伪微分反馈控制系统的智能积分优化

研究了对伪微分反馈控制系统一阶和二阶系统的优化方法,将智能积分的概念应用在伪微分反馈控制系统中.经过研究实验,对于所有实际的一阶或者二阶被控对象来讲,智能积分PDF控制器无疑是一种有效的最优控制器.     

畜群放牧方式对家畜采食量影响的模型研究

通过放牧畜群放牧位（ Ｇｒａｚｉｎｇ ｓｔａｔｉｏｎ）概念的提出,建立了反映放牧方式对家畜日采食量影响的数学模型,并对畜群的最优放牧方式进行了探讨．研究结果表明,放牧位纵向长度大,纵向家畜数目少或放牧位之间的距离短都能为家畜提供更多的牧草采食机会．该项研究为放牧季尤其是关键季节（如早春）中畜群的放牧优化控制提供了理论依据,并与实践相吻合     

基于混沌优化算法的车辆路径规划问题研究

考虑节点连通关系约束和路段通行能力差异的车辆路径规划（Vehicle Routing Problem,VRP）问题比传统的路径规划问题更为复杂,有效的求解算法一直是研究的关键问题。本文分析了该类VRP问题的数学模型,提出了一种针对该问题的混沌优化算法,介绍了具体的编码方法和实现算子。最后通过仿真实验,验证了所提算法的有效性。     

基于Isight平台的多目标翼型优化设计

以Isight为集成平台,将遗传算法与CFD计算结合在一起,引入到翼型气动优化设计中.该优化设计方法不仅注重提高升阻比,而且在升力系数达到设计要求的条件下尽可能地减小阻力系数,以及防止绕前缘点力矩系数的剧烈变化.同时考虑到负迎角时的升力系数,可以说是真正的多目标气动优化.计算结果表明,这种优化方法是可行的.     

基于混合模拟退火算法的内窥镜布局优化设计

工程中存在着大量的布局设计问题,很多都是NPC问题,很难求解。提出了以启发式方法和模拟退火算法相结合的混合算法,可用于带性能约束的布局优化设计问题。在实例中将胶囊式内窥镜空间布局问题转化为轴向截面和横截面两个平面问题分别求解,对于轴向截面的离散变量问题,首先采用启发式方法进行元件层初始序列的排布,再采用模拟退火算法进行布局优化;在横截面上对连续变量则直接进行优化。优化结果经验算合理有效,该算法也可供旋转舱等工程布局优化问题借鉴。     

带约束的遗传算法理论研究及其在某型飞机耳片优化设计中的应用

本文提出一种以相对距离为惩罚因子来构造惩罚函数的方法,并结合浮点数编码遗传算法,成功解决了带约束条件的优化问题。通过该方法对某型飞机平尾操纵螺杆主接头直耳片进行了减重优化设计,在保证原疲劳裕度不变的前提下,重量降低了22.7%,同时给出了不同疲劳裕度对应的最优解,供工程设计参考     

基于BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。     

基于遗传算法的单向路网配时优化

为求取单向路网整体配时优化方案,实现路网排队长度最小,构造了路网排队长度模型作为评价函数。考虑到单向路网信号配时的整体性和相关性较强,计算复杂度较高,为降低计算的复杂度,采用遗传算法对路网排队长度模型进行计算,得到优化的配时方案。通过评价指标的对比,表明利用遗传算法进行最优值的计算可以取得很好的优化效果。     

非线性模糊综合模型在高校资本结构优化中的运用

假定反映高校资本结构的指标有n个,根据重要性分别赋予不同指标的权重,总权重为∑wi=1.运用模糊数学及运筹学,结合特尔裴法,计算各指标绝对值并进行标准化处理,根据事先确定的权重,计算加权平均资本结构总值∑Xiwi,对不同学校的资本结构总值进行比较,评价各高校的资本结构,从中寻找最优资本结构样本.也可运用间接模型直接将各高校的指标进行比较,寻找“理想型”资本结构的样本高校.     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。