基于动态组合优化的切换型离散系统最优控制

讨论了一类切换型混杂系统的最优控制问题.离散子系统切换次数固定且性能指标为二次型时,基于动态规划原理,将多级决策问题转化为易于求解的单级决策问题,得到切换离散系统最优控制的全局解析解.利用作为演化计算重要分支的遗传算法,对切换顺序和切换时刻进行全局搜索使性能指标达到极小,并给出具体求解步骤.最后用数字算例验证了该算法的有效性,仿真结果表明该算法可以解决一类切换线性系统的最优控制问题.     

一类切换系统的最优控制及其优化算法

在切换序列和切换次数未知的情况下,研究了一类切换系统的最优控制问题.首先,以切换系统为基础,通过构造嵌入系统,研究了嵌入系统的最优性条件和切换系统次优解的构造方法;其次,讨论了两个系统的关系,给出并证明了嵌入系统最优解是切换系统最优解的充分性条件;最后,根据充分性条件,构造了求解切换系统最优或次优解的优化算法.数值结果验证了算法的有效性.     

模糊动态罚函数遗传算法及其在钢筋混凝土梁优化设计中的应用

在遗传算法中,约束的处理一般采用罚函数法.罚函数有多种形式,通过对其进行分析研究,本文提出一种新的罚函数,即模糊动态罚函数;用模糊动态罚函数遗传算法对钢筋混凝土梁进行了离散变量优化设计.数值实验表明:由于模糊动态罚函数综合考虑了横向放宽约束和纵向加强约束,该方法能从纵向和横向,即时间和空间的组合领域进行搜索,从而有很好的全局搜索能力,并且搜索速度快,能够迅速收敛到约束最优解.     

一类太阳能储热器最优设计的极值搜索方法

受环境因素影响,太阳能集热系统的储热容器设计参数不易设定。针对储热参数最优化数学问题,本文以储热容积作为控制变量,结合太阳能储热过程的动力学数学模型的数值解与面向有效温度区间的离散化采样方法,建立了离散型凸函数(一类隐式函数)的映射关系,并采用线搜索数值优化工具对最佳储热容积变量进行动态搜索。结果表明,在保证有效温度区间前提下,太阳能集热器存在最优值,本文提出的极值搜索方法能够快速搜索到该最优值,是一种有效的工具。     

单管感应电能传输系统参数全局优化

针对单管感应电能传输系统参数优化中存在的设计参数约束少、参数非全局最优等问题,提出一种参数全局优化算法。将系统效率最高作为目标函数,以原副边电感、电容等关键器件的电压、电流大小为约束条件,将工作频率、原副边电感、电容作为优化变量,建立系统的非线性规划数学模型,采用智能优化算法进行模型解算。为避免算法收敛于局部最优,设计了"遗传算法+模式搜索"的混合算法,即在遗传算法求得最优解的基础上,采用模式搜索进行深度优化。仿真和实验结果表明,提出的方法能从全局角度对系统进行整体优化,单次优化得到所有最优参数,减少了工作量;求解时的混合优化算法具有较优的全局搜索能力,可用于其他约束优化问题。     

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。     

无线传感网络改进混合移动代理路由的研究

移动代理路由的本质是一个多约束条件下的优化问题,针对遗传算法快速随机的全局搜索能力,但对于系统中反馈信息却无法利用、求精确解效率低的问题,本文提出了一种遗传蚁群混合算法的WSN移动代理路由方法.利用遗传算法快速随机的全局搜索能力找到较优解,将较优解代换成蚁群算法的初始信息素,最后采用蚁群算法收敛速度的优点,找到移动代理路由全局最优解.仿真结果表明,该算法能在较短的时间找到最优移动代理路由,相对于其他的路由算法,减少了网络延时和平均能量消耗,提高了数据传输的速度和效率.     

一种基于跳出局部最优机制的自适应响应面方法

【目的】针对昂贵黑箱函数优化问题提出一种能够更好平衡局部搜索和全局搜索的响应面方法。【方法】对径向基函数响应面约束优化算法进行了改进,首先增加了判断陷入局部最优的机制,然后引入填充函数方法辅助选择新采样点,进而利用新采样点跳出局部最优。【结果】在37个公开的全局优化算法测试问题上的数值实验表明,本文提出的基于填充函数跳出局部最优机制的自适应响应面算法能够收敛到更好的近似全局最优解。【结论】基于填充函数方法的局部最优解跳出机制能够提升算法的全局搜索能力。     

含阀点效应最优潮流问题的改进原始蚁群算法解

基于原始蚁群的猎食行为提出一种新型的算法，称为改进原始蚁群算法，用于求解最优潮流问题。新算法只考虑离散变量，以降低计算时间，同时使用序列：二次规划法求解连续变量。通过运用曲线分段的方法，使改进算法能处理含大母约束条件的各种目标函数并有效地搜索全局最优解。通过IEEE-30节点系统的仿真计算验证了该算法的有效性。     

基于MMAS的机器人路径规划

文章针对移动机器人系统在复杂环境中搜索目标和寻求最短路径问题,介绍了一种基于MMAS的机器人路径规划新方法;在MMAS算法的信息素更新中,采用了最大-最小蚂蚁系统的思想动态调整信息素,加强了正反馈的效果,同时周游最优蚂蚁和全局最优蚂蚁路径信息的动态更新,在一定程度上增加了解的多样性,也提高了蚂蚁的搜索效率;在搜索过程中,采取随机搜索与重点搜索相结合的方式对路径进行搜索,有利于加快搜索较好的解,而动态调整各项参数后,陷入局部解的可能性大大减少,并且可以找到最优解;最后通过仿真证明了该算法的有效性.