不可分动态离散系统的两级最优控制算法

讨论了不可分动态系统的最优控制问题 .提出了一种两级最优控制算法 .该算法首先把不可分问题转化为多目标最优控制问题 ,并用加权 Lagrangian公式产生非劣解 ,然后从非劣解集中挑出最优解 .建立了算法的理论基础 ,证明了算法的收敛性 .对两个例子的仿真结果表明算法是有效的 .     

An adaptive Lagrangian algorithm for optimal portfolio deleveraging with cross-impact

This paper considers the problem of optimal portfolio deleveraging, which is a crucial problem in finance. Taking the permanent and temporary price cross-impact into account, the authors establish a quadratic program with box constraints and a singly quadratic constraint. Under some assumptions, the authors give an optimal trading priority and show that the optimal solution must be achieved when the quadratic constraint is active. Further, the authors propose an adaptive Lagrangian algorithm for the model, where a piecewise quadratic root-finding method is used to find the Lagrangian multiplier. The convergence of the algorithm is established. The authors also present some numerical results, which show the usefulness of the algorithm and validate the optimal trading priority.     

基于支持矢量机和循环累积量的调制识别算法

利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征矢量,采用支持矢量机将分类特征矢量映射到高维空间并构建最优分类超平面,实现对QAM调制信号的自动识别。该算法解决了样本在低维空间中的不可分问题,具有良好的泛化推广性能,并且可在多种调制信号环境下实现对感兴趣信号类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。     

基于Hopfield网络的不可分稳态大系统递阶优化控制

研究了整体目标函数关于各子系统具有不可加形式的大系统稳态优化控制问题 ,针对利用多目标优化技术把不可分问题转化为可分问题时采用的迭代策略使得计算较慢的问题 ,提出了具有递阶结构的基于 IPM的 Hopfield优化网络 ,并证明了该网络是渐进稳定的 ,其平衡点为原问题的最优点 .仿真表明 ,这是解决不可分稳态大系统优化问题的有效途径.     

基于加权支持向量回归的在线训练算法及应用

针对时变系统的在线辨识问题,提出了一种加权支持向量回归方法,根据时间信息给予历史数据不同的加权,实现了精确在线训练算法,在保持精度的同时避免了采集到新样本时重复训练,大大加快了训练速度。研究了该算法的复杂度并加以改进。将该方法应用于氯气投加系统过程模型的在线辨识,在训练速度和精度上都较为满意,这一结果说明了该算法的有效性。     

求解带约束函数优化的两级自适应遗传算法

针对带约束的非线性函数优化问题 ,提出一个两级自适应遗传算法。根据待优化函数和约束构造拉格朗日对偶函数 ,在下级对给定的拉格朗日乘子 ,用遗传算法搜索变量的最优解 ;在上级针对拉格朗日对偶函数 ,用遗传算法搜索拉格朗日乘子的最优解。采用自适应的方法 ,根据个体的适配值和种群的适配值统计特性确定交叉概率和变异概率。计算结果表明 ,该算法是有效的。     

On-Line Tuning Scheme for the Generalized Predictive Controller via Simulation Optimization

1 .INTRODUCTIONModelpredictivecontrol(MPC)isacomputercontrolalgorithmthatsolvesanon lineoptimizationproblemateachsamplinginstant.Overthepastmorethan 2 0years,thepopularityofMPCforindustrialprocesscontrolapplicationshasbeenincreasingcontinuouslywiththeeffectivenessimprovementofvariousad vancedcontroltechnologieshavingbeendemonstratedinindustrialapplications[1 ,2 ] .Oneofthemainrea sonsforthesuccessofMPCintheindustrialprocessisitsabilitytoobtainagoodperformancestartingfromratherintuitive…     

用遗传算法求解最优同时镇定控制器

研究了用改进的遗传算法求解同时镇定一族线性定常系统的最优状态 /输出反馈控制律问题。引入了通常的二次型指标作为每一个系统的性能指标。在满足稳定性的条件下 ,通过最小化每个系统性能指标的加权函数值来求得最优同时镇定律。提出了一种求解该优化问题的改进遗传算法。计算结果说明了该方法的有效性。     

三站无源定位系统数据关联算法

全局最优量测数据关联算法是无源定位技术中的关键问题。针对三站无源定位系统全局最优数据关联的三维（3-D）分配问题，提出一种新的直接求解算法——启发式消元算法。该算法通过直接对代价矩阵的元素进行启发式消元，得到分配问题的最优解。给出算法相关原理的分析和证明以及算法的具体步骤。并将其应用于三部光电被动传感器多目标无源定位系统两级数据关联算法的第二级关联过程中。对启发式消元算法和求解3一D分配问题的近似最优求解算法——拉格朗日松弛算法的算法复杂性进行了分析对比。理论分析和仿真实验均表明，该算法较适合与两级关联算法联合使用。与拉格朗日松弛算法相比。该算法计算量小。便于实现。是一种新的、有效的全局最优数据关联算法。     

基于拉格朗日松弛的预约调度模型与算法

针对带有爽约的预约调度问题,在假定未爽约病人都在相应预约段的起始点准时到达的情况下,构建了一个以预约人数为优化变量的整数规划模型.目标函数包括服务病人收益、病人等待费用及系统超时费用.通过松弛各时间段剩余人数概率的关联约束,提出了基于拉格朗日松弛的求解算法,其松弛问题通过动态规划求解,对偶问题通过经典的次梯度法求解.数值实验表明,针对小规模的预约段数,该算法都能找到最优解;当预约段数较大时,算法找到的最好解整体上优于文献中已有的算法,从而验证了算法的有效性.     

Method for Risky Multiobjective Group Decision-Making and Its Application

The multiobjective group decision-making problem under risk is common in reality. This paper focuses on the study about risky multiobjective group decision-making problem where the index value is not certain. We give indexes classifying method and index normalizing formula of this type problem. By building objective function that minimizes general weighted distance from every alternative to the relatively best and worst alternative, the optimal membership degree of every decision-maker to every alternative can be obtained, and by building another objective function that minimizes general weighted distance from the optimal membership degree of every decision-maker to every alternative to the group optimal alternative and the group inferior alternative, the optimal membership degree of every decision-maker to every alternative can be obtained, which are both based on probability theory and fuzzy theory. Aftermost a model is established which collects group preferences. This method provides a new idea and     

基于粒子群算法的开关系统最优控制问题的数值算法

针对开关系统,给出了数学模型并引出了其最优控制问题,提出开关系统最优控制问题的加权粒子群算法,给出了相关的推理过程及算法步骤。加权粒子群算法不必找出支付泛函关于时间的显式表达,就可以找到其最优解,同样适用于其子系统为非线性的情形。分析了粒子群算法快速全局优化的特点,说明该算法能找到优化问题的全局最优解。以开关动态系统和一般开关线性二次问题的数值算例验证了该方法的有效性。     

基于LWSVR的繁忙机场航班滑出时间预测

针对繁忙机场航班滑出时间预测准确率低的问题,结合局部回归和加权支持向量回归,提出基于局部加权支持向量回归的离港航班滑出时间预测模型。该模型采用K最近邻方法,减小训练样本集容量,并为每个预测样本构建一个预测模型。通过计算训练样本与预测样本间的马氏距离,来优化加权支持向量回归中高斯核加权函数的带宽参数,获得加权系数。结合某机场离港航班数据仿真分析,实验结果表明模型在误差允许范围内的预测准确率达到83.33%,模型更加稳定。     

离散Markov跳变线性系统最优控制

针对离散Markov跳变系统,研究其最优控制问题。首先确立一个二次型代价函数,然后运用随机贝尔曼动态规划法,结合Markov跳变系统特性求解贝尔曼方程,获得了完全状态信息情形下Markov跳变系统的最优控制器和黎卡提差分方程;进而将其推广到不完全状态信息情形,利用观测向量获得状态的后验概率密度函数,推导了最优控制器的解析结构和相应的求解算法;最后通过数值仿真验证了所得控制器的有效性。     

铜闪速熔炼配料过程建模与智能优化方法研究

针对铜闪速熔炼配料过程人工计算配比的主观性和局限性,基于配比影响因素分析,建立综合考虑品位、成本、库存的配料优化模型;引入"软约束"调整模型的约束边界,改善优化问题求解的可行性;并提出以单变量编码的交叉变异来确定整体决策向量的改进遗传算法进行寻优,以克服多维变量编码时可能导致搜索空间剧增的缺陷.最后结合工业运行数据进行配比优化计算,优化结果表明该方法在满足熔炼工艺要求基础上,能有效降低杂质含量和生产成本.     

基于多准则交互膜进化算法的UAV三维航迹规划

针对智能优化算法在无人机(unmanned aerial vehicle, UAV)三维航迹优化中搜索复杂度较高、容易陷入局部最优的问题,提出一种基于嵌套式细胞膜结构的多准则交互式多目标进化算法。以建立的多目标航迹评价模型来克服航迹评价加权求和的不足;同时在应用降维离散缩减寻优空间的基础上,采用萤火虫算法和人工蜂群算法作为不同膜内优化准则,利用膜系统计算的并行性和膜内信息交互优势提高算法性能;并对膜内进化规则进行非支配排序、搜索加权等改进,实现了UAV三维多目标航迹寻优。仿真实验表明,所提方法在有无威胁两种环境下均能快速搜索到不同侧重目标的相对最优航迹,证明了该方法的有效性。     

基于ALPSO算法的低轨卫星小推力离轨最优控制方法

低轨卫星在到寿后,需要在一定时间内离轨,而轨道高度高于800 km的卫星难以在自然条件下离轨。为了使卫星在规定时间内离轨,提出一种基于增广拉格朗日粒子群优化(augmented Lagrangian particle swarm optimization, ALPSO)算法的低轨卫星小推力离轨最优控制算法。首先依据小推力的特点列出摄动方程,并利用哈密尔顿方程求出带协状态参数的最优控制率。而后分别阐述了粒子群算法和增广拉格朗日方法,并据此得出了算法流程。最后与遗传算法的优化结果进行对比。结果表明, ALPSO算法迭代次数较少,收敛精度较高,降低轨道高度的第一种处置轨道适用于轨道高度821 km的卫星离轨,离轨时间为857天。该算法可用于低轨卫星小推力离轨问题的求解。     

基于最小方差的动态综合评价方法及应用

利用时序加权平均(time order weight averaging operator, TOWA)算子和时序几何平均(time order weighted geometric averaging operator, TOWGA)算子对时序立体数据进行降维处理,并给出了确定时间权重的最小方差法。在事先给定的时间度的情况下,尽可能地寻找一组最稳定的时间权重系数来集结样本值,即寻找一组时间权重系数使其波动最小。最后,运用该方法进行了算例分析,并且将算例结果与熵值规划法进行了比较分析,验证了方法的有效性,总结了最小方差法的特点。     

Adjustable entropy function method for support vector machine

Based on KKT complementary condition in optimization theory, an unconstrained non-differential optimization model for support vector machine is proposed. An adjustable entropy function method is given to deal with the proposed optimization problem and the Newton algorithm is used to figure out the optimal solution. The proposed method can find an optimal solution with a relatively small parameter p, which avoids the numerical overflow in the traditional entropy function methods. It is a new approach to solve support vector machine. The theoretical analysis and experimental results illustrate the feasibility and efficiency of the proposed algorithm.     

异构组播网络中效用最大化的速率控制算法

针对单播和多速率组播共存网络中资源最优分配问题，本文以用户效用最大化为目标，考虑组播异构性，将单播和组播任务纳入统一的凸规划模型研究，并应用惩罚函数法推导出一种启发式速率控制算法。仿真结果表明该算法能保证单播与多速率组播公平共享网络资源，算法选择不同的效用函数可使资源分配满足不同的公平性准则，资源利用获得不同的效率。