基于竞争机制差分进化算法的无分流换热网络优化

换热网络综合问题是典型的混合整数非线性规划问题,所建立的数学模型具有非凸、非线性的特征,优化求解易陷入局部最优。本文提出了一种竞争机制下的差分进化算法并应用于换热网络综合问题。首先,利用拉丁超立方实验设计方法获得初始种群,使其均匀分布在解空间中,以保证初始种群的多样性。其次,引入竞争机制,将整个种群分为竞争胜利群体与竞争失败群体,对竞争胜利群体采用反向随机搜索与贪婪选择相结合的方式进行深度优化;竞争失败群体则通过向竞争胜利群体学习,提升竞争失败群体的质量。在对个体进行变异操作时引入自适应收缩因子,提高算法的全局优化能力与局部优化能力。对典型案例的验证结果表明,与其他算法相比,利用该算法可以获得年综合费用更低的换热网络设计方案,可以用来求解中等规模的换热网络综合问题。     

有分流换热网络同步综合

提出了一种以年综合费用最小为优化目标的有分流换热网络同步综合方法.该方法以分级超结构模型为基础建立一个不考虑等温混合假设的复杂混合整数非线性同步综合数学模型.为了合理降低控制学模型的求解难度,分级超结构中同时引入有分流并联结构和无分流串级结构.该模型的求解采用双层优化策略,外层利用遗传算法生成换热网络结构;内层利用粒子群算法优化物流分流比和换热器热负荷.采用两个典型算例和一个大规模换热网络综合问题对该方法的有效性进行了验证.     

解换热网络同步综合问题的列队竞争算法

给出了换热网络同步综合问题的数学模型和拓扑结构的描述,并确定了产生相邻换热网络的策略。在此基础上,提出了列队竞争算法解网络综合问题的计算方法。对实例问题的求解得到了优于文献报道的结果。     

MODEL AND ALGORITHM FOR OPTIMAL SYNTHESIS OF LARGE SCALE HEAT EXCHANGER NETWORKS WITHOUT STREAM SPLITTING

提出了大规模无分流换热网络最优综合问题（流股数超过５０股）的严格的混合整数非线性规划（ＭＩＮＬＰ）超结构模型．该模型建立在新的超结构基础上，可包含更多可行的换热网络结构，并成功地解决了“组合爆炸”问题．同时针对该模型提出了改进的遗传算法．文中给出了大规模换热网络综合的一个工业实例：乙烯装置的换热网络改造     

两种换热网络综合优化方法对比研究

换热网络的全新优化设计(grassroots design)和换热网络的改造优化设计(retrofit design)均可提高过程工业能量综合利用效率.为了对两种优化设计方法进行比较,分别在分级超结构的基础上,以费用函数为目标函数,建立了两种换热网络综合优化方法的数学模型.通过对混合遗传算法进行改进,实现了对数学模型的优化求解,并从节能水平、投资费用及投资回收期等方面对两种优化方法进行了对比.结果表明,通过对原有换热器单元的重新利用,使得换热网络的改造优化设计虽然在节能水平方面稍低于换热网络的全新优化设计,但在投资费用和投资回收期方面优势明显.     

求换热网络最小换热单元数的Hopfield神经网络模型参数估计

着重介绍换热网络最小换热单元数的混合求解方法中Ｈｏｐｆｉｅｌｄ神经网络模型的常系数、指数因子、迭代步长等参数的选择。各参数的确定建立在大量试验的基础上。这些参数的取值范围能够适用于不同规模的求最小换热单元数的换热网络综合问题。     

大规模无分流换热网络最优综合的模型与算法

提出了大规模无分流换热网络最优综合问题的严格的混合整数非线性规划超结构模型,该模型建立在新的超结构基础上,可包含更多可行的换热网的结构,并成功地解决了“组合爆炸”问题。同时针对该模型提出了改进的遗传算法。文中给出了大规模换热网络综合的一个工业实例;乙烯装置的换热网络改造。     

求换热网络最小换热单元数的Hopfield神经网络模型 …

着重介绍了换热网络最小换热单元数的混合求解方法中Ｈｏｐｆｉｅｌｄ神经网络模型的常系数,指数因子,迭代步长等参数的选择,各参数的确立建立在大量试验的基础上,这些参数的取值范围能够适用于不同规模的求最小换热单元数的换热网络综合问题。     

一类联想神经网络的计算机模拟实现

本文讨论了一类联想神经网络的综合方法，给出了计算机实现网络综合的算法程序流程图及网络综合实例，计算机模拟结果表明，综合出的网络在模式联想记忆中得到的结果与理论分析完全相吻合。     

基于遗传模拟退火算法的带约束换热网络综合问题

对大规模换热网络综合ＮＰ－困难问题,构造一新模型,并证明了新模型与原问题的等价性,由于新模型不仅能计算出优化变量所在的可行域,避免了传统遗传算法应用惩罚函数的方法处理约束条件时产生的大量不可行解的缺陷,而且新模型中的优化变量数成倍减少,增强了遗传算法获得全局最优解的能力。     

LTE上行链路高速铁路应用场景中的频偏估计方法

提出了一种长期演进(LTE)上行链路频偏最大似然(ML)估计算法,并通过定量分析该算法与基于2个训练序列相差的频偏估计算法(相差法)的估计性能,提出了一种联合频偏估计算法.仿真结果表明:与相差法相比,所出提的ML估计算法与联合估计算法的频偏估计范围均能够覆盖高速铁路应用场景中的最大频偏,且ML估计算法不受LTE上行链路跳频传输的影响;在信噪比10 dB且少于4个用户的情况下,2种算法均能够提供10-4或更小的归一化频偏估计均方误差;在单用户情况下,联合估计算法比ML估计算法的均方误差在信噪比上提高了近5 dB.     

一种快速的BM模式匹配改进算法

文章在分析BM算法以及一些重要的改进算法的基础上,提出了一种新的改进算法———BMG算法。该算法结合了BMH算法和BMHS算法的优点,同时考虑了字符串后一位字母的惟一性,大大提高了最大位移m 1的出现概率,因此有效地加快了匹配速度。     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

一种改进的迭代硬阈值算法

压缩感知重构算法直接影响信号重构速度和效果。迭代硬阈值(IHT)算法具有重构速度快的优点,但是其重构精度不高。提出一种改进的迭代硬阈值(MIHT)算法,在迭代硬阈值算法的基础上引入压缩采样匹配追踪(CoSaMP)算法中原子回溯的思想,保证每次迭代都能找到正确的索引集,提高算法的重构精度。Matlab仿真结果表明,本文提出的算法在重构精度上明显优于迭代硬阈值算法,而在迭代次数和重构时间上明显低于压缩采样匹配追踪算法。     

An improved GT algorithm for solving complicated dynamic function optimization problems

An improved Guo Tao algorithm (IGT algorithm) is proposed for solving complicated dynamic function optimization problems, and a function optimization benchmark problem with constrained condition and two dynamic parameters has been designed. The results achieved by IGT algorithm have been compared with the results from the Guo Tao algorithm (GT algorithm). It is shown that the new algorithm (IGT algorithm) provides better results. This preliminarily demonstrates the efficiency of the new algorithm in complicated dynamic environments.     

降低 OFDM 系统峰均功率比的改进算法

为降低正交频分复用(OFDM: Orthogonal Frequency Division Multiplexing)信号的峰均功率比(PAPＲ: Peak Average Power Ｒatio)过高对系统产生的危害,提出将最小二乘估计方法(LS: Least Square Estimation)融合到凸 集映射的星座图扩展技术中(ACE-POCS: Active Constellation Extension-Projected Onto Convex Sets),得到了一种 新算法(LS-ACE-POCS: Least Square Estimation of Active Constellation Extension-Projected Onto Convex Sets)。该算 法采用最小二乘估计算出一个最优因子,并将最优因子与消峰信号相乘,产生新的消峰信号,从而经过 1 次迭 代便可与传统 ACE-POCS 算法 10 次迭代相媲美。由 Matlab 仿真结果可知,在相同的仿真环境下,该算法经过 一次迭代比传统算法第 10 次迭代的 PAPＲ 低 0． 223 dB,并且其误码率性能稍微优异于传统算法,同时大大降 低了系统的复杂度。     

Improved Marquardt Algorithm for Training Neural Networks for Chemical Process Modeling

IntroductionResearch on artificial neural networks(ANN) hasmade great progress during the past few years.Neural networks have been widely used in chemicalprocesses.Among all kinds of networks,the back-propagation (BP) network is the most commonchoice forits high capability of nonlinear mapping,study and classification. Through adjustingnetwork weights according to samples,the BPnetwork can simulate systems with complexnonlinear mapping relationships,such as chemicalprocesses.　The most com…     

动态透镜成像学习人工兔优化算法及应用

针对基本人工兔优化(Artificial Rabbits Optimization, ARO)算法在解决复杂优化问题时存在收敛慢、精度不高和容易陷入局部最优等缺陷，本文提出一种改进的ARO算法(记为IARO算法)。IARO算法中的基于正弦函数的非线性递减能量因子能够帮助算法实现从探索阶段到开发阶段的良好过渡，从而提高算法的收敛速度和解的质量。此外，为了提高算法跳出局部最优的概率，IARO算法引入了一种动态透镜成像学习策略。为了证明IARO算法的优越性，首先选取了6个基准测试函数进行数值实验，然后用其求解2个工程设计优化问题和1个包括15个数据集的特征选择问题，并与灰狼优化(GWO)算法、鲸鱼优化算法(WOA)、正弦余弦算法(SCA)和基本ARO算法进行对比。结果表明，IARO算法有着比其他对比算法更优越的性能。     

混合优化算法

对连续函数的优化问题,本文提出了一个模拟退火算法（ＳＡ）与ＰＯＷＥＬＬ直接算法相结合的混合优化算法（ＳＡ－Ｐ）,数值实验表明该算法是有效的。     

非线性最优化中超线性收敛的序列线性方程组方法

提出了一个超线性收敛的序列线性方程组方法（ＳＳＬＥ）．此方法与现有的序列二次规划（ＳＱＰ）方法相比，其优点有：（１）由于新方法每一次迭代只需计算三个系数矩阵完全相同的线性方程组，因此迭代的计算量减少且算法的稳定性提高；（２）每一次迭代产生的点是可行的；（３）具有一步超线性收敛速度。