遗传算法在水污染控制系统最优规划中的应用

针对水污染控制系统最优规划中存在的问题，提出应用遗传算法求解区域最优化模型，充分利用遗传算法全局搜索的能力，快速获得最优解。结果表明，这种算法可以克服试探法分段优化的不足，使规划结果更合理，投资费用更节省，为求解区域最优化模型提供了一种新方法。     

非精确搜索一维全局最优化方法

研究一维全局最优化问题的确定性求解方法。运用逐次建立目标函数的线性下界函数,将不含全局最优解的子区域删除,并基于非精确搜索结合下降算法而得出非精确搜索一维全局最优化方法,使计算量减少且使迭代收敛加快。迭代结束时该算法得到一维全局最优化问题的ε－全局最优解。该方法具有有限收敛性且不需精确的局部优化过程。文中的数值实例表明该算法的有效性。     

一种求解变量有界非线性规划的全局最优解新方法

提出了一种求解变量有界非线性规划的全局最优解新方法——不可行域移除(IRIR)法.在优化过程中,先计算原最优化问题的不可行域,然后在原最优化问题的求解空间中移除确定的不可行域,使得新的求解空间不断缩小,并通过研究不可行域的线性表达,在不影响最优解的前提下将非线性约束转化为线性约束,以求解非线性规划问题,其特点是所得最优解对原最优化问题约束函数的凸性和优化迭代起始点的位置不敏感.同时,阐述了IRIR法的原理和实现过程,在序列二次规划(SQP)算法的基础上,应用数值算例和弹簧设计2个典型实例,以验证IRIR法的可行性和正确性.结果表明:IRIR法可以有效降低原最优化问题的求解难度,且无需引入新参数,是一种具有较高求解能力和实用价值的全局最优化方法,但其不适用于求解设计变量无界的最优化问题.     

对偶理论在一类多项式全局优化中的应用

用Canonical对偶理论,讨论一类高阶多项式全局最优化问题的求解.首先将无约束多项式全局优化问题转换成箱体约束下的多项式全局优化问题,之后通过构造非线性变换对偶函数及相应的共轭函数,得到原问题的Canonical对偶问题.进一步通过求解对偶问题的最优解,导出原多项式全局优化问题的最优解,并给出对偶问题是凹函数的证明.最后应用所得方法,计算一个二元6次多项式全局最优化实例.     

全局最优化的填充修正打洞函数法

研究求解全局最优化问题的算法同.在分析了已有的填充函数法和打洞函数法之后,吸取了这两类算法的优点,给出了一种求取非线性最优化问题全局最优解的填充打洞函数算法.与通常的填充函数法相比,该算法降低了对其中参数的依赖,并且具有较好的求解可操作性.数值试验显示,计算效果是满意的.     

约束优化问题的内点正则牛顿法

研究了求解具有不等式约束最优化问题的内点正则Newton法.其基本思想是把求解约束优化问题的内点法和求解无约束优化问题的正则Newton法结合起来,建立起求解具有不等式约束最优化问题的内点正则Newton法.对于具有有界最优解集的凸约束最优化问题,任取一可行解作为初始点,内点正则Newton法所产生的点列均收敛到最优解...     

全局最优化的Darwin ＆ Boltzmann混合策略

提出并实现一种新的全局最优化求解方法－Ｄａｒｗｉｎ ＆ Ｂｏｌｔｚｍａｎｎ混合策略，它是一个综合了Ｄｒｗｉｎ进化策略和Ｂｏｌｔｚｍａｎｎ退火策略特点的通用随机迭代算法。理论分析证明，这一求解算法渐近收敛于全局最优解集且可具有多项式计算复杂性。     

基于粒子群优化算法的分散式废水处理网络的综合

基于分散式废水处理网络的超结构，建立了废水处理网络系统最优化的非线性规划模型和混合整数非线性规划模型．它们是具有非凸性的复杂非线性数学规划问题，用现有的方法进行求解不能保证得到全局最优解．因此，提出了应用新型随机型算法——粒子群优化算法求解上述复杂非线性最优化问题．算例问题的求解计算表明，提出的废水处理网络粒子群优化方法具有不要求初始可行点以及适应全局优化等优点，能够快速有效地解决废水处理网络最优化问题．     

动态投入产出最优化控制模型的微粒群算法

对于动态投入产出最优控制模型的以往求解方法,只能求出其局部最优解,而不能求出全局最优解.提出了一个新的动态投入产出最优控制模型,给出一个新的算法-微粒群算法,该算法计算结构简单,具有较强的全局寻优能力、收敛速度快和较高的计算精度.数值实验表明:提出算法的计算结果优于用传统的最优化方法计算的结果,同时也验证了微粒群算法对求解动态投入产出最优控制模型的有效性.     

基于多目标粒子群优化的服务选择算法

基于多目标粒子群优化算法提出一种高效的服务选择算法(MOPSOSS).首先将服务选择问题建模为带QoS约束的多目标组合优化问题;其次,根据支配的概念构造远小于原子服务集的新子服务集;最后基于多目标粒子群优化算法求解由新子服务集构成的服务选择问题,从而获得一组满足约束的pareto最优解.理论分析表明,MOPSOSS能正确、高效地求出原问题的全局最优解.与遗传算法(GA)的对比结果表明当问题规模大于150时,MOPSOSS的平均运行时间仅为GA的7%,求出的解的个数是GA的1.15倍,75%的解能支配GA求出的解,分布广度是GA的1.5倍.随着约束强度的增加,MOPSOSS的平均运行时间减少,而解的质量并无显著下降.与GA相比,MOPSOSS能用更短的时间求出更多高质量的解.     

遗传算法在水污染控制系统规划研究中的应用

将遗传算法应用于以汾河太原城区段南内环桥至小店桥为研究对象的水污染控制系统规划研究,将遗传算法在水污染控制系统规划研究中具体化,其应用结果较为满意.结果表明该算法对目标函数的形式与性质要求较低,可在全局范围内搜索并快速收敛,实现了水污染控制系统规划模型最优求解,且编程简单,易于将计算机技术应用其中.     

汾河太原城区段水污染控制系统规划研究

依据实际污染状况建立了汾河太原城区段水污染控制系统规划模型,并将遗传算法作为规划问题的研究手段,使研究方法系统化。     

投影寻踪模型在水污染控制规划中的应用

在水污染控制规划中,方案优选对于正确评价备选方案,使规划方案兼顾经济效益和环境效益的最佳平衡点具有重要意义。但方案优选涉及众多评价指标,且各指标量纲不尽相同及其权重较难确定等问题,目前常用的方法难以客观反映各指标数据所携带的数字信息;该文应用投影寻踪(PP)模型,建立水污染控制方案优选模型,并采用实码加速遗传算法来简化PP模型建模过程。为客观反映各指标的权重,构造新的投影指标函数,达到局部凝聚、整体分散的效果;实例计算表明,PP模型既可客观反映各指标的权重,又能正确评价各方案,具有有效性和通用性,可以适用于水污染控制规划管理中。     

水污染控制系统问题的随机机会约束规划模型及其混合智能算法

在水流量为随机变量且河流中工业污水含量标准给定的条件下,以极小化污水处理费用为目标,建立了水污染控制系统问题的随机机会约束规划模型.鉴于传统方法求解随机规划较为困难,给出了一个将随机模拟、神经元网络及遗传算法相结合的混合智能算法来求解该模型,并用算例进行了验证,结果表明该算法有较强的适应性.     

基于层次-灰色关联法的洱海农业面源污染控制技术综合评价

 农业面源污染是导致洱海富营养化的重要污染源,本文建立了考虑环境、经济和生态效益的面源污染控制技术评价指标体系,评价指标包括总磷、氨氮及化学需氧量去除率、建设及运行成本、技术稳定度、管理方便度和生态协调性等。同时,应用层次-灰色关联分析法,在洱海面源污染控制技术初筛的基础上,对备选技术进行综合关联度评判,获得最优方案。评价结果表明：生活污水污染控制备选方案中,土壤净化槽最优;在畜禽养殖污染控制备选方案中,基质化栽培最优;在农业径流污染控制方案中人工湿地最优。     

流域环境系统灰色规划(英文)

本文以厦门市饮用水源流域农业非点源污染控制规划为实例,探讨了流域环境系统规划的灰色方法问题。主要报告了如何建立灰色规划模型,如何求取规划模型的灰色解,如何将灰色规划解应用于流域规划等。文中介绍的求解灰色规划解的方法是一种近似方法,但十分有效,可以应用于求解类似的规划问题。研究表明,对流域环境系统进行灰色规划更加合理可靠,用灰色系统理论研究区域环境系统的规划问题具有美好的前景。     

基于多种群免疫遗传算法的配电网网架规划

配电网网架规划是一个复杂的组合优化问题,传统的优化方法往往难以解决此类问题.提出一种多种群的免疫遗传算法进行配电网网架优化规划,采用多个种群针对优化目标的不同方面进行优化搜索.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,种群之间通过优秀个体转移进行交互,有效防止了种群退化,提高了种群的多样性和遗传算法的全局寻优能力.以网络年费用最小为优化目标建立配电网网架规划的数学模型,利用多种群免疫遗传算法求得优化解,通过具体实例验证了该算法的有效性.     

整车物流双层轿运车车辆装载与路径整合优化研究

根据启发式算法思想,建立了双层轿运车的车辆配载和路径优化的双层规划模型。在路径优化的求解中融入一定的启发式搜索规则,设计了一种求解该双层规划模型的混合遗传算法,并给出了算法的编码方法、路径搜索方法和适应度函数的定义。案例分析表明,当乘用车种数不超过3种时,采用LINGO商业优化软件能在1 min内求出最优解;超过3种时求解时间呈指数增长。采用本文设计的混合遗传算法,能在较快时间内求出最优解,此模型和算法对编制大规模下的乘用车装载和配送计划具有较强的适用性和可行性。