多目标决策的广义既约梯度型新方法

本文将非线性规划的广义既约梯度法的思想与多目标决策的可行方向法相结合，得到了一类全局收敛的新的非标量化方法。该方法具有上述二种方法的优点。     

自适应协同优化方法研究

针对一致性约束条件造成协同优化方法计算困难的问题,研究提出了一种自适应协同优化方法.首先将设计变量空间划分为三类区域,分析了每个区域内一致性约束松弛量与系统可行域和学科一致性的关系,并在此基础上提出了三种一致性约束松弛量的确定方法.然后基于上述方法,给出了自适应协同优化的算法流程,对比分析了相对于标准协同优化算法流程的改进之处.最后采用自适应协同优化方法对两个典型MDO算例进行优化,证明了该方法具有较好的鲁棒性和收敛速度.     

随机均匀网格优化法在橡胶配方优化中的应用研究

对随机均匀网格优化法求解橡胶配方优化问题的原理进行了较详细的分析，给出了优化变量域的一种收缩方法和计算收敛准则．丁基橡胶配方优化实例表明，该算法既有较快的收敛性， 又能以较大概率求得全局（一致收敛）极值点．     

伪谱法求解非光滑最优控制问题的网格优化

伪谱法在求解非光滑最优控制问题时往往需要在迭代计算过程中进行网格优化,以提高对非光滑问 题的适应性。针对现有网格优化方法中分段点收敛至不光滑点速度较慢的问题,提出了分段点最佳化的思想,即 将分段点作为设计变量,根据误差曲线确定最佳分段点可能存在的区间,由求解器确定最佳的分段点位置,从而 提高分段点收敛至不光滑点的速度。算例表明,分段点最佳化的网格优化算法能较大程度地提高伪谱法对非光 滑最优控制问题的求解效率。     

基于改进PSO算法的多变量PID型神经网络控制

充分利用PID结构简单、稳定性强的良好性能以及神经网络的自学习和自适应的特长,引入粒子群优化(PSO)学习算法,设计一种多变量自适应PID型神经网络控制器。神经网络的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成,采用PSO学习算法优化神经网络参数。在深入研究分析PSO算法的基础上,引入变异因子和惯性权重自适应策略对该算法进行改进,既发挥了PSO算法随机优化收敛速度快的优点,又克服了该算法易陷入局部最优点的缺点,显著提高了控制系统的性能指标。最后,通过对二级倒立摆控制的仿真分析,证明该算法具有较强的鲁棒性。     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

分散鲁棒滤波器的设计

针对鲁棒滤波法计算量大和递推过程复杂的不足,通过等价推导,在线改变γf的值,设计了分散优化鲁棒滤波法,使得鲁棒滤波算法递推简单,避免了直接计算滤波增益阵,并减小了主滤波器计算负荷。将该算法应用于GPS/INS系统,仿真结果表明：该方法能在维持系统鲁棒性的同时又提高滤波精度,具有一定的工程实用价值。     

精选－优化辅助变量法对于闭环参数估计的收敛性

本文用连带微分方程（ＯＤＥ）方法分析了精选－优化辅助变量法对于闭环系统的参数估计的收敛特性，给出了收敛性的条件。这样就为用该辨识算法实现有效自适应控制系统设计提供了理论依据。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

控制系统最速响应鲁棒性设计

为了简化实际中控制系统鲁棒性的设计,提出一种有约束多目标最优化的鲁棒性时域设计方法。该法先对名义值系统进行设计,把自动驾驶仪的上升时间转化为目标函数,将系统超调量、稳态误差等性能指标转化为约束条件,采用有约束最优化方法设计名义值系统的控制器;然后考虑系统的鲁棒性,将参数的波动范围转化为对象族,采用优化方法设计出对象族的控制器,即考虑了系统的鲁棒性,通过仿真证明该算法是可行的。     

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。     

植物多向生长模拟算法

针对整数规划问题提出了一种以植物向光性为启发式准则的智能优化算法——植物多向生长模拟算法. 改进了植物生长激素的分配方式并将随机选择机制引入新枝生长方向的选择,更符合植物生长的自然机理. 利用马尔可夫链描述算法迭代过程,证明了算法的收敛性. 利用无约束和有约束两类具有多个全局最优解的非线性整数规划实例测试了植物多向生长模拟算法的性能,并与基本植物生长模拟算法、填充函数法、罚函数法以及基于遗传算法的混合算法进行了对比. 植物多向生长模拟算法不仅提高全局寻优能力,增加解的多样性和准确性而且提高收敛速度.     

双参数精确罚函数求解约束优化问题的拟牛顿算法

对于含约束不等式的最优化问题,给出了一种双参数罚函数形式和这种罚函数的精确罚定理,提出了一个求解这种罚函数无约束优化问题的拟牛顿算法,研究了它的收敛性,数值实验表明了该算法是可行的.     

基于模式搜索的类电磁算法求解约束优化问题

针对约束优化问题,提出了一种基于模式搜索的类电磁算法。引入了粒子的违反度函数,将约束优化问题转化为双目标无约束优化模型来求解;提出了双目标模型中粒子的电荷和受力的计算公式,引导不可行粒子转化为满足约束条件的粒子;为了提高算法的搜索能力,结合模式搜索算法改进种群中的粒子,为类电磁算法提供了有效的局部信息。与以往算法仿真结果相比,新算法具有性能好、较稳定的优点。     

基于序值与拥挤度的拟态物理学多目标算法

根据约束多目标优化问题的特点,在拟态物理学优化(aritificial physics optimization, APO)算法的基础上,将无约束多目标APO(multi objective APO, MOAPO)算法引入到约束多目标优化领域中。提出约束违反度的判断准则,并采取一种更为有效的约束处理技术,从而构造出一种解决约束多目标优化问题的基于序值与拥挤度的拟态物理学多目标优化(improved constrained rank multi objective aritificial physics optimization, ICRMOAPO)算法。在随机搜索过程中动态调整引力因子与惯性权重,增强了非劣解集的多样性。实验结果说明了该算法的有效性,通过与序值约束多目标APO(constrained rank multi objective APO, CRMOAPO)算法、非支配排序遗传(non dominated sorting genetic algorithm, NSGA)算法、多目标遗传(multi objective genetic algorithm, MOGA)算法的对比实验,表明了该算法具有较好的分布性能,为约束多目标优化问题的求解提供了一种新的思路与方法。     

Real coded genetic algorithm for stochastic hydrothermal generation scheduling

The intent of this paper is to schedule short-term hydrothermal system probabilistically considering stochastic operating cost curves for thermal power generation units and uncertainties in load demand and reservoir water inflows. Therefore, the stochastic multi-objective hydrothermal generation scheduling problem is formulated with explicit recognition of uncertainties in the system production cost coefficients and system load, which are treated as random variable. Fuzzy methodology has been exploited for solving a decision making problem involving multiplicity of objectives and selection criterion for best compromised solution. A real-coded genetic algorithm with arithmetic-average-bound-blend crossover and wavelet mutation operator is applied to solve short-term variable-head hydrothermal scheduling problem. Initial feasible solution has been obtained by implementing the random heuristic search. The search is performed within the operating generation limits. Equality constraints that satisfy the demand during each time interval are considered by introducing a slack thermal generating unit for each time interval. Whereas the equality constraint which satisfies the consumption of available water to its full extent for the whole scheduling period is considered by introducing slack hydro generating unit for a particular time interval. Operating limit violation by slack hydro and slack thermal generating unit is taken care using exterior penalty method. The effectiveness of the proposed method is demonstrated on two sample systems.     

Design of PID controller with incomplete derivation based on differential evolution algorithm

To determine the optimal or near optimal parameters of PID controller with incomplete derivation, a novel design method based on differential evolution （DE） algorithm is presented. The controller is called DE-PID controller. To overcome the disadvantages of the integral performance criteria in the frequency domain such as IAE, ISE, and ITSE, a new performance criterion in the time domain is proposed. The optimization procedures employing the DE algorithm to search the optimal or near optimal PID controller parameters of a control system are demonstrated in detail. Three typical control systems are chosen to test and evaluate the adaptation and robustness of the proposed DE-PID controller. The simulation results show that the proposed approach has superior features of easy implementation, stable convergence characteristic, and good computational efficiency. Compared with the ZN, GA, and ASA, the proposed design method is indeed more efficient and robust in improving the step response of a control system.     

雷达伺服系统多目标优化控制设计及仿真研究

提出一类新型非线性控制器和多目标优化控制系统大相角裕量设计法。应用这些结果对线性优化系统进行优化,可以获得性能指标比原系统好得多的多目标优化控制系统。给出用大相角裕量多目标优化设计法来设计雷达伺服系统的实例,计算机仿真校验其性能指标的结果表明,多目标优化系统的性能指标确比线性优化系统好。设计方法简单、通用、适用于工程设计。     

AN EFFICINT IMPLEMENTATION OF MERRILL''''S METHOD

ＡＮＥＦＦＩＣＩＮＴＩＭＰＬＥＭＥＮＴＡＴＩＯＮＯＦＭＥＲＲＩＬＬ＇ＳＭＥＴＨＯＤＹＡＮＧＢｉｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｎａｇｅｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙＨａｒｂｉｎ１５０００１）Ａｂ...     

A Superlinearly Convergent Combined PhaseⅠ-PhaseⅡ Subfeasible Method

ＡＳｕｐｅｒｌｉｎｅａｒｌｙＣｏｎｖｅｒｇｅｎｔＣｏｍｂｉｎｅｄＰｈａｓｅⅠ－ＰｈａｓｅⅡＳｕｂｆｅａｓｉｂｌｅＭｅｔｈｏｄＪＩＡＮＪｉｎｂａｏ（ＭａｔｈｅｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅＤｅｐａｒｔｍｅｎｔｏｆＧｕａｎｇｘｉＵ...