基于代理模型的翼型多目标集成优化设计

针对翼型优化中直接使用计算流体力学方法计算量大的问题,提出了一种基于代理模型的翼型多目标优化设计方法.使用形函数线性扰动法描述翼型外形,求解N-S方程获得翼型气动参数.采用Pareto多目标遗传算法进行优化,使用代理模型降低计算量,通过优化集成,实现优化过程自动化以提高设计效率.算例结果表明,本方法能有效降低计算成本,缩短设计周期,提高设计质量,具有一定实用价值.     

基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

一种基于小采样周期的机动目标模型

通过对"当前"统计模型和常加速模型的分析研究,提出了一种基于小采样周期的机动目标模型。该模型通过构造一个函数来自适应调整常加速模型的过程噪声协方差矩阵。当采样周期T较小时,具有与"当前"统计模型相当甚至更高的跟踪精度和较小的计算量。理论分析和仿真结果表明该模型的有效性。     

求解多目标运输问题的一种目标协调优化方法

针对多目标运输问题往往存在各目标间协调性差或冲突发生的现象,提出一种求解多目标运输问题的目标协调优化方法.以各目标做出一定的让步为切入点,通过寻求最小让步对各个目标进行协调,将多目标运输问题简化为单目标的线性规划模型.引入让步解、满意解等概念,给出了方法的求解步骤.最后,以实例验证了方法的有效性.     

一主多从非光滑多目标优化方法

研究一主多从非光滑多目标优化问题,分别就从者间决策为无关联和有关联两种情形,给出相应的求解方法及有关性质。     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

冲压发动机导弹弹道多目标优化

冲压发动机导弹弹道设计优化与固体火箭发动机导弹弹道优化不同,主要体现在其弹道与冲压发动机推力的强藕合性上.多目标遗传算法是多目标优化的强有力工具,它可以有效的找到Pareto前端,设计人员可以从中选择满意的最佳方案.建立了带冲压发动机导弹优化需要的数学模型,并采用改进的非劣分类遗传算法(Nondominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)对冲压发动机导弹弹道进行多目标优化,结果表明弹道与冲压发动机推力进行一体化优化可以显著的提高弹道性能.     

基于图模型自主优化的多无人机多目标攻击

为在多无人作战飞机(unmanned combat aerial vehicle, UCAV)执行多目标攻击中适时确立决策优化的方向、改变任务优化所需的基本条件,采用图模型中的动态贝叶斯网络(dynamic Bayesian network, DBN)构建了空天威胁体感知模型,提出了基于图模型自主优化系统的分层架构和多UCAV自主协同规划方法。该方法利用数据融合形成的DBN状态转移网络及观测转移网络参数的变化表现复杂空天环境的变化,并充分利用DBN的学习和推理算法,实现了对威胁体的在线动态感知,达到了按照确定原则完成UCAV攻击目标重新分配与航迹协同等任务的目的。仿真结果表明了这种自主优化规划方法的正确性和可行性。     

基于多保真度代理模型的装备系统参数估计方法

系统参数估计是武器装备系统设计研制中的关键一环.针对复杂系统设计中逐渐突显的系统复杂性激增、需求动态性变化、响应的快速性、缺乏高精度数据等问题,提出一种基于多保真度代理模型的单装备系统参数估计方法.首先,该方法基于传统Kriging模型对低保真度数据建立代理模型.然后,将该模型作为全局趋势模型,插入高保真度数据建立多保...     

基于多目标模糊优化模型的奇台县种植业结构优化配置

运用多目标模糊优化模型,对新疆奇台县农业种植结构优化配置进行了探讨。结果表明,要使其农业综合效益最大,必须要调整农业种植结构和减少农作物种植面积。在现有农业供水量不足的情况下,小麦、大麦面积需要逐渐减少,而玉米及经济作物（油料、甜菜）的面积应适当增加。相对2005年,在P=50%的灌溉用水的保证率下,2010年小麦、大麦种植面积应分别减少14.9%、19.2%,而玉米、油料、甜菜则应分别增长4.7%、23.4%、75.7%;到2015年,前两者需减少15.0%和20.6%,后3者增加2.6%、23.1%、75.0%。同时,在这两个时间段农田总面积将减少1 580 hm2、1 935 hm2,使农作物种植面积和水量实现最优分配。     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。     

一种适于多目标稳态优化决策的伪权向量方法

伪权向量法是解决多目标决策问题的一种常见方法,但由于其决策函数中缺少对决策变量调整幅值的约束,易造成因决策变量(通常为控制回路的设定值)变动幅度过大而影响被控过程稳定性的后果,因而限制了该方法在过程控制系统稳态优化中的应用.对此,提出了一种适合于过程控制系统稳态优化的伪权向量多目标决策方法.该方法综合考虑了决策者偏好以及决策变量的变化情况,为控制系统的稳态优化提供了一种适合实际的决策方法.仿真结果验证了该方法的有效性和实用性.     

四维可视化多目标寻优方法及其在T型滤波器设计中的应用

针对多目标优化设计中存在寻优空间小、计算难度大等问题,提出4雏可视化寻优方法,将颜色作为第4变量引入3维坐标系中,分别用三维坐标表示待求自变量,用三维空间诸点的颜色表示目标函数的值.视图中多个切片的同色线集成为空间等值域,获得清晰的4维显性可视化效果,并据图中的交域颜色分布实现多目标寻优.以对逆变器的非对称无源T型低通滤波器进行优化设计为例对该方法进行了详细说明和论证,在扩大的寻优范围内,目标函数的分布状态清晰可见,有效地提高了优化解的稳定性.本方法表明:在寻优过程中应充分考虑目标函数对子变量的敏感性.提供了数学证明,介绍了使用本方法的设计准则,以及用于定量比对的实验数据.     

基于差分演化的改进多目标粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解多目标优化问题。算法通过对Pareto最优解集的差分演化来增加Pareto解集的多样挫;通过循环拥挤距离采控制归档集中非劣解的分布．提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘睹法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度...     

基于改进多目标粒子群算法的家庭用电时段优化

为解决家庭用电负荷的调度优化问题,综合考虑用电成本、满意度以及用户侧波动程度3个目标进行优化。提出改进自适应权重多目标粒子群算法(improved adaptive weighted multi-objective particle swarm optimization, IAW-MOPSO)求解模型,通过对粒子的适应度值分段更新惯性权重,均衡了粒子群算法的局部改良能力和全局搜索能力,在保证得到全局最优解的同时完成对家用电器的优化调度。结果表明:该优化策略降低了29%的电费,保障了高峰时期用电的稳定性,用户满意度明显增加,验证了所提模型的有效性以及算法的优越性。     

基于图层叠加的多目标选址模型

分析了国防工程设施选址的目标和约束条件,研究建立了建设项目选址多目标决策模型.在MGIS(militarygeographicinformationsystem)中运用叠加模型解决了选址决策空间上可行域或有限方案集的搜索问题,提出了选址规范决策矩阵的构建和求解方法,并给出了算例.     

基于对位学习的多目标遗传算法

为了加强非劣排序遗传算法的搜索能力、加快其收敛速度,将对位学习与非劣排序遗传算法相结合,提出了一种用于解决多目标优化问题,基于对位学习的多目标遗传算法,并应用双目标、三目标的测试函数对该算法进行了验证.结果表明,基于对位学习的多目标遗传算法具有较好的收敛性和分布性.     

基于有序的多目标优化方法研究

本文根据系统有序时, 描述系统宏观行为的状态变量中某些被称为序参量的状态变量支配着其它变量, 这些状态变量达到局部最优并具有较好稳定性以及外部控制参量达到一定阈值的特征, 建立了一种以有序为优化标准的多目标优化方法。这种优化方法不仅能获得更为科学的结果, 而且还能揭示系统的现有结构, 现有资源及所处环境是否合理。