复杂箱体零件柔性机加工生产线平衡优化

在分析复杂箱体类零件柔性机加工生产线平衡问题相关约束及优化目标的基础上,提出了在生产线平衡优化的同时得到各工位最优或接近最优操作排序的方法.在引入工艺及工位约束的基础上,综合考虑加工中心的换刀及转位功能,以生产线节拍最短和成本最低为目标建立优化模型.采用粒子群算法求解,提出了一种启发式的译码方法,使每个粒子都能映射到一个满足约束的生产线平衡方案,引入了Pareto档案集,实现了多目标优化并结合精英保留策略提高了算法效率.最后,通过实例验证了该方法的有效性.     

快速投影Hessian矩阵算法

分析了求解等式约束非线性规划问题的投影Hessian矩阵算法,找出了算法两步Q-超线性收敛的原因,并用BYRD的例子说明此算法的收敛效果较差,即甚至不是线性收敛;对算法进行了合理的改进,并用改进后的算法求解BYRD问题,得到了满意的收敛效果,即Q-超线性收敛．借助数值试验验证了改进算法的快速收敛性．     

快速投影Hessian矩阵算法

分析了求解等式约束非线性规划问题的投影Hessian矩阵算法,找出了算法两步Q-超线性收敛的原因,并用BYRD的例子说明此算法的收敛效果较差,即甚至不是线性收敛;对算法进行了合理的改进,并用改进后的算法求解BYRD问题,得到了满意的收敛效果,即Q-超线性收敛．借助数值试验验证了改进算法的快速收敛性．     

结合独立发电商和环境保护的电源规划模型

给出了电力市场环境下的电源规划模型,充分考虑了两者对电源规划工作的影响.为了从根本上克服“组合爆炸”问题,结合电源规划具体工程实际,提出了一种实用且快速的电源规划算法,以电源投资费用等年值最小为目标函数,结合了相关技术约束(水火电平衡、电力平衡、电源投产/电厂开工时间)条件.通过对一个实际系统的测试,表明提出的模型和算法是可行、有效的.     

基于改进粒子群优化的多无人机协同航迹规划

由于航迹规划可以为多无人机飞行控制提供参考指令,且当前粒子群航迹规划算法存在收敛速度慢,成功率不高的缺点,故提出了一种综合改进粒子群的多无人机协同航迹规划算法,考虑了无人机性能约束、障碍与威胁约束、空间协同与时间协同约束。首先,通过对学习因子线性化调整,实现了粒子惯性和最优行为的平衡;其次,引入混沌初始化,改善了粒子分布质量;然后,基于遗传变异思想设计了取代策略,同时提出了调速机制,提升了算法收敛速度。最后,将综合改进粒子群算法进行仿真验证,规划结果成功率高、收敛速度快且航迹代价小,可见改进算法的有效性。     

基于残差修正的挠性转子动平衡量的计算方法

介绍了挠性转子平衡问题的数学模型,分析了目前工程上常用的几种计算挠性转子平衡问题的方法的缺点,提出了基于最小二乘方法的扰动算法、直接修正算法和约束算法.这些算法在一定程度上改善了原来的工程上计算挠性转子平衡问题的方法的缺点.计算实例验证了基于最小二乘方法的扰动算法、直接修正算法和约束算法可以得到更满意的结果.     

含有限缓冲区的多生产线协调生产计划的研究

研究了一类带有限缓冲区的多生产线协调生产计划的模型问题．通过对制造企业生产现场进行的调研，建立了上下游生产线成品关联结构，给出了成本最低的生产计划模型．该模型是非线性的且目标函数的梯度是分段常数，不能采用常规的非线性规划算法进行求解．考虑到该模型只有目标函数是非线性的，而约束是线性的，文中将非线性目标函数通过增加约束化为线性目标函数，从而把一个本来比较难以解决的非线性规划问题转化为线性规划问题，给实际应用带来了便利．仿真实例说明了依据该结构所建模型及算法的有效性．     

采用退火遗传算法的配电网优化方法

在分析多约束多目标配电网优化模型基础上,针对传统遗传算法求解时静态稳定性和鲁棒性不强、爬坡能力弱、收敛速度慢等问题,引入网络拓扑简化方法,决策变量多参数编码和退火动态罚因子处理约束,提出了基于退火遗传算法的配电网模型求解方法。通过实际农网决策工程验证表明,退火遗传算法适应度爬坡能力明显加强,稳定于1的几率提高,收敛于全局最优次数增多,运行时间缩减,而且综合费用比传统遗传优化方案减少了近50万元,从而达到了进一步优化的目的。     

基于改进RRT*的移动机器人运动规划算法

RRT*(快速搜索随机树)算法在以往研究中存在收敛速度慢、结果不稳定的缺点。针对此问题,文章在现有RRT*基础之上提出一种新型改进算法。该改进算法结合环境约束、车辆自身约束和运动学约束,舍弃原算法贪心思想并引入启发式采样节点插入算法,提高路径规划的速度和质量;接着对改进算法进行理论分析,证明算法具有概率完整性、渐近最优性,从理论上保证算法能快速收敛到最优路径。通过各种仿真环境的测试,验证改进算法的有效性、稳定性和正确性,也验证理论分析的正确性。     

多层布线有约束通孔最小化的遗传优化算法

提出了一种基于遗传算法的多层布线有约束通孔优化算法．算法允许通孔打在任意两层之间,并使得通孔不在它所穿过的层上与其它线网相交．通过在适应度函数中附加惩罚项,算法将有约束通孔优化问题转换为无约束通孔优化问题．同时采取面向线段的交配操作和面向线网的交配操作相结合的方式加快了算法的收敛速度．另外,自然编码方式与期望值选择机制也提高了算法的执行效率．实验结果表明本算法不仅优化效果好,而且收敛稳定和快速     

时变最优化信息处理技术及其应用(Ⅱ)——前馈神经网络学习算法

多层前馈神经网络应用成功的关键之一在于寻找一种有效的学习方法。尤其是在线应用,其学习和效率显著极为重要。而且前应用最广泛的ＢＰ算法却存在收敛慢和振荡等缺点。     

基于鲸鱼算法的巷道掘进爆破参数优化与应用

合理的巷道掘进爆破参数组合是提高生产效率和改善掘进生产环境的重要因素。建立巷道爆破掘进经济数学模型,对在综合成本最少的前提下优化巷道掘进爆破参数。以钻孔、爆破、铲装、运输等工程技术环节为基础,建立巷道爆破掘进的综合成本为目的经济数学模型,形成目标函数。鲸鱼算法较传统的智能优化算法有着收敛速度快、稳定性好和操作简单的优势。利用鲸鱼算法对目标函数进行优化,最终得到最佳的爆破参数组合,即周边孔抵抗线为0.78 m,周边孔间距为0.64 m,崩落孔抵抗线0.95 m,崩落孔孔间距为0.90 m,炸药单耗1.21 kg/m3,并得到了矿山的爆破掘进最佳综合成本在29.9元/m3左右,可以为矿山爆破掘进的爆破成本控制提供参考。     

基于改进神经网络算法的电力系统经济调度

为解决新能源接入大电网带来的能源损耗问题,进行常规能源发电机组的快速经济调度是一种有效措施。针对存在多种常规能源的电力系统,建立了考虑传输损耗的电力系统经济调度问题模型,基于增广的Lagrange-Hopfield 神经网络优化算法,引入乘子神经元传输速率参数,提出了改进的增广Lagrange-Hopfield 神经网络算法。从理论上证明了该算法的收敛性,以及收敛的快速性。以某一项目为例,选取不同的传输速率参数,验证了改进的增广Lagrange-Hopfield 神经网络算法受传输速率参数的影响,并且工程可行,收敛快速。     

仿射内点最优路径法解线性不等式约束的优化问题

提供了仿射内点回代技术的最优路径法解线性不等式约束的非线性优化问题，通过构造的最优路径得到搜索迭代方向，结合非单调内点回代线搜索技术获得可接受的步长因子，从而产生保证目标函数值非单调下降的严格内点可行迭代序列．基于最优路径的良好性质，证明了在合理的假设条件下，算法不仅具有整体收敛性而且保持超线性收敛速率．引入非单调技术能克服高度非线性的病态问题，加速收敛性进程，数值计算结果表明了算法的有效性．     

Software Module Clustering Algorithm Using Probability Selection

Software module clustering problem is an important and challenging problem in software reverse engineering whose main goal is to obtain a good modular structure of the software system. The large complex software system can be divided into some subsystems that are easy to understand and maintain through the software module clustering. Aiming at solving the problem of slow convergence speed, the poor clustering result, and the complex algorithm, a software module clustering algorithm using probability selection is proposed. Firstly, we convert the software system into complex network diagram, and then we use the operation of merger, adjustment and optimization to get the software module clustering scheme. To evaluate the effectiveness of the algorithm, a set of experiments was performed on 5 real-world module clustering problems. The comparison of the experimental results proves the simplicity of the algorithm as well as the low time complexity and fast convergence speed. This algorithm provides a simple and effective engineering method for software module clustering problem.     

线性不等式约束优化问题的仿射内点不定dogleg算法

使用仿射变换内点回代技术的不定dogleg算法解线性不等式约束的非线性优化问题．通过对构造的仿射不定dogleg路径进行搜索得到迭代方向，结合线搜索内点回代技术获得可接受的步长因子，产生保证目标函数值单调下降的严格内点可行迭代序列．在合理的假设条件下。给出了不定dogleg路径的良好性质，从而证明了算法不仅具有整体收敛性，而且保持超线性收敛速率．数值计算结果表明了算法的有效性．     

投影Hessian的内点回代算法解线性约束优化问题

提供非单调内点回代技术的信赖域投影Hessian算法解线性约束优化问题.基于矩阵QR分解的技巧,将仿射零空间的信赖域子问题变换成通常的信赖域子问题,然后结合线搜索技术,在每次迭代信赖域子问题都将产生新的回代内点.在合理的条件下,证明了算法不仅具有整体收敛性而且保持局部超线性收敛速率,引入非单调技术将克服病态问题,加速收敛性进程.     

Active micro-vibration control based on improved variable step size LMS algorithm

The contradiction of variable step size least mean square(LMS) algorithm between fast convergence speed and small steady-state error has always existed. So, a new algorithm based on the combination of logarithmic and symbolic function and step size factor is proposed. It establishes a new updating method of step factor that is related to step factor and error signal. This work makes an analysis from 3 aspects: theoretical analysis, theoretical verification and specific experiments. The experimental results show that the proposed algorithm is superior to other variable step size algorithms in convergence speed and steady-state error.     

邻域自适应的微分变异约束分数阶粒子群优化

分数阶粒子群算法（FOPSO）是一种具有路径记忆的改进型粒子群优化算法。在多峰约束优化问题中,针对FOPSO易于早熟和依赖于初始参数的问题,文中提出了一种邻域自适应的约束分数阶粒子群优化方法（NAFPSO）。在算法中,依据进化状态来动态调整邻域拓扑从而更新粒子位置和速度,以提高可行解的全局寻优能力和收敛速度;采用带惩罚因子的罚函数约束处理技术,迫使粒子趋向可行区域;设计了微分变异策略以增加种群多样性,增强粒子逃脱局部最优的能力。用9个约束优化基准函数实验验证了NAFPSO的有效性和收敛性能,并应用于2个约束工程设计问题,结果表明,提出的算法寻优能力强、收敛快、精度高、稳定性好,可用于有效地解决复杂的约束工程设计优化问题。     

信赖域内点算法使用非单调回代技术解有界变量约束的优化问题

改进了Coleman和Li提出信赖域内点算法解有界变量约束的优化问题。由信赖域子问题产生的迭代步运用于信赖域和非单调回代技术的混合策略。在定理的条件下，证明修正后算法的整体收敛性和快速的局部收敛速率。非单调准则能使问题在病态情况下加快收敛进程。