约束空间近似正交的空间填充试验设计方法

试验设计空间存在约束是一种广泛存在的实际工程问题, 针对现有的约束空间试验设计方法存在生成设计点数不灵活, 算法优化时间长、效率低, 适用约束类型有限, 设计准则单一等问题, 提出一种约束空间近似正交的空间填充试验设计方法。基于设计点之间的距离和相关系数值构造试验设计准则, 通过改进的随机坐标交换算法进行方案求解。所提算法适合凸约束、非凸约束、解析约束、非解析约束等多种类型的约束, 而且适用于多维度的不规则试验设计空间。示例分析表明, 与现有方法相比, 所提算法具有优良的空间填充特性和较好的正交性。     

一种基于数独分组的拉丁超立方试验设计方法

为解决拉丁超立方设计在复杂因子的实验设计空间中存在优化时间长和因子水平组合爆炸的问题。提出一种基于数独分组的拉丁超立方设计方法。该方法对因子通过数独分组降维,在降维后的各个子空间中平移种子设计。将基于数独分组的拉丁超立方设计与另外两种常用的拉丁超立方设计方法在中高维度试验空间中进行对比,结果表明,基于数独分组的拉丁超立方设计有较优的空间填充性和最短的运行时间。     

用于函数优化的正交Multi-Agent遗传算法

将Multi Agent系统、遗传算法和正交试验设计方法相结合,提出了一种混合进化算法———正交Multi Agent遗传算法。它以Multi Agent系统为基础,通过Agent间的相互作用与每个Agent所具有的知识和自学习功能来提高算法的全局优化能力和收敛速度;同时利用正交试验设计方法产生较好的初始种群和设计正交交叉算子以获得更好的后代;针对正交试验设计产生初始化种群在函数维数很高时需很大存贮空间的缺点,提出了子空间分割法来产生所需的初始化种群,它只需要原来存贮空间的十分之一。首先,对维数为30或100的12个标准测试函数进行仿真试验,结果表明正交Multi Agent遗传算法具有很强的全局优化能力和较快的收敛速度;其次,算法对这些标准测试函数进行高维优化(高达200维),实验结果表明正交Multi Agent遗传算法具有较好的高维搜索能力。     

基于D优化的多应力加速退化试验设计

针对多数产品受到多种应力影响的情况,研究恒定应力和步进应力两种施加方式下多应力加速退化试验优化设计方法。以随机过程对产品性能退化建模,分析试验剖面,对恒定应力加速退化试验,采用均匀设计和均匀正交设计理论确定应力的组合方式;对步进应力加速退化试验,各应力均采用步进方式。基于D优化方法,以模型参数估计方差最小为目标,以试验费用为约束,建立优化模型,给出最优的各应力水平,各应力水平下的样本分配、试验时间分配和监测间隔。最后给出应用该方法的仿真算例。     

一种新的数值优化方法—正交表法

本文把在试验设计中经常使用的正交设计技术应用于最优化，提出了一种新的优化方法正交表法。即在优化计算中，按正交表安排函数计算点，并按正交设计技术进行计算点分析，以尽快地搜索到最铖解。以此算法编制并调通了优化程序。     

基于多信号流图的测试性验证试验样本选取方法

为设计优化的测试性验证试验方案,提出了故障样本优选算法.本算法介绍了多信号流图模型的形式化定义和建模步骤,利用其描述故障与测试间因果依赖关系,建立了故障-测试相关矩阵和故障-故障相关矩阵.在考虑充分覆盖的约束条件下,以试验费用小为优化目标,提出了最小故障样本集和每个故障样本数的选取方法.案例验证结果表明,该方法分析设计的试验方案节省了试验费用.     

双目标优化问题的类电磁算法

为方便决策，双目标优化问题就是要从最优解集中求出一组分布均匀且数量多的Pareto最优解。针对这一特点，定义了种群的均匀度和序值，来度量种群中解的分布和质量，将双目标优化问题转化为以均匀度为目标函数，序值为约束条件的单目标优化问题；设计了双目标优化问题粒子的电荷和受力的计算公式，提出了一种新的类电磁算法求解问题。用标准的Benchmark函数进行了仿真实验，结果表明，新算法对双目标优化问题的求解是非常有效的。     

基于自然连通度的复杂网络抗毁性仿真优化研究

建立了以自然连通度为目标函数的复杂网络抗毁性组合优化模型,进而提出了基于禁忌搜索的复杂网络抗毁性仿真优化算法,设计了变量编码、定义了移动操作、给出了特赦准则、设置了终止准则,给出了算法流程,最后基于仿真优化结果分析了最优抗毁性网络的结构属性,研究表明最优抗毁性网络呈现出明显的同配度关联模式,核心节点之间相互连接紧密形成"富人俱乐部"。     

动态环境下基于可进化性的多目标化进化算法

可进化性是对进化系统中进化过程动态性能的表征,个体可进化性直接影响种群进化的质量与效率.选择个体适应值改进的比率和基因型的差异对个体可进化性进行度量.以个体可进行性的度量为附加函数,提出分别基于两种可进行性度量的多目标化进化算法.在不同复杂度动态环境下进行算法性能验证.结果表明新算法具有良好的动态优化性能.     

一种改进的协同优化过程研究

在分析协同优化过程基本流程的基础上,针对现有过程中系统级协调算法计算量大、容易发散等缺点,提出了动态罚因子算法,该算法计算量小,优化效率高。采用正交试验设计选取初始设计向量,加快了优化收敛速度。用经典函数和齿轮减速箱优化问题对改进后的优化过程进行测试,算例结果验证了改进措施的有效性。     

基于证券价格时间序列的协整优化指数跟踪方法研究

通过考虑不允许卖空约束和目标指数进行调整的现实情况,研究了基于证券价格时间序列的协整优化指数跟踪方法对目标指数进行直接跟踪的效果以及用简单平均法引入的非样本信息在指数跟踪中的作用.实证结果表明,相比于最小化跟踪误差优化指数跟踪方法,协整优化指数跟踪方法是一种非常好的指数跟踪方法,更多的信息可以进一步改进指数跟踪效果.     

面向多峰函数的自适应小生境量子进化算法

为解决量子进化算法在多峰优化时只能找到一个最优解,无法找到所有全局和局部最优解的问题,提出自适应小生境量子进化算法。利用佳点集理论初始化种群,使种群均匀分布在整个搜索空间;提出中心地形信息小生境自适应识别方法,用于自适应的识别峰值所在区域,并建立小生境完善策略,提高小生境识别速度;借助量子进化算法的快速寻优能力精确寻找各个峰值点;采用动态种群调整策略,维持种群的多样性,自适应地调节种群规模。仿真实验结果表明,该算法具有较强全局优化能力和局部优化能力,且搜索到的每个最优解都达到了理想值。     

车辆可重复利用VRPTW问题的模型和改进蚁群算法

提出车辆可重复利用的VRPTW问题,建立多目标整数规划模型;基于蚁群系统（ACS）,按优先访问服务开始时间较早、服务时间较短和关窗时间较早的原则,设计启发式因子和蚂蚁状态转移规则;借鉴MMAS和ASrank的优点设计信息素更新策略,既加强对每次迭代最好解的利用,又避免陷入局优;根据客户服务结束时间较早优先原则构造初始解.实验结果表明,可以大幅度减少所需车辆数并节省车辆的总运行时间,具有较快的收敛速度,本文的模型和算法是有效的.     

不完全判断矩阵的一致性及权重估值模型研究

研究层次分析法中不完全判断矩阵的若干问题,基于随机确定性判断矩阵的概念,定义不完全判断矩阵局部一致性和局部满意一致性,并建立判别不完全判断矩阵是否具有局部满意一致性的数学概念模型;针对Harker方法没有充分估计不完全判断矩阵内含不确定性的缺点,建立一个新模型来估计权重的上、下限范围,模型采用颗粒群优化算法求解.     

Hybrid particle swarm optimization for multiobjective resource allocation

Resource allocation （RA） is the problem of allocating resources among various artifacts or business units to meet one or more expected goals, such a.s maximizing the profits, minimizing the costs, or achieving the best qualities. A complex multiobjective RA is addressed, and a multiobjective mathematical model is used to find solutions efficiently. Then, all improved particie swarm algorithm （mO_PSO） is proposed combined with a new particle diversity controller policies and dissipation operation. Meanwhile, a modified Pareto methods used in PSO to deal with multiobjectives optimization is presented. The effectiveness of the provided algorithm is validated by its application to some illustrative example dealing with multiobjective RA problems and with the comparative experiment with other algorithm.     

基于粒子群优化的有反向物流的车辆路径问题

在对具有时间窗、考虑反向物流的车辆路径问题进行简单描述的基础上,基于最小费用的角度构建了该问题的多目标数学模型.该决策模型综合考虑了正向和反向物流,有助于提高车辆的装载率.针对该问题提出了一种改进的粒子群算法,并用计算机进行实现,并获得很好的效果.     

基于多变量高斯过程模型的贝叶斯建模与稳健参数设计

针对模型预测偏差和波动的稳健参数设计问题,在多变量高斯过程(multivariate Gaussian process,MGP)建模的框架下,结合质量损失函数和非线性优化约束方法构建一个新的多响应优化模型.首先,利用成对估计方法获得超参数近似值,构建多变量高斯模型;其次,结合MGP模型特征,构造充分考虑响应波动因素的质量损失函数.利用蒙特卡罗模拟方法,获得响应落入指定区间的期望概率;然后,以期望概率为约束,结合本文所提质量损失函数建立优化模型;最后,利用全局优化算法进行寻优,获得考虑响应期望概率的优化结果.实际案例和软件仿真表明,该方法综合权衡了预测偏差和预测波动引起的不确定性对优化结果的影响.获得了兼顾质量损失和期望概率最优均衡解,从而实现稳健参数设计.     

Ant System Based Optimization Algorithm and Its Applications in Identical Parallel Machine Scheduling

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＩｄｅｎｔｉｃａｌｐａｒａｌｌｅｌｍａｃｈｉｎｅｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｆｏｒｍｉｎｉｍｉｚｉｎｇｔｈｅｍａｋｅｓｐａｎｈａｓｂｅｅｎｐｒｏｖｅｄｔｏｂｅａｎＮＰｐｒｏｂ ｌｅｍ[1,2 ] .Ｉｔｗａｓｔｒａｄｉｔｉｏｎａｌｌｙｓｏｌｖｅｄｂｙｏｐｅｒａｔｉｏｎａｌｍｅｔｈｏｄｓｓｕｃｈａｓｄｙｎａｍｉｃｐｒｏｇｒａｍｍｉｎｇ ,ｂｒａｎｃｈａｎｄｂｏｕｎｄｍｅｔｈｏｄ ,ａｎｄｉｎｔｅｇｅｒｐｒｏｇｒａｍｍｉｎｇ[3～ 7] .Ｔｈｅｓｅｍｅｔｈｏｄｓｃａｎ ｇｉｖｅａｎｏｐ…     

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高，一直是一个非常重要而且又非常困难的问题，特别是问题的规模很大时，目前各种算法计算就非常困难，有的甚至无法得到合理的方案，蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法，根据工件排序问题的特点，建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型，在蚁群算法的基础上对其进行改进，成功地把改进的蚁群算法用于工件排序问题的优化中，通过与其他算法的仿真比较，表明基于蚁群系统的算法是有效的，特别是问题规模很大时更显示其快较的收敛速度和较高的精度。     

基于粒子群优化的时变系统辨识

提出了一种基于粒子群优化的时变系统辨识方法。其基本思想是将时变系统的辨识问题转化为非线性连续函数的在线优化问题 ,然后利用粒子群优化获得系统参数的最优估计。仿真结果显示 ,该方法对于时变参数具有很强的跟踪能力 ,与采用遗传算法的系统辨识方法相比 ,有实现简单、运算量小等特点。