动态流量多约束优化路径算法

基于多重上联链路网络,建立一个考虑多服务质量(QoS)度量约束限制的网络路径寻优调度模型,并针对时延和剩余带宽提出动态流量多约束优化路径算法(MOPA).基于MOPA和最短路径约束,给出了具有一个多重上联链路的确定性网络拓扑中实现优化流量费用的工程方法.通过分析网络资源现状及目标作用的重要程度,以主次目标形式考虑,建立目标之间的关联,简化多目标之间关系,使用迭代方法求解非线性约束条件下的流量和代价的优化解,动态选择最优路径使流量费用比最优化并实现工程应用.实验表明,该算法适用于多链路网络各种负载下的流量优化.     

联合火力打击中武器目标分配问题的多目标优化模型及算法

联合火力打击中确定最优的武器目标分配方案是具有挑战性的问题.为解决该问题,考虑需要在潜在打击目标中确定打击目标,建立了一个以最大化期望毁伤收益和最小化打击成本为目标的多目标优化模型.采用加权求和法以及偏好将多目标优化模型转化为全局约束优化模型.设计了具有较好搜索能力的交叉和变异算子的遗传算法.实验结果表明,所提出的算法可以得到比对比算法更好的分配方案.     

基于CO2排放控制的炼厂能量系统改造及其多目标优化

针对炼厂能量利用系统,提出了将换热网络改造与燃料转换相结合的炼厂CO2减排控制方法,建立了年度化改造总费用与CO2年排放总量权衡的多目标优化数学模型,考虑了系统改造的经济性和系统改造所额外增加的CO2排放对系统优化的影响,采用ε约束法获得了Pareto最优前沿。以某炼厂蜡油加氢装置换热网络为例,阐述了所提出方法的实现过程及其效果,获得了CO2年排放量与年度化改造总费用之间的Pareto最优前沿以及CO2年排放总量限制条件下的最优改造策略,为炼厂的CO2减排与控制提供了多目标优化的理论基础。     

处理带约束的多目标优化进化算法

针对当前对求解多目标优化的遗传算法中主要考虑如何处理相互冲突的多个目标间的优化,而很少考虑对约束条件的处理的问题,提出一种求解带约束的多目标优化遗传算法,利用邻域比较与存档操作遗传算法处理多个相互冲突的目标之间的优化、利用不可行度选择操作处理约束条件和选用约束主导原理指导进化过程选择操作; 面向多目标约束优化算法,列举了2个难点典型问题进行仿真计算研究,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解.     

基于遗传算法的参与式感知激励机制的优化

以最大化有效参与者数量和最大化感知区域覆盖率为优化目标,以服务提供者的有限预算为约束,建立参与式感知激励机制多目标优化模型,运用遗传算法对模型求最优解。同经典激励机制优化方法 RADP-VPC-RC和GIA在相同参数条件下的仿真结果进行对比,证实了遗传算法优化模型的有效性和优越性。     

两跳多中继网络中改进的前向放大中继策略

单源单宿多中继多天线系统中,中继总功率受限的最大化系统传输速率问题为非凸优化问题.针对此问题分别提出TFSA (Target Function Simplified Algorithm)和CCSA（Constrain Conditions Simplified Algorithm）两种优化算法.TFSA通过缩放信道矩阵与其共轭转置矩阵乘积的特征值使此问题成为凸优化,并使用传统凸优化方法获得其最优数值解;CCSA通过缩小此优化问题的约束集并转换自变量使之成为凸优化,再利用拉格朗日算法获得其解析解,能够实现算法复杂度和系统性能的折衷.实验仿真表明,TFSA算法能逼近最优算法实现的系统性能; CCSA与已有算法比较获得了一定的速率增益,且实现复杂度低.     

考虑需求响应的多目标模糊机会约束动态经济调度

风电和需求响应参与电网调度带来了显著的经济效益并降低了负荷波动,但是风机出力的不确定性给电网动态经济调度带来挑战。针对上述问题,建立考虑需求响应的多目标模糊机会约束动态经济调度。首先,分析风电预测误差在不同功率的模糊特性,并拟合出模糊参数,进而获得风电的模糊隶属度函数。其次,根据模糊理论对系统约束形成可信性测度的模糊机会约束,建立考虑经济和负荷方差的多目标优化模型。在模型求解上,采用清晰等价类将机会约束清晰化,采用基于分解的多目标进化算法求解,然后采用模糊聚类的Pareto最优解集筛选最优解。算例结果表明,所提出的模型,能够有效权衡风电并网风险、系统利润和系统负荷波动。     

多无人系统跟踪与编队的自主式预测控制算法

针对多无人系统的跟踪与编队问题,考虑跟踪与编队控制目标存在不一致及不可实现的情况,综合目标规划与预测控制方法,设计了一种确保控制目标一致且可实现的自主式预测控制算法.首先根据给定的跟踪与编队控制目标,通过为各无人系统引入规划控制目标,对目标代价函数进行重新设计,解决跟踪与编队控制目标不一致问题;然后对引入的规划目标进行约束设计,保证其具有可实现性;其次为各无人系统设计预测控制终端约束集,进一步保证对规划控制目标的收敛性;最后对重新设计的目标代价函数与相关约束进行整合,为各人系统构造独立的控制优化问题,并给出相应的自主控制实施算法,将不一致、不可实现的跟踪与编队控制目标规划出一致、可实现的控制目标.针对为各无人系统所构造的控制优化问题,进一步将其描述为线性矩阵不等式形式,并通过MATLAB求解仿真,验证了所提出的自主预测控制算法的有效性.     

基于分解多目标进化算法的光刻区调度方法

针对晶圆制造系统光刻区调度问题,考虑设备专用性约束、掩膜版数量约束及设备加工能力约束,以最小化总完工时间和光刻成本、最大化晶圆准时交付率和设备利用率为目标,提出了基于分解多目标进化算法的光刻区调度方法．针对非支配前沿点分布不均的问题,设计了基于聚类分析的参考点生成方法;综合考虑非支配解的分布均匀性、收敛性及计算资源的合理分配,改进了惩罚边界交叉聚合函数;设计了外部档案变邻域搜索方法,提高算法的求解质量和收敛速度．24组基准算例和晶圆制造仿真系统连续12个月的测试结果表明：提出的分解多目标进化算法相对于多种多目标进化算法,能够取得更好的收敛性和解的多样性．     

DF多跳协作系统中基于最大系统容量的功率分配优化算法

针对多协作节点参与的多跳协作通信系统,以最大化系统容量为目标,在总发射功率受限的条件下提出一种译码转发(DF)模式下的功率分配优化算法,基于这种算法得到了最大化系统容量的功率分配最优解.仿真时采用BPSK调制.仿真结果表明,提出的算法和基于最小化中断概率优化算法、平均功率分配算法及直接传输相比误码率明显下降.     

基于分布式神经动力学算法的微电网多目标优化

针对微电网多目标优化计算量较大的问题,提出了一种考虑需求响应的微电网分布式神经动力学优化算法.首先,考虑平均效率函数、微电网的排放、需求响应引起的不满意度以及总利润函数等因素建立多目标优化模型.其次,应用单目标积公式将多目标优化问题转换为单目标优化问题,并证明了最优解是原始多目标问题的帕累托最优点.再次,使用对数障碍物惩罚因子处理不等式约束,利用Lasalle的不变性原理和Lyapunov函数证明所提出的算法可以收敛到最优解.最后,通过仿真验证了本文算法可以在保证优化精度与收敛性条件下,大大降低计算成本.     

多目标模糊优化方法及其在工程设计中应用

应用多目标模糊优化方法,以工程设计中桥式起重机箱形主梁设计为实例,建立了桥式起重机箱形主梁多目标模糊优化设计的数学模型,构造了模糊目标集,确定了多目标函数的模糊性和约束的模糊性,并应用最优水平截集法实现了模糊约束到实数论域上的集合转换,从而用遗传算法寻求到子目标函数在可行域空间的最优解和约束最优值.优化结果表明,在工程设计中应用多目标模糊优化方法是可行和有效的.     

积分差分方程给出的多种群生态模型的最优捕捞

考虑一个由积分差分方程组描述的多种群的最优捕捞问题.这是一个描述同时在离散时间上生长和在连续空间中扩散的系统.目标是收益最大化,讨论这个最优捕捞的存在性和必要条件.     

小天体多目标多模式探测任务设计

多目标多模式小天体探测具有降低任务成本、增加科学回报的优点,本文针对多目标多模式小天体探测任务中摄动敏感、约束复杂以及推力幅值变化等任务规划的设计难题,研究了地球准卫星采样返回以及主带彗星交会探测任务的转移轨道设计问题.首先,介绍了探测目标的科学价值并根据任务约束给出探测任务构想.其次,基于椭圆型限制性三体问题,考虑星历、发射能量和采样返回再入速度等约束,设计并优化了地球准小行星目标的多脉冲采样返回轨道,实现地球发射与返回段和星际转移段全过程的精确飞行设计.最后,根据任务约束,推导了推力幅值可变的最优小推力转移轨道的一阶必要条件并给出考虑借力约束的初值选取方法.以采样后火星借力探测主带彗星为例,求解并分析了最大推力幅值衰减的小推力交会轨道.本文的研究方法可为我国未来的深空探测任务提供参考.     

多Agent系统中任务分配问题的分析与建模

针对多Agent系统(MAS)内外环境变化所产生的不确定性和任务分配序列决策的要求,利用马尔科夫决策过程(MDP)模型对MAS中的动态任务分配问题进行了分析和建模.其中,状态空间由各Agent的当前负载和待分配的任务组成,每一状态下有多种任务分配方案,利用迭代方法可以获得最佳的任务分配方案以实现系统长期收益最大化的目标.仿真实验表明,MDP模型可以合理地模拟MAS中任务分配的运作过程,并在小规模环境下方便地获取最优任务分配策略.     

带含糊厌恶的股东价值最大化

主要考虑一类带含糊厌恶(ambiguity)的比例再保险盈余模型.以股东红利效用最大化为目标,定义值函数为红利效用的累积折现加破产补偿,在有偿债率约束情形下,推导了相应值函数满足的一类HJB方程,同时对最优红利和再保险策略进行了分析.最后,在特定条件下,将最优值函数所满足的HJB方程化为了二阶常微分方程,通过求解得到最优红利和再保险策略.     

一种考虑可靠性指标的最优潮流模型

提出一种考虑可靠性指标的最优潮流模型.该模型能考虑系统中的随机因素,通过z变换法构造电力系统的可靠性指标约束,将该约束添加到经典最优潮流(OPF)模型中共同求解,从而使电力系统的调度或控制能在满足一定的失负荷概率(LOLP)指标的前提下实现最优运行.所提模型是一个典型的非线性规划模型,采用内点算法求解.通过RTS-24系统仿真测试以及随机生产模拟程序分析发现,与经典OPF得到的发电计划相比,考虑可靠性指标后电量不足期望值下降了31.48%,而生产成本仅上升了14.39%.因此,所提模型能使系统的调度综合考虑可靠性和经济性,运行方案更实用.     

基于多目标优化的数控实时任务参数选择方法

针对协同设计模式下数控实时任务参数的选择问题,提出一种基于多目标优化的任务参数选择方法.该方法依据实时任务模型、性能目标以及系统约束建立数控任务参数选择问题的多目标优化模型.对于优化模型的求解,提出一种具备协同进化算子与精英团队保留机制的扩展型非支配排序遗传算法,以实现在大规模决策空间下的快速搜索,使得数控系统整体性能目标最优.最后,基于仿真实验分析总结了数控实时任务参数选择策略,通过对比传统任务参数选择方法证明了所提方法在实际应用中的优越性.     

时延约束多载波系统中多用户分集性能

多用户分集是最近多用户信息理论确定的无线通信网络中固有的分集方式，它在不考虑单独用户数据速率和时延约束情况下可以达到系统容量最大化。为此，提出一种用于多载波系统的基于并行无线调度策略和注水算法，并满足明确服务质量参数约束的多用户分集算法，分析了时延约束条件下多载波系统中多用户分集性能。仿真结果表明，算法相对固定分配资源和单用户最优资源分配的多载波系统可以获得显著的系统容量增益。     

采用多目标粒子群算法的模拟电路故障诊断研究

提出了一种容差条件下基于多目标粒子群(MOPSO)算法的模拟电路软故障诊断方法.通过灵敏度分析,建立模拟电路故障诊断的约束线性规划方程组,以元件参数变化量与标称值的百分比作为故障判据.针对MOPSO中目标空间增加时种群选择压力影响算法性能的问题,采用阶有效优化准则代替传统的Pareto优化准则,引入最优折中解作为全局最优解,从而提出基于阶有效的平衡全局搜索策略多目标粒子群(ESEO-MOPSO)算法,并将其用于模拟电路故障诊断的约束线性规划方程组的求解中.仿真结果表明,该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.