一种基于复形调优遗传算法的多学科优化方法

建立良好的优化方法,是多学科设计优化（multidisciplinary design optimization, MDO）求解的关键和难点。结合具有全局搜索能力的遗传算法和局部收敛特性的复形调优算法的优势,建立了全局优化算法,并将全局优化算法应用于多学科可行（multidisciplinary feasible, MDF）方法的多学科分析模型求解,建立了两级优化MDF（double optimization MDF, DO-MDF）方法和单级优化MDF（single optimization MDF, SO-MDF）方法两种计算构架。以CASCADE系统产生的多学科问题求解为例,对比5种计算构架对MDO求解的优化结果,结果表明,DO-MDF、SO-MDF两种计算构架通过有效关联学科分析的前馈信息流表现出更好的计算能力。     

基于有向循环图的多学科设计优化模型调度方法

复杂产品的多学科设计优化过程中，往往会涉及到不同学科的专业分析模型以及各种商业软件应用的集成调度运行问题。在多学科设计优化过程中模型应用集成的基础上，结合设计模型的调度需求，研究了多学科模型的调度运行，并给出了基于有向循环图的通用模型调度解决方案，包括回路探测算法和模型调度算法。最后设计并实现了支持复杂产品多学科设计优化软件框架——iDesign的调度引擎，并以一个设计模型的调度为例，验证了方法的正确性和可行性。     

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.     

多学科设计优化的综合可视化技术研究

深入分析了多学科设计优化的特点,综述了多学科设计优化的可视化技术,提出并实现了多学科设计优化模型与设计模型集成可视化技术,交互式多学科设计优化可视化显示技术,可以实现高维,多目标优化问题Pareto非劣解可视化显示方法,使设计者可以方便地可视的控制优化过程,实现用户导向优化搜索,为用户提供了认识设计空问的手段.多学科设计优化综合可视化技术对提升多学科设计优化的效果十分重要,对提高复杂产品设计质量具有重要意义.     

大系统理论体系下的飞行器多学科设计优化方法

阐述了飞行器多学科设计优化方法与大系统理论的关系.在大系统理论体系下根据不同的分类原则和系统的特点将系统逐层分解分类,同时依据大系统理论的分解协调法对现有飞行器多学科设计方法进行了分类,阐明了每种算法的理论背景和适用范围.飞行器设计系统是典型的工程大系统,同时飞行器多学科设计优化方法是以大系统理论为基础的,因此要在研究飞行器多学科设计优化的同时对大系统理论方法进行研究,推动多学科设计优化的发展.     

快速约束多目标进化算法及其收敛性

针对进化算法收敛速度缓慢、容易陷早熟的问题,提出了约束多目标优化问题的一种新的快速进化算法. 设计了能够从可行解空间和不可行解空间同时搜索的交叉算子,将约束条件和目标结合在一起,引入一种新的偏序关系用于比较个体之间的优劣,提出一种新的Niche值计算方法作为维持种群均匀性的主要动力,并采用已搜索解集避免了算法的重复搜索. 在此基础上, 设计了具有全局搜索能力的进化算法, 并证明了算法的收敛性. 仿真结果表明,与同类进化算法相比, 该算法能够快速收敛到Pareto前沿,并能很好地维持种群的多样性.     

基于近似技术的导弹总体设计优化方法研究

实施多学科设计优化方法有助于提高总体设计水平，但同时也使总体优化问题变得更加复杂、计算更加困难，因此需要采用近似技术。在对设计空间探索方法和多学科设计优化中应用的近似技术进行研究的基础上，提出在优化系统中采用综合探索近似寻优方法以实现快速寻优，最后通过一个应用实例验证了综合探索近似寻优方法的可行性。     

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。     

虚拟样机多学科设计优化问题建模研究

针对虚拟样机多学科设计优化框架对多学科问题描述的需求,对多学科设计优化问题的建模方法进行研究,提出用XML语言对多学科优化问题模型进行描述。通过分析多学科设计优化问题模型特点,得出多学科设计优化问题模型及其子模型的形式化描述,并给出其中一个主要模型的XMLSchema描述规范。开发了通用多学科设计优化问题建模工具,用于基于Web的虚拟样机多学科设计优化框架中的求解问题模型的输入,并给出某型导弹多学科设计优化问题的建模实例。实践表明建模方法和建模工具方便可行。     

一种极坐标下的改进多目标粒子群优化

对现有多目标粒子群优化算法的全局最优解选择机制进行分析,指出其不足。在此基础上设计一种全新的极坐标下的选择机制:利用极坐标下解和粒子的角度信息计算适应度角度,选择适应度角度最大的解作为粒子的全局最优解。并针对多目标粒子群优化算法在迭代后期收敛变慢的问题改进位置更新公式:将位置更新过程产生的中间点也作为粒子新位置的候选解,有效提高算法收敛速度。对测试函数的仿真试验表明,所提出的改进算法在解集的分布性和收敛性上较其它典型算法有明显提高。     

双混沌神经网络及其在优化问题中的应用

分析了三种现有的混沌神经网络模型的优化性能,针对目前混沌神经网络收敛率不高和搜索时间较长的问题提出了一种双混沌神经网络。它不同于以往的混沌神经网络改进方法,不是延长退火时间或改变混沌程度来提高网络性能,而是通过混沌迭代搜索使混沌神经网络在有限步内找到全局最优解的初值来提高收敛率与收敛速度。这种方法能使混沌神经网络在应用中具有更好的全局优化能力,并且可以缩短混沌神经网络的搜索时间,对旅行商问题求解的仿真对比和函数优化问题的仿真,说明了新方法比现有方法具有更好的收敛率和更短的搜索时间。     

A line search filter inexact SQP method for nonlinear equality constrained optimization

This paper proposes an inexact SQP method in association with line search filter technique for solving nonlinear equality constrained optimization.For large-scale applications,it is expensive to get an exact search direction,and hence the authors use an inexact method that finds an approximate solution satisfying some appropriate conditions.The global convergence of the proposed algorithm is established by using line search filter technique.The second-order correction step is used to overcome the Maratos effect,while the line search filter inexact SQP method has q-superlinear local convergence rate.Finally,the results of numerical experiments indicate that the proposed method is efficient for the given test problems.     

基于整体退火遗传算法的不等间距天线阵的综合

将一类非时齐（整体退火选择）、保证收敛且易于判断收敛的新型遗传算法应用于不等间距天线阵的综合，对天线阵的位置及加权系数进行了优化。实验实例表明：该算法收敛速度快，有极强的避免过早收敛及避免局部极值的全局优化的能力。本文为大型天线阵的优化设计提供了方法。     

基于伪并行SPEA2算法的多目标鲁棒PID优化设计

现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求,本文针对这一缺陷,提出了一种多目标PID优化设计方法--在满足系统的鲁棒性的前提下,以超调量、上升时间和调整时间最小作为多目标优化的子目标,并将强度Pareto进化算法(SPEA2)与并行遗传算法(PGA)相结合对其求解.该算法求得的Pareto最优解分布均匀、收敛速度快、寻优能力强,决策者可根据实际系统的要求在Pareto解集中选择最终的满意解,这为快速性、稳定性与鲁棒性的权衡分析提供了有效的工具.仿真结果表明设计方法的有效性和优越性.     

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。     

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。     

认知MIMO雷达发射波形与接收滤波器联合优化设计方法

为了突破传统雷达的性能瓶颈，具有发射端自适应机制的认知雷达成为了研究热点，其中发射波形优化设计是认知雷达的核心组成。为了提升机载平台下对运动目标的检测能力，考虑了多输入多输出雷达中发射波形与接收滤波器的联合设计问题，并使用交替优化方法进行求解。在求解最优接收滤波器时，优化问题被建模为经典的广义瑞利熵问题，对此使用最小方差无失真响应方法进行求解以避免特征值分解运算。在设计最优发射波形时，在最大化信杂噪比的准则下建立目标函数，并引入工程常用的恒模约束条件，最终将波形设计问题建模成一个非凸的优化问题。对此，经典的求解方法是先使用近似手段松弛恒模约束，然后使用Charnes-Cooper变换进行求解。区别于经典方法，提出一种基于信杂噪比近似的优化算法以减少计算复杂度。实验结果表明，所提方法不仅具有更快的收敛速度，还可以实现更优的信杂噪比增益性能。     

基于LLE降维思想的自然计算方法

在自然计算方法中,高维问题的出现使现有一些优化算法虽然能够避免算法陷入局部最优,但是使得算法的性能变差、运行时间变长。在传统自然计算方法的基础上,提出基于LLE ( Local Linear Embedding)算法的自然计算方法,通过对算法中邻居粒子k和维数d的取值进行分析,降维后使算法得到较好的寻优效果。在此过程中,将降维后的数据增加一个小偏置s来增加种群的多样性。将该策略分别应用于粒子群算法和遗传算法中,采用经典测试函数以及主流针对维数进行优化的4个算法来验证其性能。实验结果表明,改进的算法在求解精度和收敛速度上均有明显的提升。     

基于人工势场法的虚拟人足迹规划

给出了一种基于人工势场法的虚拟人足迹规划方法。提出了一种足迹计算方法,通过计算势场力决定虚拟人的前进方向,计算得到虚拟人的足迹;设计了一种足迹分解方法,计算得到虚拟人大角度转弯时的足迹。运用该算法在固定及移动障碍物环境以及多人环境下进行仿真,模拟虚拟人前进方向随时发生变化的避障行走,计算虚拟人从初始点到目标点的足迹,也对大角度转弯情况进行了仿真。仿真结果证明了算法的可行性。     

改进PSO算法及在PID参数整定中应用研究

针对粒子群优化算法(PSO)存在早熟和局部收敛的问题,提出了一种带变异算子的改进粒子群优化算法(IPSOM),该算法在搜索中以一定变异概率对选中的粒子进行变异,同时对飞离搜索区域的粒子用新产生的粒子取代,以克服粒子群优化算法易陷入局部最优解的缺陷。用一典型的Rastigrin复杂函数对新算法进行测试,结果表明改进的算法较之粒子群优化算法(PSO)和常规遗传算法(SGA)不但提高了全局寻优能力,而且有效避免了早熟收敛问题。在此基础上将这种改进算法应用于高阶带时滞对象的PID控制器设计中进行仿真研究,结果表明了所提出算法的有效性和所设计控制器的优越性。