基于集成粒子群优化的复线旅客列车优化调度

列车优化调度是一个大规模、复杂的数学优化问题。在优化过程中，考虑了特快旅客列车中途离开时间、普快列车中途离开时间和特快、普快和货车等三种列车的整个运行时间等因素。提出将模拟退火优化方法嵌入粒子群优化算法中，以此构建集成粒子群优化算法．在搜索过程中还加入变异探作来增加种群多样性，以避免早熟收敛．通过对青岛至广东高速轨道线738公里段的研究表明，集成粒子群优化算法局部搜索能力有显著提高，且搜索到全局最优解的概率更大。     

陶瓷原料配比方案优化方法

从化学成分含量偏差最小化和化学成分、矿物成分、不足微米颗粒含量、胶体指数等含量偏差最小化两方面出发,以最小化绝对误差和相对误差的组合形式为优化目标,分别构建陶瓷坯料的化学配方和综合配方的优化模型,优化模型还可限制原料的使用种数。算例分析表明:优化方法可为陶瓷配方提出初步的优化方案。通过调整各种成分的优化权重或直接指定某些成分含量的限界,专业人员可借此更深入地优化陶瓷配方。     

加速混沌优化方法及其应用

对混沌优化算法进行改进，提高了混沌优化算法的效率，加速混沌优化算法利用混沌运动的性质，同时不断缩小变量的搜索空间，在混沌优化搜索过程中，以具有一定保证的当前最优解为中心，不断地缩小优化变量的搜索区间，调整细化参数，促使搜索能够更快，更有效地全局最优解收敛，仿真计算表明算法有效。     

凸优化方法及其在排队系统中的应用研究

理论上可以证明严格凸优化问题有惟一的全局最优解；应用中有快速的多项式时间算法求解这一全局最优解。因此对难于解决的排队系统性能指标优化问题，如负荷配置问题．可以利用排队系统的凸性应用凸优化方法求解。本文基于排队理论建立排队系统负荷配置的非线性优化模型，设计一种优化变量转换方法并经适当的约束务件合并将该模型转换为凸优化模型．并引入凸优化内点法作为负荷配置的有效计算工具。实例计算结果表明．基于排队理论的非线性凸优化模型．其优化结果能保证充分利用设备的生产能力及最低的在制品库存；同时凸优化内点算法具有迭代次数少、收敛速度快的优点；涉及排队系统中其他性能指标的优化问题，也可以采用类似的方法求其最优解。     

基于种群密度的粒子群优化算法

为提高粒子群优化算法的收敛性能,提出了基于种群密度的多子群粒子群优化算法。该算法把生态学中的协同进化思想引入到粒子群优化算法中,充分考虑了环境和子群间相互竞争的关系,通过多种群的Lotka-Volterra竞争方程,动态调整各粒子群的密度,从而提高了粒子的多样性,加快了算法的进化速度。实验仿真结果表明,与单种群的粒子群优化算法相比,该算法提高了收敛速度和收敛精度。     

基于混沌粒子群优化的系统级故障诊断策略优化

针对诊断设计优化过程中的关键问题--故障诊断策略优化,提出了基于混沌粒子群优化算法的系统级故障诊断策略优化方法。该算法利用混沌优化不重复遍历系统所有状态的特点,引导粒子在全局范围内搜索,从而克服了粒子群算法“早熟”收敛的缺点。这使算法不仅具有较快的收敛速度,又保证了获得的最优解的可靠性,为获得有效的系统级故障诊断策略提供了可行的方法。最后,给出了该算法在诊断策略优化过程中的关键步骤,通过仿真证明了该算法对于系统级故障诊断策略优化的有效性。     

一种用于中药配方优化的DNA算法

提出了一种用于中药配方优化的DNA算法，该算法基于质粒DNA技术。首先将中药配方优化问题转化为求无向图的最大权团问题：选取6种具有抑制大肠杆菌生长功效的中药作为图的顶点，分别做抑菌试验，将它们的抑菌圈直径作为顶点的权。然后两两配对进行抑菌试验以确定它们在图中是否有边连接。这样构造了一个顶点赋权的无向图，这个图的最大权团具有最大的抑菌效力，也是这些中药的最佳配伍。求图的最大权团是一个典型的NP．完全问题，而DNA计算具有求解该问题的能力。该方法的提出探讨了DNA计算实用的可能性。     

一种自适应粒子群优化算法及其仿真研究

分析了粒子群优化(PSO)算法易于发生早熟收敛的原因。在此基础上提出的自适应粒子群优化(APSO)算法根据群体早熟收敛程度和个体适应值自适应地调整粒子的惯性权重,使群体在进化过程中始终保持惯性权重的多样性,在算法的全局收敛性和收敛速度之间做了一个很好的折衷。对两个经典函数仿真的结果表明APSO算法能够有效地避免PSO算法的早熟收敛问题,而且具有较快的收敛速度。     

基于优化BP算法的精馏塔预测模型

针对建立精馏塔严格动态机理模型的复杂性以及机理模型应用的诸多不便，提出了一种综合共轭梯度和自适应变步长的优化ＢＰ算法，并利用该优化ＢＰ算法建立了精馏塔的预测模型。仿真结果表明，该算法不仅收敛速度快，学习精度高，而且有效避免了常规ＢＰ算法的局部极小值问题。     

交通网络设计的优化模型及算法

通过对交通网络设计的问题及其研究现状的分析．对离散型交通网络设计问题进行了深入的研究。采用双层规划模型描述问题．其中上层规划模型是从交通规划者的角度出发．在建设资金受到约束的前提下．设计合适的路网结构．使得公路网中的交通出行能达到系统最优；而下层优化模型则是从路网使用者的角度出发．使交通出行达到用户最优，针对该双层规划模型．本文对上层模型使用SA算法求解．而下层模型则采用了基于路径搜索的GP算法进行求解．以此为基础设计了SA—GP算法对其进行求解。算例计算的结果表明．模型和算法都是有效的，求取的结果能显著改善路网的交通情况．而且上下层算法的收敛速度快，从而能为路网规划决策提供支持。     

约束优化问题的一个超线性收敛的广义梯度投影法

对线性约束的非线性优化问题提出了一个新的广义梯度投影法，该算法我们采用了非精确线性搜索，并在每次迭代运算中运用了广义投影矩阵和变尺度方法的思想确定其搜索方向。在通常的假设条件下，证明了算法的整体收敛性和超线性收敛速度。     

改进PSO算法及在PID参数整定中应用研究

针对粒子群优化算法(PSO)存在早熟和局部收敛的问题,提出了一种带变异算子的改进粒子群优化算法(IPSOM),该算法在搜索中以一定变异概率对选中的粒子进行变异,同时对飞离搜索区域的粒子用新产生的粒子取代,以克服粒子群优化算法易陷入局部最优解的缺陷。用一典型的Rastigrin复杂函数对新算法进行测试,结果表明改进的算法较之粒子群优化算法(PSO)和常规遗传算法(SGA)不但提高了全局寻优能力,而且有效避免了早熟收敛问题。在此基础上将这种改进算法应用于高阶带时滞对象的PID控制器设计中进行仿真研究,结果表明了所提出算法的有效性和所设计控制器的优越性。     

模拟退火算法的一种参数设定方法研究

模拟退火算法在有限计算量条件下的收敛性能对自身参数有很大的依赖性,这使得参数设定问题成了算法应用过程中的一个关键环节。考虑到模拟退火算法本身的随机性,将其参数设定问题描述为随机优化问题,提出一种系统可靠地解决该问题的混合优化算法,即基于序的巢分区算法,该算法继承了序优化算法的快速收敛性及巢分区算法的全局搜索特性,能够有效解决复杂的随机组合优化问题。以典型旅行商问题为算例的仿真结果检验了方法的高效性与可靠性。     

多目标进化计算收敛到Pareto最优解集的证明

多目标优化方法经历了一个从确定性搜索算法到随机搜索算法的过程 ,本质上仍是单目标优化的目标组合方法到真正意义上的向量优化方法的过程 ,至今仍在不断地发展中 ,但仍有大量未解决的问题。对多目标进化计算的研究是近年来求解多目标优化问题的重点 ,但目前仍未能证明多目标进化计算的收敛性 ,同时 ,单目标进化计算的收敛性结论不一定能推广到多目标的情况。对该问题进行了探讨 ,提出并证明了三个定理 ,并且算例说明了该理论的正确性。     

基于新最速下降算法的自适应波束形成

针对阵列信号处理中自适应波束形成技术的抗干扰问题, 提出一种基于新的最速下降法的波束形成算法。新的最速下降法将多元二次凸优化问题转换为一元二次问题, 通过循环迭代的方式使求出的极值点向高维凸优化问题的极值点逼近, 最终使结果收敛到最优解。将这种算法应用于自适应波束形成, 提高自适应波束形成的收敛速度、抗干扰能力和低快拍下工作的能力。经过仿真验证, 与基于最小均方算法以及改进最小均方算法的波束形成方法进行比较, 所提出的波束形成算法具有抗强干扰、收敛速度快、能在低快拍条件下工作的优点。     

基于对角隐式Runge-Kutta公式的无约束优化方法

通过把一个无约束优化问题转化为一个等价的常微分方程,利用二阶半对角隐式Runge Kutta公式构造了求解无约束优化问题的LRKOPT算法。LRKOPT算法具有与IMPBOT方法相似的数值特性,但LRKOPT算法可以看成是最速下降方向与牛顿法方向的非线性组合,而IMPBOT方法为它们两者之间的线性组合。在目标函数为一致凸函数的假设条件下,证明了LRKOPT方法的具有全局收敛和局部超线性收敛性。数值结果表明LRKOPT方法具有很好的数值稳定性并且LRKOPT方法的计算效率优于IMPBOT方法。     

摩擦式电磁离合器的多学科设计优化

摩擦式电磁离合器优化设计涉及的学科多,计算时间长,容易造成逻辑混乱问题,而传统串行优化算法割裂了学科间耦合关系难以得到全局最优解,因此引入了多学科设计优化方法。为了解决协同优化方法(CO法)不容易收敛的问题,提出了CO与同时分析和设计方法(SAND法)结合的二级多学科优化算法,给出了算法架构和计算流程。最后,对产品实例的结构参数进行优化得到了Pareto解,实现了多个优化目标。结果表明,该优化算法有效地减少了计算时间,增强了CO算法的收敛性能。     

A new descent memory gradient method and its global convergence

In this article, a new descent memory gradient method without restarts is proposed for solving large scale unconstrained optimization problems. The method has the following attractive properties: 1) The search direction is always a sufficiently descent direction at every iteration without the line search used; 2) The search direction always satisfies the angle property, which is independent of the convexity of the objective function. Under mild conditions, the authors prove that the proposed method has global convergence, and its convergence rate is also investigated. The numerical results show that the new descent memory method is efficient for the given test problems.     

一种T-S模糊系统建模方法

T-S模糊系统被广泛应用于基于数据的建模应用中。模糊规则作为系统的核心,是影响系统性能的重要因素。在分析常见模糊系统建模方法的基础上,提出一种简单有效的建模方法。该算法基于变结构模糊建模思想,均匀选择模型的初始结构,以绝对误差为建模指标,通过增加模糊规则来提高T-S模糊系统的精度。为降低规则参数辨识的计算量,提高建模速度,将规则参数分为线性和非线性两部分,分别采用不同方法进行辨识。实例证明文中所提出的建模方法规则分布合理,收敛速度快,建模精度高,具有很好的实际应用价值。     

双混沌神经网络及其在优化问题中的应用

分析了三种现有的混沌神经网络模型的优化性能,针对目前混沌神经网络收敛率不高和搜索时间较长的问题提出了一种双混沌神经网络。它不同于以往的混沌神经网络改进方法,不是延长退火时间或改变混沌程度来提高网络性能,而是通过混沌迭代搜索使混沌神经网络在有限步内找到全局最优解的初值来提高收敛率与收敛速度。这种方法能使混沌神经网络在应用中具有更好的全局优化能力,并且可以缩短混沌神经网络的搜索时间,对旅行商问题求解的仿真对比和函数优化问题的仿真,说明了新方法比现有方法具有更好的收敛率和更短的搜索时间。