带扰动时变系统显式模型预测控制算法

针对模型预测控制滚动优化计算量大,很难用于对实时性要求比较高的工业生产过程,提出了带约束和扰动的时变系统显式模型预测控制算法。该方法利用离线与在线结合,离线时对带约束和扰动的时变系统的可行域进行区域划分,并得到每个区域对应的代价函数与控制率的显式函数关系式,在线时通过查表确定当前时刻状态所在区域即可得到相应的控制率,大大减少了在线计算量,提高了实时性。对算法进行仿真实验,证明了算法的可行性与稳定性。     

一类混合迭代算法在约束预测控制中的应用

为了改进多变量约束预测控制的滚动优化算法,对路径跟踪法和粒子群算法进行了理论研究,提出了一种将路径跟踪法和粒子群算法相结合的混合迭代算法,并用该混合算法对最具代表性的动态矩阵控制进行了滚动优化.仿真结果表明:对由于参数选择引起矩阵奇异时,路径跟踪法无法求出最优解,而基于混合迭代算法的优化算法可以得到最优解.采用路径跟踪法和粒子群算法相结合的混合迭代算法对多变量约束预测控制进行滚动优化,保证了优化算法的快速性和可行性.     

基于高斯扰动的反向蜉蝣优化算法

目的 解决蜉蝣优化算法收敛精度较低且易陷入局部最优解的不足。方法 将高斯扰动和混合反向学习策略与蜉蝣优化算法进行融合，提出一种基于高斯扰动的反向蜉蝣优化算法。该算法在雌雄蜉蝣种群中通过反向学习来扩大搜索空间，增加种群多样性；在迭代过程中对雄性蜉蝣的最优个体进行高斯扰动，防止算法陷入局部最优解。结果与结论将改进蜉蝣优化算法与其他7个对比算法在14个测试函数上进行数值实验，结果表明，改进蜉蝣优化算法具有更好的搜索能力和求解精度。     

基于拟牛顿法的同时扰动随机逼近算法

基于拟牛顿法原理,结合同时扰动随机逼近算法特性提出了一种搜索方向dk的计算方法,从而提高了同时扰动随机逼近算法的收敛速度和逼近精度.针对典型优化问题分别比较了改进后的同时扰动随机逼近算法、标准同时扰动随机逼近算法及二阶同时扰动随机逼近算法的优化性能,数值分析结果表明:改进后的算法在逼近精度上均优于其他两种算法,收敛速度介于其他两种算法之间.     

PSO算法扰动优化策略及其收敛性研究

为进一步提升求解精度、有效抑制早熟收敛,各类扰动（变异或跳转）优化策略常用来对粒子群优化（Particle Swarm Optimization,PSO）算法的pBest、gBest进行极值扰动,由此增强粒子在多维空间的搜索能力、提升算法性能．为分析扰动优化策略下粒子（PSO算法的搜索引擎）在多维空间的轨迹行为特性,采用级数对多维空间中粒子进行了理论分析并证明了扰动后粒子轨迹的收敛性;最后,结合项目调度问题在多维空间中对随机粒子运动轨迹进行了实证分析,验证了理论证明的相关结果．     

基于差分型思维进化算法的受限广义预测控制

针对广义预测控制(GPC)的滚动优化对受限控制量求解的复杂性,笔者提出一种基于差分型思维进化算法的受限广义预测控制方法(DMEAGPC)。用差分型思维进化算法处理带约束的非线性优化问题,以此作为滚动优化策略,求得最优控制律。并将该算法应用于电厂再热汽温系统,仿真结果验证了该算法的有效性和可靠性。     

基于IPSO算法的回转窑煅烧带温度D-FNN预测控制

为了提高石灰回转窑煅烧带温度的控制性能,提出一种基于改进的粒子群优化算法(IPSO)与动态模糊神经网络(D-FNN)的预测控制方法。该方法利用动态模糊神经网络建立石灰回转窑煅烧带温度的非线性预测模型,通过输出温度的预测值,引入输出反馈与偏差来校正预测误差,建立偏差与控制量的控制性能指标,通过改进的粒子群优化算法滚动优化得到系统最优控制量。对控制方法的稳定性进行分析。仿真实验结果表明动态模糊神经网络的温度预测误差在±10℃之内,具有较高的预测精度。提出的预测控制方法能使输出煅烧带温度快速稳定地跟踪设定值的变化,同时在系统输出有扰动的情况下也能较好地跟踪设定值。控制量的平均单步滚动优化需0.31 s,可满足实际应用。     

局部阴影下光伏阵列最大功率点跟踪算法的研究

传统的最大功率点跟踪(MPPT)算法在光伏阵列多峰情况下容易陷入局部最优，蝴蝶优化算法有全局优化能力，但由于收敛精度较低而没有被广泛使用。提出了一种改进蝴蝶优化算法与扰动观察法相结合的MPPT算法，引入混沌映射理论和动态切换概率改进蝴蝶优化算法。先通过蝴蝶优化算法的全局搜索能力定位最大功率点范围，后切换小步长扰动观察法精准定位最大功率点。混合算法结合了蝴蝶优化算法和扰动观察法的优点，通过Simulink仿真实验，与传统蝴蝶优化算法、粒子群算法作对比，改进后的算法能够适应复杂多变的光照环境，且在收敛精度和速度方面均有一定优势。     

改进单纯形法及其应用

为提高复杂环境模型参数识别的性能和效率,提出了改进单纯形法(IMSM)。该方法融合了随机全局搜索和单纯形法局部快速搜索两类算法的不同搜索机制,具有很强的广度搜索和深度搜索能力。以基于随机介质理论的抽水地面沉降时空耦合预测模型的参数识别为例,将IMSM算法应用于该模型中4个参数的优化识别。计算结果表明:无论在有扰动还是在没扰动条件下IMSM算法都能高效可靠地搜索到抽水地表沉降预计模型参数的全局最优解,说明此方法应用于复杂环境模型参数识别是可行的,同时,通过不同算法的比较也说明了IMSM算法在搜索性能和效率方面的优越性。     

含电压稳定裕度约束的模型预测电压控制器设计

本文提出一种基于模型预测控制的新型电压控制器设计方案,当系统发生扰动导致电压下降时,该控制器通过调节发电机参考电压设定值和无功补偿点的电容器投切量,使故障后系统电压恢复并满足给定的电压稳定裕度。该滚动优化模型中,目标函数综合考虑了电压偏移和控制成本,其等式约束为系统微分代数方程式,并将电压稳定裕度约束引入到不等式约束条件中。为了提高求解效率,采用直接动态优化方法将该动态优化模型转化为非线性规划问题,并采用AMPL优化建模软件提供的内点算法求解。以新英格兰39节点系统为基础构造的算例表明了所提方法的有效性。     

求解非光滑优化问题的改进大洪水算法

应用启发式算法求解非光滑优化问题,解决基于次梯度信息的确定性算法在求解时困难较大的问题.首先分析了基本大洪水算法的优化机理及特征并给出其求解步骤,然后针对无约束及盒子约束问题分别设计了改进的大洪水算法,将基本大洪水算法所依赖的参数up省去.对于无约束情形,提出了进行邻域搜索的随机行走法;对于盒子约束情形,提出了选择初始可行点的方法和进行邻域搜索的混沌优化算法.最后通过算例进行测试并与其他算法进行对比,测试结果表明了改进的大洪水算法在求解非光滑优化问题时的有效性与优越性,故其可作为求解非光滑优化问题的一种实用方法.     

一种布谷鸟-交叉熵混合优化算法及其性能仿真

为了提高布谷鸟搜索算法在求解复杂优化问题时的收敛速度和搜索精度,基于交叉熵方法,构建了一种新的布谷鸟-交叉熵混合优化算法.该算法将基于模型的交叉熵随机优化算法和基于种群的布谷鸟搜索进行有机融合,采用协同演化策略,既提升了混合算法收敛速度,又改善了其全局优化能力.对经典测试函数和PID控制器整定问题的仿真结果表明,新算法具有全局搜索能力强、求解精度高和鲁棒性好等特性,是一种求解复杂优化问题的可行和有效算法.     

通信网频率分配算法研究

本文总结了在频率分配领域中运用的各种可行、有效的智能算法,它们是：遗传算法,蚁群算法,模拟退火算法,禁忌搜索算法等。这些算法大大丰富了现代优化技术,也为那些传统优化技术难以处理的组合优化问题提供了切实可行的解决方案。对频率的分配有参考价值。     

一类优化问题的近似算法

利用分段线性化技术对广泛应用于工程、金融等领域中的一类优化问题提出一近似算法,数值实验表明本文方法是可行的.     

两阶段结合形式的梯度投影法

借助梯度投影给出非线规划问题的一个算法,它避开复杂的罚函数．但方法仍可用任意点作为初始迭代点,且将初始化阶段和最优化阶段密切结合起来．一旦迭代点进入可行域,方法将成为可行方向法．在强非退化假设下,算法收敛于问题的Ｋ－Ｔ点．     

约束优化问题的改进粒子群优化算法

提出一种求解约束优化问题的改进粒子群优化算法.该算法更多地考虑了当前全局最优粒子和个体最优粒子对粒子群搜索能力的影响,对速度更新公式做了改进;然后利用修正的可行基规则来更新个体极值和全局极值,从而引导不可行粒子尽可能到达可行的区域,以增加种群的多样性和提高全局搜索能力.数值实验表明,该算法是有效、稳定且计算精度高的全局...     

求解约束优化问题的多成员人工蜂群算法

针对约束优化问题提出了一种多成员人工蜂群算法.新算法设计了一种多成员机制,增强了在可行域内的搜索能力.在进行选择操作时,允许拥有较优目标函数的不可行解战胜可行解,增强了种群的分散性;在处理等式约束时,引入一种约束放松程度从大到小变化的机制,充分利用了等式约束周围不可行解的信息.针对13个标准测试函数的仿真实验表明:当处理含有等式约束且可行域较小的问题g13和最优解位于可行域内部且可行域较大的问题g02时,与改进人工蜂群算法相比,新算法最优解的均值误差分别减小了76%和80%.     

基于离散粒子群优化算法的造林规划设计

指出造林规划设计问题实质是一个离散约束优化问题。应用离散粒子群优化算法求解目标函数,以保证解的合理性法和惩罚函数法相结合处理约束条件。分析实例表明,离散粒子群优化算法可用来优化造林规划设计方案,与模拟退火算法比较,效果更好。此研究结果可为科学造林和最优化经营管理提供新思路,丰富粒子群应用领域。     

面向可靠性冗余优化的自适应差分进化算法

针对可靠性冗余优化问题中解的精度低及算法早熟收敛的问题,提出一种自适应的差分进化算法.该算法在原始差分进化算法的基础上修改了变异算子和交叉算子;在进化过程中,缩放因子F和交叉概率CR分别由三角函数实现自适应调节,以提高可行解的多样性及算法的收敛速度.解决了可靠性冗余优化问题解的精度低及早熟收敛问题.实验结果表明,该算法在解决可靠性冗余优化问题上不仅提高了解的精度,且具有更好的稳定性及更快的收敛速度.     

大学考试时间表问题的混合遗传算法求解

考试时间表问题是一类典型的组合优化问题,也是NP难问题。分析了大学考试时间表编排的特点,给出了一种解决考试时间冲突的自动生成考试时间表的可行时段-查找算法。为进一步解决时间间隔问题,将可行时段-查找算法嵌入到遗传算法中形成混合遗传算法。实验结果表明,本文提出的混合遗传算法能快速、有效的解决大学考试时间表问题。