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。     

基于神经网络的时变参数系统仿真优化方法

时变参数系统的仿真优化问题是一个新兴的研究课题，相比传统仿真优化，时变参数系统对实时性的要求高，而对解的精度要求不高。本文提出将该问题转换为一类神经网络预测问题，并从理论上证明了该方法的可行性。首先，线下构建神经网络模型描述输入参数到最优解的映射关系；然后，利用训练好的神经网络模型线上实时预测最优解。考虑到边界样本对最优解拟合曲面的影响，提出构建中心样本和边界样本，分别训练两个神经网络模型。仿真和实例表明，该方法能够随时变参数的变化实时给出满意解，从而为求解时变参数仿真优化问题提供一种新的解决思路。     

多用户弹性需求网络的双准则系统最优交通分配

针对存在异质用户的弹性需求交通网络,当用户时间价值呈离散分布时,给出了系统时间最优和系统费用最优的双准则优化模型及其帕累托有效前沿.证明了存在正的匿名路段收费方案.支持除系统时间最优解之外的其他帕累托解与多用户均衡解达到一致,分析了帕累托最优解处的系统性能与各自的单目标最优系统性能之间的偏差.研究表明,该偏差的上界仅依赖于用户的时间价值分布,而与路段流量分布和路段出行时间函数无关.     

基于分数阶累加的离散灰色模型

针对灰色预测模型为什么适用于“小样本”建模的问题进行了研究. 以离散灰色模型为例,利用最小二乘问题解的扰动理论证明了灰色一阶累加方法在扰动相等的情况下,原始序列样本量较大,解的扰动界较大; 样本量较小,解的扰动界较小. 为了使离散灰色模型解的扰动界变小,本文提出了分数阶累加离散灰色模型. 实例说明分数阶累加离散灰色模型的实用性.     

互联网能耗和性能优化的权衡模型

互联网能耗和性能互为矛盾已经成为网络研究人员的广泛共识. 目前的研究方法通常仅将其中一个方面作为主要问题，而将另外一方面作为次要问题来解决. 因此，如何将互联网能耗和性能作为同等重要的指标进行协同优化，是本文所要研究的问题. 本文提出了一种通用优化模型来实现减小互联网能耗的同时提升网络性能. 为将其应用于实际，本文通过引入并定义代价函数和功率-带宽函数，将该通用模型具体化为一个线性规划模型. 评估结果显示，该线性规划模型的最优解能够同时降低网络的最大链路利用率和能耗，并且使得这两者中的每一个指标均近似于对其进行单一优化的模型的最优解，从而实现了对网络能耗和性能的协同优化. 与当前互联网相比，在最大链路利用率方面，本文所提出模型的最优解最多可将其减小60.6%，最少减小45.8%；在能耗方面，该模型的最优解最多可将其减小83.3%，最少减小56.7%.     

基于改进离散微粒群优化算法的混流装配线多目标排序

产品投产排序是混流装配线有效运作的关键,它是标准微粒群算法无法直接应用的离散空间问题.提出改进离散微粒群优化算法来解决混流装配线多目标排序问题.提出了适应离散编码的粒子位置编码方式,有效避免了不可行解的产生,提高算法效率.引入了动态参数及自适应逃逸机制增强了粒子的多样性和搜索性能.分析了装配线参数变化对目标函数和相应投产序列的影响,并确定出了能够获得最优解的合理参数范围.提出评价指标对改进离散微粒群优化算法与基本离散微粒群优化算法进行了对比,对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散排序问题,是一种高效的混流装配线排序算法.改进微粒群优化算法与遗传算法的仿真实验对比显示了提出方法在混流装配线排序问题中的优越性.     

一种优化多目标的交互式路由算法

Qos路由的基本任务是寻找一条满足多个约束条件同时优化多个网络参数的路径。研究多约束条件下的多个线性目标优化的Qos路由问题。选取带宽作为约束条件，线性函数(时延和耗费徘为优化目标，建立了Qos路由选择的多目标缉陛整数规划模型。通过将多目标优化问题转化为线性单目标优化问题，证明了新问题的最优解是原问题的有效解，给出一种求解模型的交互式算法。该算法引入目标函数参考点概念，逐步调整目标函数参考点，压缩目标函数搜索空间来满足决策者和实时网络资源要求，并最终得到满意解。仿真实例表明了算法的可行性和可操作性。     

基于下半方差的债券投资组合模型

用下半方差作为风险度量构建了债券投资组合模型,研究投资者的债券投资问题。在理论上分析了模型最优解的存在性,并且证明了模型具有全局最优解。为了得到最优债券投资组合策略,依据模型的随机属性,构造了求解模型的蒙特卡罗罚函数算法,并且证明了算法的收敛性。给出了相应的数值算例验证模型的有效性。     

具有控制约束的不确定离散时滞系统最优保性能控制

对一类具有范数有界时变参数不确定性和控制输入约束的离散时滞系统,研究其最优保性能状态反馈控制律的设计问题.基于线性矩阵不等式处理方法,导出了保性能控制律存在的条件,并证明了该条件等价于一组线性矩阵不等式的可行性问题,并用这组线性矩阵不等式的可行解给出了保性能控制律的一个参数化表示.进而,通过建立并求解一个凸优化问题,给出了具有控制约束的最优保性能控制律设计方法.     

基于离散人工蜂群算法的认知无线电频谱分配

针对二进制粒子群优化算法在认知无线电频谱分配中容易陷入局部最优等问题,将人工蜂群算法引入到认知无线电频谱分配中,提出了基于离散人工蜂群算法的认知无线电频谱分配方法。针对一种认知无线电网络模型,将离散人工蜂群算法中的蜜源位置离散化,与模型中的可用频谱矩阵相结合产生分配矩阵,对目标函数进行优化,并且使用了一种新的比例公平性目标函数评价该算法的性能;通过仿真比较了本文算法与二进制粒子群优化算法的频谱分配方法的性能,同时在使用电视频段的认知无线电系统进行了验证,结果表明本文算法的高效性和优越性。     

遗传算法在离散变量优化问题中的应用研究

针对实际应用中大量存在的离散变量优化设计问题,研究了利用一般连续变量方法进行离散变量优化设计的不足。结合离散变量优化问题与遗传算法的特点,提出离散交叉算子和离散变异算子,使遗传算子真正在离散空间中进行搜索。基于线性搜索思想提出离散引导算子以提高遗传算法的局部寻优能力,将种群逐步向离散极值点进行引导,实现算法的快速离散寻优。通过对两个实际离散变量优化设计问题的应用研究,验证了本方法解决离散变量优化设计问题的有效性。     

非线性离散动态大系统的DISOPE关联预测递阶算法

提出了一种非线性离散动态大系统系统优化与参数估计集成的关联预测递阶算法 .在各子系统模型与实际存在差异的情况下 ,将动态系统系统优化与参数估计集成 ( DISOPE)方法与关联预测法相结合 ,得到一个上级协调 ,下级进行各子系统优化与参数估计集成的双环迭代算法 ,从模型出发通过迭代运算能得到实际系统在存在模型 -实际差异时的真实最优解 .仿真结果表明了算法的有效性和实用性.     

A transfer forecasting model for container throughput guided by discrete PSO

Abstract Accurate forecast of future container throughput of a port is very important for its con struction, upgrading, and operation management. This study proposes a transfer forecasting model guided by discrete particle swarm optimization algorithm （TF-DPSO）. It firstly transfers some related time series in source domain to assist in modeling the target time series by transfer learning technique, and then constructs the forecasting model by a pattern matching method called analog complexing. Finally, the discrete particle swarm optimization algorithm is introduced to find the optimal match between the two important parameters in TF-DPSO. The container throughput time series of two im portant ports in China, Shanghai Port and Ningbo Port are used for empirical analysis, and the results show the effectiveness of the proposed model.     

基于响应面和NSGA-II的AGV系统多目标优化配置

AGV（automated guided vehicle）系统对于制造系统的生产柔性和生产效率具有重要作用,由于AGV系统具有许多的变量且有动态性、随机性特点,其优化配置比较复杂。提出了一种将系统仿真、数学解析和多目标优化相结合的方法,对AGV系统进行了优化配置;运用离散事件仿真模拟AGV系统运行,利用敏感性分析分离设计变量,采用析因试验和响应面方法拟合多目标优化数学模型,基于非支配解排序多目标遗传算法求解多目标优化解。通过AGV系统实例,证明了该方法的有效性,可为制造系统和物流仓储领域中AGV系统的优化配置提供一种有效的系统性分析方法。     

基于模糊随机规划的反TBM目标分配优化模型

针对反导目标分配优化问题中存在的不确定性特征,引入模糊随机规划理论.首先建立了基于模糊随机规划的反战术弹道导弹(tactical ballistic missile,TBM)的目标分配优化模型.在此基础上,构建了一种针对多约束目标分配问题的粒子编码方案,并改进传统粒子群算法的位置和速度更新方式,提出了改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法.最后,设计了模糊随机模拟技术和IDPSO算法相结合的混合智能求解算法.仿真实例表明,混合智能算法全局寻优能力强,优化效率高,满足反TBM目标分配优化对时效性的要求.     

一种改进的多模型噪声辨识方法

在混合系统参数估计问题中，交互式多模型算法是一种比较有效的求解方法。但是当系统机动模式较多时，模型集中的模型数目也随之增加。针对模型集过大导致的参数估计精度下降的现象，提出了一种改进的多模型算法，并将其应用于系统噪声辨识。它利用多扫描量测信息，采用离散优化技术，获得近似于系统的实际噪声水平的最优的子模型集。然后，利用此进行噪声估计作为结果输出。Monte Carlo仿真结果表明了新算法估计精度优于标准IMM算法。     

基于离散粒子群算法的研制费用优化模型

首先给出了武器装备研制费用和效能的期望值模型。通过Delphifa法确定期望值。提出了费用参数矩阵的概念,根据研制武器系统效能等设计值与期望值绝对差最小原则,建立了基于离散粒子群的费用参数优化模型,并进行了仿真实现。结果表明该方法可行,为武器装备研制的性能参数设计和费用优化提供了一种新方法。     

Markov控制过程基于性能势仿真的并行优化

Markov控制过程是研究随机离散事件动态系统性能优化问题的一个重要模型，并在许多实际工程问题中有着广泛的应用。在Markov性能势理论的基础上，我们讨论了一类连续时间Markov控制过程在紧致行动集上的性能优化仿真问题。由于实际系统的状态空间往往非常巨大，通常的串行仿真算法，可能耗时过长，也可能由于硬件限制而无法实现，故我们提出了一种基于性能势的并行仿真优化算法，来寻找系统的最优平稳策略。一个仿真实例表明该算法有较好的运行效率。该算法可应用于大规模实际系统的性能优化。     

V-BLAST系统中有效的近优检测方法

在离散粒子群算法的基础上,结合遗传算法中的变异算子,提出了一种新的离散粒子群优化算法,进而设计了一种使用新的离散粒子群优化算法和并行干扰抵消算法相结合的垂直分层空时系统检测方法。该方法将NDPSO和PIC有机结合可以改善NDPSO的性能,同时为了进一步加快NDPSO的收敛速度,将迫零检测结果作为NDPSO的初始值。分析和仿真结果表明,所提出的检测方法与最优检测方法相比有更低的计算复杂度,与次优检测方法相比具有更好的误码率性能,为寻求新的V-BLAST系统检测算法提供了思路。