基于隔离度特性的导引头控制系统优化设计

为了提高导引头隔离度及其时域特性的综合性能,提出了一种基于隔离度特性的导引头控制系统内外回路优化设计方法。通过建立导引头隔离度模型,推导隔离度传递函数,分析了导引头隔离度与内外回路的关系。将导引头幅值裕度和相位裕度约束,采用幅值相位测试方法转化为求解控制参数的稳定域,分别建立了以隔离度特性最优的稳定回路目标函数和以时域响应特性最优的跟踪回路目标函数,通过在稳定域内求解优化问题,得到导引头的优化设计参数。仿真结果表明,采用基于隔离度特性的导引头控制系统内外回路优化设计方法,能够保证控制系统具有更好的时域性能和隔离度特性。     

基于CEM-IG算法的复杂产品关键质量特性识别

为了提高复杂产品高维不平衡质量特性数据集关键质量特征识别效率,提出CEM-IG 识别方法. 通过调整CEM （classification EM algorithm）算法的K值输出不同的聚类结果,消除冗余样本后作为IG （information gain）算法的输入,并以IG 作为判别质量特性重要程度的标准构建识别模型,最终输出最优关键质量特性集. 算例结果表明,该方法将CEM 的缺失值处理能力和IG 的不相关特性筛选能力优势互补,能够有效降低不平衡和高维度带来的负面影响,正确识别产品关键质量特性.     

基于自适应参数回归的非局部图像滤波算法

针对图像加性高斯白噪声,提出一种优化的自适应参数滤波算法。该算法以非局部欧氏中值(non-local Euclidean medians, NLEM)滤波算法为基础,根据含噪图像梯度幅值在一定噪声范围内服从Rayleigh分布这一特性,求得以梯度幅值和噪声标准差为自变量的二元自适应滤波参数,并将它引入到邻域的权值计算中。其次,噪声的变化影响着l_p范数回归的选择,在一定范围内以噪声标准差为自变量对参数p进行多项式拟合,得到自适应l_p范数回归。在自适应滤波参数基础上,用自适应l_p范数回归进一步改进NLEM滤波算法的l₁范数回归。所选图像的实验结果表明,本文算法在一定噪声范围内不但获得满意的去噪效果,而且有效地减少人机交互程度。     

基于高斯过程模型的时空响应稳健参数设计

针对大规模时空数据的稳健参数设计问题,将快速不可分离高斯过程(fast nonseparable Gaussian process, FNSGP)模型与多元质量损失函数相结合,建立一个新的优化方案.首先,在考虑空间与时间相关性的条件下,使用FNSGP模型构建输入因子与质量特性之间的响应曲面,并采用前向滤波和后向平滑的快速、精确算法对模型进行估计和预测;其次,基于信噪比计算时空响应的联合损失权重,构造多元质量损失函数;然后,结合多元质量损失函数建立两阶段参数优化方案;最后,利用非线性优化算法寻找空间与时间因子的联合最优参数设计值.研究结果表明,本文所提方法可以有效地处理大规模时空数据的元建模与稳健参数设计问题,与可分离高斯过程、线性回归、随机森林等替代方法相比能够获得更为稳健的优化结果.     

优化卡尔曼滤波算法中的目标函数选择

针对优化卡尔曼滤波算法(optimized Kalman filter,OKF)中的目标函数选择问题,设计了两种适用于OKF算法优化的目标函数,证明了这两种目标函数是最优的,即当目标函数取最小值时,OKF算法中的滤波估计值H_kx_k|k-1^⌒*是(或概率意义下)系统真实状态H_kx_k的最优估计。把上述目标函数应用于多模型卡尔曼滤波算法(multiple model adaptive Kalman filter,MM-AKF)中,设计了一种优化多模型卡尔曼滤波算法(optimizedmultiple model adaptive Kalman filter,OMM-AKF),OMM-AKF算法能够根据目标函数优化子滤波器的滤波估计值权值,从而能够得到系统真实状态的较优估计值。最后,通过仿真验证了上述理论的正确性和方法的有效性。     

有市场协同作用的竞争设施选址：模型与比较

针对产品或服务市场有协同效应的竞争设施选址问题,首先提出了协同效应的定义和三种不同类型的协同效应函数,并建立了有协同效应的最大俘获选址模型. 对于分段类型的协同函数,分别通过计算试验和理论分析的方法考察了有协同效应的新问题P₁与无协同效应的原问题P₀最优解之间的关系; 并对原问题P₀最优解取不同水平值时,新问题P₁最优解是如何随协同效应函数参数的不同而变化做了具体分析,结果对实践有一定的指导意义.     

基于仿真的车间作业计划优化设计

车间作业排序是一个NP-Hard问题,针对其复杂性和难以求解的特点,提出了采用仿真与优化算法相结合的求解方法。首先,建立了车间作业计划仿真优化系统的框架,采用UML对系统进行建模分析,并在仿真软件eM-Plant中映射实现,应用遗传算法优化模型关键参数,实现最优排序,最后示例说明该系统。该方法简单可行,为解决这类复杂问题提供了一条捷径。     

无偏GM(1,1)幂模型初始条件的优化

针对无偏GM(1,1)幂模型初始条件的优化问题,分别考虑模型结构参数已知和未知的情形下的优化方法。在结构参数已知的情形下,构建优化模型使得原始序列的一阶累加生成序列与其模拟值的误差平方和在理论上达到最小,并给出了最优初始条件的解析解;在结构参数未知的情形下,将最优初始条件视为待定变量,建立基于预测误差最小化准则的非线性优化模型,并通过Matlab求解优化的初始条件和结构参数。结果表明,提出的优化方法能够显著地提高无偏GM(1,1)幂模型的预测精度。     

自适应差分进化算法求解多平台多武器-目标分配问题

针对水面舰艇编队防空反导作战中的武器-目标分配问题,建立了编队防空火力分配模型,将自适应差分进化算法应用到模型的求解与仿真中,并根据参数优化,改善了问题求解的收敛特性。针对模型求解的特殊要求,采用适当的编码方案,使种群个体编码满足约束条件,利用混沌序列初始化种群,加强种群的搜索多样性,变异、交叉参数的动态自适应策略和混沌序列扰动避免算法陷入局部最优等方法对算法进行优化改进,较方便快捷地解决了多平台多类型武器-目标分配问题。实例证明,该方法能够获得满意的结果,与其他智能算法相比,在优化性能上有较大改进。     

一种基于参数扰动退火策略的神经网络全局优化新算法

针对非线性全局优化问题,提出了一种新算法它采用参数扰动策略,使Hopfield神经网络克服局部极值点的吸引,同时对参数扰动采用模拟退火算法,使扰动逐渐减小,直到扰动不能对最优解和最优值产生影响,从而得到全局最优解.通过对大量测试函数的仿真计算,充分体现了新算法在速度、精度和适应性方面的优势.本文还对算法的收剑性进行了理论分析.     

基于改进PSO的电站锅炉低NO_X燃烧优化

燃煤锅炉NOx排放是造成环境污染的重要因素,影响NOx排放的因素众多而且复杂。首先建立了锅炉NOx排放支持向量机模型,并利用实炉热态数据对模型进行了校验。接着应用一种改进的粒子群优化算法,对锅炉运行参数进行了优化,并与一般线性粒子群优化算法进行了对比。结果表明,NOx排放量均有明显的降低,但改进的优化算法收敛性更好,为优化锅炉燃烧提供了更好的方式。     

多智能体量子多目标进化算法及其在EELD问题中的应用

环境经济负荷分配问题是电力系统中重要的多目标优化问题。求解多目标优化问题的关键在于找到尽可能多的Pareto最优解。在基于量子进化理论,智能体的竞争、学习能力和生物的进化策略的基础上,提出了一种用于求解多目标优化问题的量子编码的多智能体进化算法。该方法将智能体分布在多智能体网络环境中,智能体之间通过量子进化来生成问题的可行解。将该算法应用于经济环境负荷分配的两目标(燃料成本和NOx排放)与三目标(燃料成本,NOx排放和SO2排放)优化问题,通过与经典多目标优化算法进行比较,表明了该算法的有效性。     

神经网络非线性预测优化控制及仿真研究

针对暖通空调等一类时变多输入多输出非线性过程控制系统，采用神经网络作为优化反馈控制器求解优化反馈解，并利用预测控制滚动优化能够克服干扰和不确定性影响的优势，采用基于Hamilton-Lagrange方法和预测滚动优化算法训练多层前向神经网络，同时对系统中某些不能直接测量且受到多种因素影响、计算复杂的时变参数也利用神经网络进行预测，以实现对象特性的实时预测。利用该控制方法对某变风量暖通空调模型进行了仿真，优化指标取舒适性指标和耗能量之和。仿真结果表明，采用此方法，在模型不确定和存在外在干扰的情况下可以得到较好的控制效果。     

Parameter selection of support vector machine for function approximation based on chaos optimization

The support vector machine （SVM） is a novel machine learning method, which has the ability to approximate nonlinear functions with arbitrary accuracy. Setting parameters well is very crucial for SVM learning results and generalization ability, and now there is no systematic, general method for parameter selection. In this article, the SVM parameter selection for function approximation is regarded as a compound optimization problem and a mutative scale chaos optimization algorithm is employed to search for optimal paraxneter values. The chaos optimization algorithm is an effective way for global optimal and the mutative scale chaos algorithm could improve the search efficiency and accuracy. Several simulation examples show the sensitivity of the SVM parameters and demonstrate the superiority of this proposed method for nonlinear function approximation.     

大型城市地下物流网络优化布局的模拟植物生长算法

交通拥堵问题的加剧使传统物流网络在我国大型城市已达到极限, 未来地面物流系统将逐步向地下不同层次里转移并释放出城市地上空间.本文以斯坦纳最小树(SMT)为理论模型, 建立了符合我国大型城市不断扩展这一特点的树状地下物流网络布局模型. 由于 SMT 为 NP-完全问题, 因此算法的寻优能力是研究的关键. 本文所采用的模拟植物生长算法(PGSA)是以植物向光性理论为启发式准则的智能算法, 该算法是利用人工植物在给定物流节点集解空间中的生长过程得到城市地下物流网络的最优布局. 通过对国际公布的STEINLIB实例数据计算并与蚁群算法和模拟退火算法进行比较, 表明模拟植物生长算法具有较强的精确性、稳定性和全局搜索能力.     

多目标连续小推力深空探测器轨道全局优化

以燃料消耗量最小和飞越小行星最多为性能指标,对多目标连续小推力深空探测器轨道优化,给出了一种组合优化算法。该组合优化算法由全局优化和局部优化组成。全局优化为粗略设计,首先,利用动态规划法全局优化来确定探测系列,即确定从地球出发依次探索的各个小行星以及时间节点;利用静态参数优化算法(即穷举法),在一个大的搜索空间内全面搜索每段飞行轨道的发射窗口,同时,得到每段轨道次优飞行轨道及次优的控制律。然后利用共轭梯度法局部优化来求解每段轨道两点边值问题,获得最优的飞行轨道及最优的控制律。     

DBMiner数据挖掘平台及其应用

数据挖掘是智能信息处理的重要工具。介绍DBMiner数据挖掘平台的组成和原理，提出了多重知识模型的分层数据挖掘方法。基于综合衡量准则的决策性生成算法改善了生成决策树的结构和分类精度，基于遗传算法的n维空间优化参数的搜索算法。该数据挖掘平台已应用于多个应用领域均取得满意结果，介绍了在多元合金材料预报和家庭远程医疗监护方面的应用。     

基于烟花算法的多传感器优化模型部署#br#

针对现代化战场多传感器网络部署优化问题,对传感器网络部署进行了优化,以总区域覆盖率、重点区域的共视参数、传感器资源利用率三方面作为评价指标,设计了多传感器网络优化模型,并将烟花算法应用于该模型,提出了烟花算法最优解求解方法。通过仿真验证算法的有效性,结果表明:经过烟花算法计算后,总区域覆盖率和重点区域的共视参数均超过了90%,传感器的资源利用率高;同时烟花算法的求解速度快,可赋予重点区域共视参数更高的权重,有利于战场重点区域覆盖率的提高。     

基于随机策略搜索的多机三维路径规划方法

针对传统无能耗约束的多无人机路径规划方法难以适应复杂山地作业环境的应急救援要求，提出了一种基于LSTM-DPPO(long short-term memory-distributed proximal policy optimization)框架的多无人机三维路径规划算法。利用LSTM长短期记忆神经网络提取出多无人机在各自飞行过程中的重要特征状态信息序列，经过多次迭代更新后得到一个最优网络参数模型，结合能耗生成最优的三维探测路径。实验结果表明：该方法相对于传统路径规划方法效果显著，能在能耗最小的前提下规划出最优探测路径。     

基于GA的n维空间优化参数的搜索算法

n维空间中函数优化、模式分类判别函数的确定等问题均可转化为n维空间优化参数的搜索问题。采用人工神经网或梯度爬山算法均存在对优化函数形式有限制及陷入局部最优等局限性。提出一种基于遗传算法的n维空间优化参数的搜索算法,它采用对变化方向和长度的编码以及分层由粗到粗的搜索,能实现全局寻优和改善搜索效率,有效地应用于工业优化、数据挖掘、模式识别等领域,二个实例验证了算法的有效性。