基于RAMP模型的ICM连续体拓扑优化方法

基于RAMP插值函数和独立连续映射(ICM)法,提出了一个新的拓扑优化模型. 模型采用不同参数RAMP插值函数对单元体积和单元刚度阵进行过滤识别. 与SIMP插值函数下的ICM拓扑优化模型相比,仅一、二阶导数表达式不同,拓展了优化建模方法并保证了优化求解算法的一致性. 通过拓扑优化数值算例对不同模型参数下的拓扑优化结果进行了对比分析. 结果表明,该方法适用于连续体拓扑优化建模.     

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。     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

求解无约束全局优化问题的F—C函数法

结合全局优化问题的填充函数法和跨越函数法,定义了一个求解无约束全局优化问题的F—C函数．基于这个定义,提出了一个无参数的F—C函数．研究了所构造F-C函数的理论性质,并按照其理论性质设计了一个F—C函数算法．数值实验表明,所给的方法是有效的．     

基于遗传算法的模糊RBF神经网络设计及应用

提出了一种基于遗传算法的模糊RBF神经网络学习算法.采用遗传算法对模糊RBF神经网络需要调整的参数进行优化,再将遗传算法优化的各参数结果作为模糊RBF神经网络各个参数的初始值,并结合梯度下降法对网络的各参数进行动态调整.在对非线性函数逼近的仿真中,仿真结果验证了优化后的模糊RBF神经网络具有更高的精度及强鲁棒性.     

连续体结构拓扑优化的过滤变密度法

为了解决经典变密度法存在的灰度单元收敛过慢以及优化结果灰度单元过多问题,引入带灰度过滤函数的变密度法模型.根据过滤函数的性质,给出了2个带可调参数的过滤函数模型.通过经典MBB梁优化算例,比较过滤函数对灰度问题的改善效果,分析了参数对优化目标的影响并给出了合理的参数选择模式.计算结果表明了此方法的合理性和有效性.带灰度过滤函数的变密度法一方面使得优化结果具有较好的0—1清晰性;另一方面,过滤函数加快了灰度单元的收敛速度,从而减少了优化收敛所需的迭代次数.     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法。新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化。新算法不依赖于函数梯度信息,不需要手动调节网络结构。粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能。两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度。     

关于求解凹函数全局优化问题的最优控制方法

研究一类凹函数全局优化问题的求解方法.建立凹函数全局优化问题和相对应的最优控制问题之间的等价关系.利用Krotov沿拓法,构造辅助函数,解决了与原问题等价的的最优控制问题,并对目标函数做了一些推广.     

有约束连续全局优化问题的填充函数

求解全局优化问题的填充函数法的关键在于构造一个称为填充函数的辅助函数,给出了一类求解带约束的连续全局优化问题的填充函数,讨论了其填充性质.     

中值定理中逆推法构造辅助函数

介绍了一种基于罗尔定理用逆推法来构造辅助函数的方法,它是从结论出发,逆推而上,构造出辅助函数.     

多极值全局最优化问题的辅助函数法(英)

对于多极值全局最优化问题的目标函数构造了辅助函数并给出了基于辅助函数的下降算法、数值计算结果验证了该算法的有效性。     

跨越函数法:一类全局优化的新策略

提出了一类求解全局优化问题的新策略:跨越函数法.与以填充函数法为代表的一类全局优化方法相比,跨越函数法直接凸显了在求解全局优化问题时构造辅助函数的目的,并能仅通过一次迭代跨越函数值比当前局部极小值高的区域,而直接找到原函数f(x)的位于函数值比当前局部极小值低的区域中的局部极小点,通过有限次迭代,找到全局最优解.     

数控车削中切削用量的多目标优化

切削用量参数的选择与数控机床保质、高效地运行密切相关,而传统方法很难达到切削用量参数优化的目的．为最大限度地发挥数控机床的功效,通过应用优化设计中的惩罚函数法,综合考虑切削过程中的主要约束条件,建立多目标优化模型,进行切削用量中的切削速度、进给量的优化设计．实例表明,采用优化后的切削参数进行加工,能明显地降低成本,提高效率．     

无约束全局优化问题的两种新的辅助函数法

填充函数法、打洞函数法和平稳点函数法是目前比较常用的求解全局优化问题的辅助函数法。本文提出两种新的辅助函数法,用于求解一般非线性规划问题的全局最优解,它不仅结合了填充函数法和打洞函数法及其平稳点函数法的特点,同时又避免了它们的一些缺点（每次求解填充函数、打洞函数和平稳点函数的局部极小点以后,还需要重新求解原问题的局部极小点）,而新的辅助函数的局部极小点就是原问题的局部极小点,不需要再求原问题的局部极小点。     

一种求解带等式约束非线性规划问题全局最优解的方法

本文把罚函数法和一种求解无约束非线性规划问题的辅助函数法相结合,首先写出非线性规划问题的罚函数,从而把原问题转化成为一个无约束的非线性规划问题,然后再运用辅助函数法（GOM）来求解罚函数的全局最优解,从而求到原带等式约束的非线性规划问题的全局最优解．     

基于局部填充函数的混合优化算法的改进

填充函数算法是求解全局优化问题的常用算法,其应用效果依赖于如何合理地选择算法参数。为了方便地选择参数,该文提出了局部填充函数的概念,并讨论基于局部填充函数的混合优化算法的改进策略。对于给定的参数,混合优化算法寻找一个包含极小点的区域,使得所构造的函数在该区域上满足局部填充函数的定义,从而利用局部填充函数的性质简化寻优过程,减少优化过程中参数调整的次数和难度,提高算法的效率和稳定性。此外,针对填充函数算法研究中简单盆存在性问题,该文给出了一个实例,说明二次连续可微的函数在一定条件下其孤立极小点附近可以不存在简单盆。     

基于局部填充函数的混合优化算法的改进

填充函数算法是求解全局优化问题的常用算法,其应用效果依赖于如何合理地选择算法参数。为了方便地选择参数,该文提出了局部填充函数的概念,讨论了基于局部填充函数的混合优化算法的改进策略。对于给定的参数,混合优化算法寻找一个包含极小点的区域,使得所构造的函数在该区域上满足局部填充函数的定义,从而利用局部填充函数的性质简化寻优过程,减少优化过程中参数调整的次数和难度,提高算法的效率和稳定性。此外,针对填充函数算法研究中简单盆存在性问题,该文给出了一个实例,说明二次连续可微的函数在一定条件下其孤立极小点附近可以不存在简单盆。