一般两层非线性规划问题的模拟退火全局优化

提出了一种基于模拟退火算法求解一般两层非线性规划问题的全局优化策略.采用模拟退火算法è求解上层问题,用精确惩罚函数处理约束,保证了算法稳定迅速地收敛于全局最优解.为了提高算法的效率,对标准模拟退火算法采取了一些改进措施.下层的非线性规划问题则采用可变容差单纯型算法完成求解.所设计的组合算法思路清晰,编程简单,数值计算结果表明,该算法有着良好的全局收敛可靠性和较高的收敛速度,是求解一般两层非线性规划问题的一种有效算法.     

一种求解最优控制问题的混合WNN-PSO算法

针对最优控制问题的数值求解,提出了一种混合小波神经网络粒子群(WNN-PSO)算法,算法首先利用小波神经网络的非线性逼近能力参数化最优控制轨迹,将最优控制问题转化为非线性规划(NLP)问题,其决策变量为小波神经网络的参数,然后采用粒子群(PSO)算法优化小波神经网络参数,获得NLP问题的全局最优解.针对Bang-Bang最优控制问题和一个经典的化工过程最优控制问题进行仿真研究,验证了所提出算法的可行性和有效性.     

采用非固定多段映射罚函数的非线性约束优化差分进化算法

采用非固定多段映射罚函数法处理问题的约束条件,提出了一种用改进差分进化算法求解非线性约束优化问题的新方法.结合差分进化算法两种不同变异方式的特点,引入模拟退火策略,使算法在搜索的初始阶段有较强的全局搜索能力,而在后阶段有较强的局部搜索能力,以提高算法的全局收敛性和收敛速率.用几个典型Benchmarks函数进行了测试,实验结果表明,该方法全局搜索能力强,鲁棒性好,精度高,收敛速度快,是一种求解非线性约束优化问题的有效方法.     

两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难，目前还缺乏成熟的全局优化策略，同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法，用来求解上层问题，用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性，便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。     

基于改进粒子群优化的部分传输序列峰均比降低研究

部分传输序列(PTS)算法是解决正交频分复用(OFDM)系统高峰均功率比(PAPR)问题的有效手段,但是算法采用穷举搜索使得系统的复杂度非常高.针对该问题,将算法中最小峰均比的求解过程转化为非线性约束的优化问题,进而提出了一种新的离散粒子群优化(DPSO)方法,使得相位因子的搜索快速向最优相位序列的方向收敛,从而显著地降低了PTS算法的搜索复杂度,同时能够得到具有较小峰均功率比的信号.仿真结果证明,与传统PTS算法相比较,所提算法在搜索复杂度较低的情况下,能够获得很好的峰均功率比降低性能.     

用混沌搜索求解非线性约束优化问题

提出了一种用混沌搜索求解非线性约束优化的新方法 .利用罚函数思想将约束问题无约束化 ,再利用混沌的内在随机性与遍历性进行求解 .算例仿真结果表明 ,算法简单实用 ,性能良好 ,是解决非线性约束优化问题的有效途径 .     

测时差被动定位算法的研究

针对测时差非线性定位算法定位模糊、计算量大等问题,提出了一种线性测时差的求解算法.其实质是把非线性定位算法中的非线性项看作一个未知变量,通过增加一个时间差测量值,把实位的非线性方程变为线性方程求解.并具体就基本的测时差定位法和具有冗余数据的测时差定位法两种情况,给出线性测时差定位公式,并进行了精度分析.     

一类非线性两级混合整数规划问题的全局最优解的近似算法

讨论了一类非线性两级混合整数规划的求解问题 .基于非线性混合整数规划理论和算法 ,探讨了对上级规划问题采用模拟退火求解混合整数规划的算法 ;对下级规划问题采用内罚函数法 .实际运算证明 ,该算法是有效的.     

用投影收缩算法求解考虑排放的交通分配模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑排放因素,通过将变分不等式问题转换成等价的非线性互补问题,采用一种自适应的投影收缩算法求解该模型,所给出的数值算例得到广义费用下的UE最优解,在同样收敛精度的要求下,和其他投影算法相比,采用该算法收敛速度较快.     

一种求解多峰优化问题的改进Species粒子群算法

为了改善粒子群算法求解多峰优化问题的能力,提出了一种新的利用粒子在种群中序号来构造Species的方法,同时还设计了适应性局域搜索算子和触发式重新初始化策略分别用于增强算法的开发能力和探索能力.通过对一组标准多峰测试函数的仿真实验,表明所提出的算法能够有效的求解多峰优化问题.     

基于T-S模型的自适应多变量模糊预测控制

针对多变量非线性系统的控制问题,提出了一种具有良好控制效果的模糊预测控制方法。首先采用快速聚类法和递推最小二乘法辨识得到非线性系统的T-S模型,然后对系统进行线性化,并基于线性化的模型设计模糊广义预测控制器并对非线性对象进行在线自适应控制。对一个带时延的强耦合二变量非线性对象进行仿真,结果表明对于具有时变性的非线性系统,该方法具有很好的控制效果。     

Improved filtered-ε adaptive inverse control and its application on nonlinear ship maneuvering

The drawbacks of common nonlinear Filtered-adaptive inverse control (AIC) method, such as the unreliability due to the change of delay time and the faultiness existing in its disturbance control loop, are discussed. Based on it, the diagram of AIC is amended to accommodate with the characteristic of nonlinear object with time delay. The corresponding Filtered-adaptive algorithm based on RTRL is presented to identify the parameters and design the controller. The simulation results on a nonlinear ship model of "The R.O.V Zeefakkel" show that compared with the previous scheme and adaptive PID control, the improved method not only keeps the same dynamic response performance, but also owns higher robustness and disturbance rejection ability, and it is suitable for the control of nonlinear objects which have higher requirement to the maneuverability under complex disturbance environment.     

水声信道多径时延估计的高分辨方法研究

为了解决传统的匹配滤波器方法估计实测信道时分辨率不足的困难，研究了高分辨多径时延估计方法。应用MODE算法求得多径时延估计的初值，再通过带惩罚函数的最小二乘法迭代求解时延和幅度估计的准确值。仿真表明，该方法的时延分辨率在20dB信噪比下达到了传统的匹配滤波器方法的4倍，实现了多径时延的高精度估计，解决了实测线性调频信号的信道估计问题。     

基于C-R模糊模型的非线性预测控制

Cao和Ress提出的模糊模型（称为C-R模糊模型）由模糊推理和局部线性解析模型两部分组成，用隶属函数加权局部模型构成系统的全局非线性模型。本文提出了一种新的结构上与阶跃模型相类似的C-R模糊阶跃模型。并用DMC动态矩阵控制算法，求解基于该模型的非线性预测控制问题，得出了预测控制算法的解析形式，该方法克服了一般非线性预测控制算法求解困难的缺陷。     

EMD新算法及其应用

经验模态分解（ENID）算法是Hilbert-Huang变换（HHT）的核心算法，它的分解效果依赖于包络线的生成算法和端点延拓算法。采用分段幂函数插值算法求包络成。结合一种改进的端点延拓算法。得到了一种新的EMD算法。分析了分段幂函数插值算法的收敛精度。从数学角度解释了选取该插值算法的原因．最后，结合一个股票模型的仿真结果说明新的EMD算法效果更好。     

基于零化视线角速率的非线性预测制导律

利用非线性预测控制理论设计了一种零化视线角速率的预测制导律. 首先, 以弹目视线角速率为反馈项, 最小化预测误差为性能指标, 基于非线性预测控制理论和最优化理论推导出非线性预测制导律, 并对闭环回路的稳定性进行了证明. 其次, 针对制导律中含有的目标机动项信息, 设计了一种基于时间延迟控制理论的滤波算法, 并应用于预测制导律, 最后仿真考虑到导弹的延迟环节, 采用三阶自动驾驶仪模型, 验证了设计的制导律能够有效拦截机动目标, 与传统比例导引相比, 视线角速率变化平稳, 克服了末端视线角速率变化过快而导致过载饱和的情况, 降低了对执行机构的要求.     

Input-to-State Stability of Switched Nonlinear Delay Systems Based on a Novel Lyapunov-Krasovskii Functional Method

In this paper, the input-to-state stability (ISS) analysis is addressed for switched nonlinear delay systems. By introducing a novel Lyapunov-Krasovskii functional with indefinite derivative and the merging switching signal techniques, some new criteria are established for switched nonlinear delay systems under asynchronous switching, which extends the existing results to the nonlinear systems with switching rules and delays. The ISS problem is also considered under synchronous switching for switched nonlinear systems by employing the similar techniques. Finally, a nonlinear delay model is provided to show the effectiveness of the proposed results.     

Adaptive control method for nonlinear time-delay processes

Two complex properties,varying time-delay and block-oriented nonlinearity,are very common in chemical engineering processes and not easy to be controlled by routine control methods.Aimed at these two complex properties,a novel adaptive control algorithm the basis of nonlinear OFS(orthonormal functional series) model is proposed.First,the hybrid model which combines OFS and Volterra series is introduced.Then,a stable state feedback strategy is used to construct a nonlinear adaptive control algorithm that can guarantee the closed-loop stability and can track the set point curve without steady-state errors.Finally,control simulations and experiments on a nonlinear process with varying time-delay are presented.A number of experimental results validate the efficiency and superiority of this algorithm.     

不确定时滞非线性系统的迭代学习控制

针对一类不确定状态时滞非线性系统 ,提出了一种形式简单的迭代学习控制算法 ,从理论上给出了算法收敛的充分条件 ,进一步分析了不确定状态时滞、系统采样频率与跟踪性能之间的关系。该学习算法无需精确已知系统的状态时滞 ,而只要估计状态时滞的界 ,因而具有算法简单、计算量小、易于实现等特点。仿真结果表明了该算法的实用性和有效性。     

基于小波变换的双站纯角度机动目标融合跟踪

纯角度跟踪通常面临非线性滤波和高速率量测数据处理问题。在小波变换的基础上提出一种新的双站纯角度机动目标跟踪算法。该算法使用无源定位的方法确定目标位置，并运用基于多速率运动模型的交互式多模型算法进行滤波。算法避免了角度量测下的非线性滤波，并减少了计算量。Monte Carlo仿真结果表明了算法的有效性。