基于自适应头狼的灰狼优化算法

灰狼优化算法一种模拟灰狼捕食行为的元启发式优化算法.由于灰狼算法在种群迭代更新中始终靠近最优解,所以易陷入局部最优.提出了一种基于自适应头狼的灰狼优化算法,并在个体迭代更新中选择合适的头狼个数进行个体更新,这使得算法能够平衡开发和勘探能力.通过对20个基准函数优化问题的仿真实验表明,改进后的算法与原始灰狼优化算法相比,其全局搜索能力有显著提高.     

多资源约束批量拆卸优化模型及算法

针对环境意识制造研究领域的废旧产品拆卸，提出了一类多资源约束批量拆卸优化方法.以拆卸时间最小为优化目标，建立了该方法的数学模型，采用CPLEX软件对模型进行求解，通过多组随机算例的仿真实验验证了该模型在求解此类批量拆卸优化问题的有效性.实验结果表明，所提方法和模型能够求解该问题的最优拆卸数量和购买数量，确定每类零部件是否进行拆卸，同时满足每个零部件的外部需求；节点的入度/出度和共有部件所占的百分数对问题求解难度有一定的影响.     

混合优化算法及在约束优化问题中的应用

针对混沌优化方法和Alopex算法的特性,将改进的Alopex算法嵌入到混沌优化算法中,提出了一种混合优化算法,此算法充分发挥了改进的Alopex算法的快速搜索能力和混沌优化方法细致寻优的特性,提高了算法的收敛速度,避免了优化算法陷入局部最优的缺陷;同时将混合优化算法应用于约束优化问题中．仿真结果表明了混合优化算法的有效性．     

基于代理模型的副车架多目标优化设计

为提高多目标优化的效率,将代理模型应用到副车架轻量化设计中,首先在副车架有限元分析和参数化副车架11个设计变量的基础上,再利用径向基函数构造典型工况(制动、跳动和转弯)的副车架质量、第一阶频率和最大应力的代理模型,并且验证代理模型的正确性,然后以副车架零部件厚度为设计变量,以副车架质量和第一阶频率为目标,以典型工况中应力作为约束条件,进行快速多目标优化并求解,最后验证优化后模型。结果显示该副车架总质量减轻了8.8%,同时满足强度要求,提高了乘坐舒适性。     

MIMIC算法在非线性多约束机械优化问题中的应用

将双变量相关的分布估计算法与惩罚函数法相结合,用于解决机械工程上非线性多约束优化设计问题.算法对每一次迭代寻优后的变量进行保留,建立概率模型,通过正态分布发生函数对变量重新取值,并采用惩罚函数来处理变量约束条件.仿真结果表明,该算法能有效防止早熟收敛,提高算法的全局搜索能力,具有较好的应用前景.     

轮毂轴承单元轴铆合装配的铆头优化设计

针对轮毂轴承单元轴铆合装配工艺的非线性、非稳态特征,提出一种基于代理模型的轴铆合装配工艺优化方法,并用于铆头成形曲面的优化设计.通过拉伸实验、圆环镦粗实验、轴向进给位移及轴向铆接力在线测试、铆头空间轨迹理论推导等确定有限元建模参数;通过比较模拟和测试的轴向铆接力及轮毂轴端铆接后的几何形状确定有限元模型的准确性;基于现有的铆头设计和轴承寿命理论确定铆头成形曲面的参数化方程和优化目标;基于拉丁超立方抽样策略和有限元结果确定轴承内圈的最大径向变形量、轴向预紧力和轮毂轴端对铆头的作用力与铆头成形曲面参数间的支持向量机回归模型;最后对优化结果进行验证.结果表明,优化后的铆头使轮毂轴承的性能指标得到一定提升.     

基于代理模型的汽车乘员约束系统性能优化

针对汽车碰撞乘员约束系统优化设计中多参数和非线性问题,提出了基于径向基函数代理模型的优化设计方法,通过LS-DYNA分析软件建立正面碰撞乘员约束系统的仿真模型并对其进行验证.基于该模型选取对响应影响较大的设计变量作为优化变量,在LS-OPT中选择径向基函数构建代理模型,采用空间填充试验方法进行试验设计,运用自适应模拟退火算法进行优化求解.优化结果表明:人体综合损伤WIC值相比初始设计值降低了28.2%,实现了对设计目标的优化.     

基于新型自适应采样算法的催化重整过程代理模型

催化重整装置是石油加工的重要装置之一,直接使用机理模型对其进行优化耗时较长。代理模型方法能够有效地对机理模型进行近似,而采样方法对代理模型的精度有很大影响。提出了一种新的自适应采样算法-基于最近邻和马氏距离的自适应采样算法。该算法从采样方法的全局搜索能力与局部搜索能力出发,通过求解优化问题在关键信息区域中获取样本点。采用7个测试函数进行测试,结果表明该算法能够选取对代理模型精度影响较大的采样点,从而有效地提升代理模型的精度。针对催化重整过程的关键质量指标建立了相应的代理模型,结果表明该算法能够很好地处理实际工程中的问题。     

ABS算法在线性约束优化中的应用

本文介绍ABS算法在线性约束优化中的应用,利用ABS算法对GI法进行了重新描述,给出了投影矩阵及Moore-Penrose伪逆连续修正的ABS方法,并探讨了利用ABS算法来构造下降方向的方法。     

量子近似优化算法在约束优化问题中的应用

结合量子近似优化算法求解约束优化问题是当前的研究热点之一,针对约束优化问题,提出了一种在量子 近似优化算法框架中的改进方法;此方法融合了二次无约束二元优化和量子交替拟设这两种方法,同时将在目标 算符中添加惩罚项,将不符合解的期望值降低和通过对问题进行求解得出问题的可行解,将混合操作限定在可行 解空间内融合在一起;优点在于在求解约束优化问题时,能减小迭代次数,快速并准确地得到问题的最优解;以最 小顶点覆盖问题为例,将提出的方法与几种已有的方法做比较,得出方法能减小量子近似优化算法的迭代次数,使 得能够高质量和高效率的求解约束优化问题。     

基于模拟退火的多约束路径优化选择算法

多约束QoS路由是下一代互联网的核心问题之一．为解决QoS路由算法容易陷入局部最优的问题,将模拟退火方法与路由计算结合起来,提出一种新的组合优化算法．该算法可以及时从无效的迭代中跳出到其他空间,提高搜索效率,具有全局收敛性,可在有限次数迭代中快速找到可行路径．实验表明,该算法性能高,同时对网络规模和多约束个数具有很好的可扩展性．     

基于适应性均衡模型的CMAES约束优化算法

提出一种基于适应性均衡模型的协方差矩阵自适应进化策略(ATM-CMAES)用于求解约束优化问题。ATM-CMAES中的CMAES利用当前代最优子群与上一代分布均值之间的关系更新协方差矩阵来调整种群分布,将协方差矩阵秩1和秩μ2种更新机制相结合,克服了传统进化算法对种群大小的过分依赖;将ATM作为约束处理技术,针对群体不可行、半可行和可行这3种不同情形,采用不同的约束违反度与目标函数值之间的均衡机制来指导群体进化。对13个标准测试函数的实验结果表明:ATM-CMAES具有通用、稳健和高效性能。     

多目标多约束模糊优化在冶炼中的应用

根据FUZZY基本理论，构造一个数学模型，应用此模型对炼钢原料－废钢类型进行了优化，取得了较好的效果。     

Kriging模型与优化算法在汽车乘员约束系统仿真优化中的应用研究

汽车乘员约束系统的优化涉及到安全带、安全气囊等部件的众多参数.首先采用一阶线性响应表面模型、正交实验设计方法进行参数筛选.然后构造Kriging代理模型来代替计算机仿真,并结合两种不同的优化算法来进行乘员约束系统参数的优化设计.结果表明:该方法对汽车乘员约束系统参数优化具有明显效果,可行方向法在该优化中优于多目标遗传算法.     

基于多代理的负载均衡算法在新药研发网格中的应用

设计了利用因特网上多个集群的空闲资源来处理生物医学领域数据密集型计算的新药研发网格（DDG）。采用兼备网格和对等网络双重特点的混合资源管理系统架构,解决了传统的主从结构无法避免的单点失效、性能瓶颈等问题。系统使用基于多代理协同计算的负载均衡算法,根据计算结点的实时工作负载状态进行资源的管理和调度,蛋白质分子对接实验验证了设计的有效性,系统可以保持良好的负载均衡状态,同时可以大幅缩短药物筛选周期。     

基于粒子群算法的自适应多目标优化

本文描述了一种新颖的基于粒子群的多目标优化方法,即自适应多目标粒子群优化。该算法采用自适应的方法,使惯性权重和加速度系数随时间的变化而改变,从而有助于算法更有效的探索搜索空间。对三个典型多目标测试函数所作实验的结果验证了该方法的有效性和快速性。     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

基于自适应多态蚁群算法的多约束车辆路径问题

建立了在有客户优先级、路况影响、多车型、时间窗和容量等多约束条件下车辆路径问题(VRPMC)的数学模型.由于该模型是一个NP-hard问题,目前还没有多项式算法求解,又提出了采用自适应的多态蚁群算法(APACA)来对其进行求解的策略.首先,算法中侦察蚁完成满足约束条件的路径侦察并设置侦察信息素;其次,搜索蚁利用侦察蚁提供的辅助信息进一步搜索可行路径,通过多态蚂蚁间的协作和自适应调整挥发系数,能更快地搜索到问题的优化解;最后通过一个实例与节约算法、遗传算法、禁忌搜索算法和基本蚁群算法进行了对比,结果表明:对VR-PMC问题,APACA算法比前述算法在算法稳定性、运行距离、计算速度方面更具有优势.     

基于约束的自适应QoE算法设计

针对任务请求和服务器节点之间进行数值计算存在较大的时延代价问题,构思一种以任务转发频率为约束,全面评估系统可用开销资源的客户体验(QoE)算法。算法以任务交互时延为控制目标,通过设计多个评估参数从整个系统中筛选出具有足够响应能力的节点为终端用户提请的任务计算请求提供解决方案。同时兼顾到任务请求的随机突发特征引发系统节点载荷度失衡,进而导致任务计算迟缓的问题,算法设计了可用资源集合用于动态遍历可用的响应节点。数据统计表明,QoE算法不仅具备全局优化性,也具有良好的自适应能力。