimental results show preliminarily that the scheme substantially improves the whole learning process approximation and generalization ability,and effectively promotes analog circuit fault diagnosis performance based on BPNN.     

基于连通可靠性的城市道路交通离散网络设计问题

研究基于网络结构的城市道路可靠性对于保障大型灾害或事故后道路的连通有着重要的意义。通过合理设计网络结构可以有效降低这种灾害或事故对道路网络造成的严重影响。连通可靠性是研究网络结构的有效指标，这里将其作为系统的优化目标建立了基于连通可靠性的城市道路交通网络设计模型，并运用分支定界法对其求解。通过大型算例验证了所建模型的合理性和求解算法的有效性。     

基于启发式搜索和背包算法的分布式排样系统

针对理论上属于NP完全问题的二维矩形件优化排样问题,构建了一个排样效率高、计算速度快和排样效果好的一种近似算法.并结合计算机网络的大量应用,将算法应用于分布式排样系统.算法的主要思想是采用启发式搜索和背包算法,使每次排样都达到局部最优,从而得到近似最优解.并与其它2种近似算法进行了比较,指出了它们的不足之处,还给出了一个排样实例.     

基于遗传算法的模糊优选神经网络路面性能评价模型

针对现有路面性能评价方法的不足,在模糊优选神经网络模型的基础上,引入遗传算法,建立了基于遗传算法的模糊优选神经网络的路面使用性能评价模型.该算法采用遗传算法优化神经网络权值,再用神经网络对遗传算法搜索到的近似最优解进行微调,并将模糊优选模型作为神经网络的激励函数,使模型具有明确的物理意义.应用该模型对沈大高速公路部分路段进行评价,与其他模型的对比分析表明:该方法在评价精度和效率方面取得了良好的效果,是一种实用的高速公路路面性能评价方法.     

热传导界面问题的一种神经网络算法

本文讨论了一种单隐层神经网络算法在数值求解热传导界面问题中的应用。该算法设定含有神经网络函数的近似解满足初边值条件和Dirichlet 界面条件,通过求解由原方程导出的关于神经网络权重的离散优化问题来训练近似解中的神经网络,以使近似解逼近真解。文中也给出了一种基于随机梯度法思想的类随机梯度法来求解相应的离散优化问题。数值算例验证了算法的有效性。     

基于元胞自动机的可修复网络系统可靠性评估模型

为了实时有效评估可修复网络系统的可靠性,克服枚举法的状态空间爆炸问题和马尔科夫过程分析只针对一种系统结构的缺陷,提出了一种基于元胞自 动机的网络系统可靠性评估模型?该模型从节点的内在失效概率和网络结构角度,建立元胞自动机的邻域和状态转移函数,提出可修复网络系统演化模型;在离散演化周期内,利用元胞自动机的传播特性算法定期检测系统的瞬时可靠性,累积得到可修复网络系统的近似稳态可靠性?该模型结合解析法和模拟法优点,得到与时间相关的可修复系统稳态可靠性?该算法分别与状态枚举法?蒙特卡罗法进行仿真对比,仿真结果表明,该方法可准确描述可修复网络系统的稳态可靠性,该方法也适用于其他大规模可修复系统可靠性评估?     

基于模糊最小生成树的通信网络架设模型

根据图论的要求和模糊集合的原理对现代城域通信网络进行优化,以连接距离最短、网络建设费用最少、网络可靠性最高为目标建立模型,并且保证网络连通性、辐射状运行等约束条件,得到通信网络架设规化的近似最优解.研究了网络建设中一些界限不分明的因素,建立了模糊最小生成树模型,它具有简单、实用、实时性强等特点,在现代城域网络建设中有很强的适用性.     

基于多智能体遗传算法的配电网节能降耗综合管理系统

针对目前企业配电网节能技术的不足,提出了一种基于多智能体遗传算法的配电网节能降耗综合管理系统.结合遗传算法(Genetic algorithm,GA)和多智能体系统(Multi-Agentsystem,MAS)技术构造了一种GA-MAS算法,每一个多智能体相当于遗传算法中一个个体,相邻的多智能体相互作用,并结合遗传算法的进化机理进行全局最优求解.提出了该系统各节能设备智能体结构模型和高压/低压多智能体系结构模型,运用GAMAS算法,得出各个节能设备的最佳调节力度,使节能设备以最小的调节代价获得最大的节能效益.具体算例仿真及工程实际应用表明本文提出的配电网节能降耗综合管理系统能使总有功网损降低,电容器投入总组数减少,实现节能设备的最佳调节,同时表明GA-MAS算法收敛速度较快.     

基于传递函数优化后BP神经网络对泥石流的危险性预测

泥石流危险性预测的可靠性是防治工程建设与减灾救灾相关工作部署的关键,基于Back Propagation神经网络的预测方法,是目前实现危险性等级划分的有效方法之一。利用BP神经网络算法的非线性逼近能力,挑选陇南白龙江小流域26条典型泥石流沟道,结合当地实际情况,选取泥石流危险性的8个主要因素为输入层神经元,以样本数据危险等级为输出神经元,在测试单、双层隐含层网络性能的基础上,提出9种工况组合的传递算法搭配方案,利用L-M算法搜索最优解或者近似最优解,总结传递算法对泥石流预测模型精度的影响及算法的选择顺序。实验结果显示,隐含层采用tansig函数,输出层采用logsig函数,其模型总体误差最小,模型的R训练集、R验证集较大与R测试集分别为0.983 61、0.709 17和0.960 52,准确率达到96.1%。由此可见,选择合适的传递函数可提高网络模型的精准度,能准确划分泥石流风险等级。