多无人机编队控制轨迹的凸优化设计

将多无人机编队控制优化模型分解为优化层和协调层,从而将多无人机编队控制轨迹的设计转化为优化层和协调层的优化设计。首先在共有的辅助决策变量汇合点的前提下,对优化层采用对偶理论将约束问题转化为无约束问题,进而利用最优必要条件求解最优的控制输入信号值。对协调层关于辅助变量汇合点的设计,可采用凸算法中的梯度投影策略,并分析该梯度投影算法的收敛性。最后用仿真算例验证该方法的有效性。     

基于平行坐标法的发动机多变量设计优化数据相关性分析

为有效利用发动机设计分析和优化计算中产生的多变量数据,应用平行坐标法对数据进行可视化.首先将设计方案点映射为平行坐标系中的一系列多边折线,然后采用一定赋色原则解决大量数据点引起的图形重叠问题,并采用一定交互手段选择不同的设计变量、目标函数和约束,最终根据平行坐标与笛卡尔坐标的映射关系,结合各坐标轴上颜色变化趋势分析各设计变量、目标函数和约束之间的相关关系.该方法将多变量相关关系分析问题转变为二维模式识别问题,为设计优化提供一种直观有效的辅助分析手段.某型发动机设计优化数据相关性分析实践证明了该法的有效性.     

基于满意度原理的多学科协同优化

由于多学科设计优化涉及众多复杂因素，各个学科需要满足的约束是不同的，而系统级通常采用一致性约束来保证学科级共享、耦合变量及目标值的一致,在很多情况下共享、耦合变量及目标值满足了约束，但是各个学科获得的并不是本学科的最优解．本文采用满意度原理设计协同优化的系统级目标函数，综合考虑了学科级优化解的满意度和共享、耦合变量及目标值对于一致性约束的满意度，以增强协同优化的综合处理能力．齿轮变速箱优化实例表明该方法是可行有效的．     

基于子结构方法的离散结构协同优化

针对复杂离散结构优化存在设计变量多、寻优困难等问题,提出一种基于子结构方法的分解协调策略,并采用基于子结构分解协同优化框架求解。将大规模结构分解为多个不重叠的、规模较小的子结构,每个子结构对应一个学科。将原优化问题的设计变量、优化目标以及约束分配至各个学科。每一轮系统迭代中,系统层仅进行一次完整结构的有限元分析,学科层执行子结构优化和有限元分析。耦合状态变量由系统层输入,在学科层作为定值。系统层进行整体结构分析后更新耦合状态变量值,以协调学科之间耦合状态变量的差异。该方法将复杂的整体结构优化问题分解为多个并行、独立的子结构优化问题。算例表明:相比于整体结构优化,该协同优化方法显著降低了整体结构分析次数,能够更加稳定地找到更优解。     

应用有限元优化法设计空间扫描镜结构

介绍了一种在空间望远镜扫描镜上使用基于有限元的多参数优化方法,进行结构设计的思路.将扫描镜需要设计的结构参数定义成设计变量,设计条件定义成约束和目标函数,使用Optistruct优化程序进行了尺寸和形状优化,计算结果能很好地满足设计要求,且灵敏度分析结果可为进一步设计修改提供参考.     

一种改进的快速收敛多学科设计协同优化方法

为解决协同优化(CO)方法计算量过大、收敛速度较慢的问题,提出了一种面向复杂工程系统多学科设计优化的改进的快速收敛协同优化方法(IFCCO).首先,将系统优化的全部设计变量分为全局设计变量和局部设计变量两个部分,在系统级添加各子学科内与全局设计变量相关的约束条件,使得系统级优化只控制全局设计变量,而学科级则只控制局部设计变量,从而消去辅助设计变量;然后,基于学科状态方程,在系统级和学科级同时构建耦合变量的一致性约束条件,保证更严格的耦合变量一致性求解,并赋予各子学科完全的自治权.通过两个典型的MDO算例检验了IFCCO方法的计算特性,结果表明:该方法在严格保证耦合变量一致的前提下,计算量大大减少,收敛速度得到很大提高.     

强耦合声振薄板结构的降噪阻尼层优化

研究了平稳激励下附加阻尼层薄板结构的声辐射优化问题.考虑了声介质与薄板间的耦合作用和位移约束弹簧边界,建立了含弹性边界的有限元/边界元声振强耦合模型.在优化设计问题中,将声功率和声压转化为以结构位移为变量的表达形式,提出声功率和声压灵敏度的直接求解方法;根据薄板厚度与质量和刚度矩阵的关系推导并建立了以阻尼层相对厚度为设计变量的人工阻尼材料模型,讨论了强弱耦合模式、弹性边界条件、激励频率和阻尼系数对优化设计的影响,数值优化算例证明了所提方法的有效性.     

多层框架结构区间优化新方法

多层框架结构的设计参数受测量或加工精度影响往往具有一定的误差或不确定性.针对设计参数具有不确定性的多层框架结构,提出一种区间优化新方法.用区间数表征框架结构的不确定设计参数,通过优化框架结构响应区间值的上界,将区间优化问题转化为近似的确定性优化问题.将结构响应Taylor展开式中的一阶导数也看成区间的,可得到框架结构响应更加准确的变化范围. 选择区间设计参数的中值和半径为优化变量,可以得到比传统确定性结构优化更多的优化信息.对一典型四层框架结构进行了具有频率约束的区间优化.结果表明,区间优化不仅能得到与传统结构优化大致相同的设计参数最优值,还能得到当实际工程问题中设计参数取不到理论最优值而有微小波动时,框架结构响应的变化范围,为框架结构的可靠性分析提供理论依据.     

基于免疫粒子群-齿行法的桁架结构分层优化

针对考虑应力约束、位移约束和压杆稳定约束的桁架结构进行形状和尺寸优化,提出了一种基于免疫粒子群优化算法和齿行法的桁架结构优化算法.对形状和尺寸2类耦合变量进行分层处理.内层考虑各类约束条件,利用收敛速度较快的齿行法对给定形状的结构进行截面优化,使其自重最轻,将约束问题转化为非约束问题;外层则通过全局搜索能力较强的免疫粒子群算法对结构形状进行全局搜索,得出最终优化结果.通过37杆平面简支桁架桥和25杆空间桁架2个经典算例验证了所提算法的有效性.结果表明,所提算法采用内外层嵌套搜索,能够更好地处理2类变量的耦合关系,有效缩小了解空间的范围,具有良好的优化效果和较高的搜索效率.     

遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法．探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法．该算法可处理受应力、位移约束的结构优化问题．数值计算实例表明该算法效率高，具有很强的适应性     

多峰函数寻优的微粒群算法

某些实际问题的优化目标是求所有的局部最优解，即求解多峰寻优问题，为了求解多峰优化问题，提出了改造的微粒群优化算法．尽量减少微粒群算法中的全局因素，从而增大其局部因素，同时采用变步长方法增加微粒的多样性．并给出了该算法的原理和步骤．仿真实验表明该算法概念清楚，计算简单，具有很好的局部寻优特性，可应用求解于多峰寻优问题．另外还给出了几个运算实例和与其它优化算法的比较．图表，表1，参9．     

浅析关系数据库性能优化技术

在数据库系统的运行过程中,随着数据量的增加,各方面性能都会逐渐下降。为了提高数据库性能,可以从优化数据库设计、存储方案、索引设计和并发控制等多个方面入手来解决。适当程度的非规范化可以改善系统的查询性能;将数据均匀分布在磁盘上可以提高I／O利用率,提高数据的读写性能;建立索引和编写高效的SQL语句能有效避免低性能操作;在编程过程中充分考虑并发控制可能导致的不一致性问题,会有效避免死锁的发生,解决性能的瓶颈。     

企事业过程模型自动模拟和优化算法

使用适合的优化算法,并依靠计算机的不断模拟执行,企事业过程模型可以得到一定程度的改善和提高。简要介绍了最优化方法和常用的优化算法,着重阐述了企事业过程模型的参数优化问题中所采用的优化算法。     

平面绞链四杆机构的改进微粒群算法优化设计

文章介绍了微粒群优化算法的原理，提出了增加种群多样性和算法随机性的改进微粒群算法及实现过程，并把该算法应用于复杂机械优化问题。实例表明，该方法全局收敛性好，是解决工程设计中复杂线性优化问题的可行方法。     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

机械结构多级优化的问题与对策

本文讨论了结构优化,尤其是结构方案阶段优化中所存在的问题,指出了结构系统优化与多级优化的区别与联系,分析了研究结构多级优化的必要性与可能性。接着以系统科学及设计方法学的思想为指导,提出将结构优化分为截面、形状、布局、拓扑及形式优化五个层次,并总结了一种解决复杂机械结构多级优化问题的一般对策,讨论了开展结构多级优化所需工具软件等相关问题。     

结构拓扑及参数优化研究的发展

首先介绍了关于结构优化的基本问题,然后按其分类方式阐述了各种优化方法的研究现状,最后对结构拓扑优化中的常用算法及其常见的数值不稳定现象进行了分析.     

一种改进PSO算法的电力系统无功优化方法

粒子群优化（PSO）算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化．该算法简单易实现,可调参数少,已得到广泛研究和应用．本文将粒子群优化算法应用到电力系统无功优化问题的研究中,给出了具体的实施流程．为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第3种极值指导粒子搜索方向．对IEEE-6节点系统的仿真计算结果表明了算法的有效性．     

电力系统多目标无功优化研究

在传统无功优化模型的基础上,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大和电压水平最好的多目标无功优化模型.基于Pareto最优概念的改进多目标粒子群算法应用到多目标无功优化的求解中,对IEEE30节点统进行了仿真计算.优化结果表明,该模型在实现系统经济运行的同时也增强了电网的电压稳定同时求得的一组最优解能够为优化方法的决策提供更多的有效参考,具有实际意义.     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.