流程系统优化的简约微粒群算法

针对流程系统优化中的非线性规划问题,提出了一种新的混合优化算法--简约微粒群优化算法,并对其求解.利用实例对其进行测试并与其他算法所得的结果进行比较,结果表明,简约微粒群算法是一种有效的求解具有线性约束的NLP问题的方法.     

求解任务分配问题的一种离散微粒群算法

以交通运输领域中的装卸货任务分配问题为例对任务分配问题进行数学描述,提出一种用于求解该类问题的离散微粒群算法（DPSO）。在分析基本微粒群算法的收敛性能和任务分配问题解分布情况的基础上,采用惯性权值非线性下降策略更新微粒速度,以提高算法的收敛性,并且引入一个反正切函数对基本微粒群算法的位置公式进行进一步处理,以保证解的可行性。提出的DPSO用于求解某企业铁路货运站的装卸任务,在相同实验条件下,求解同一任务分配问题,提出的改进DPSO寻优率为76％,明显高于寻优率仅为40％和4％的其他2种DPSO算法;不同规模问题的求解试验中,综合比较寻优结果和计算时间,所提DPSO算法优于枚举法和遗传算法,且计算简便,可推广用于其他任务分配问题与组合优化问题。     

基于PSO的无线传感器网络自组织成簇算法

为了有效延长WSN网络的生存时间,需要设计能量有效的自组织成簇机制,以适应无线传感器网络的特点.提出了一种适合无线传感器网络能量有效的成簇优化模型,并使用微粒群优化算法(PSO)对该模型进行求解.为了使微粒群算法适合于该问题的求解,设计了适合微粒群算法的微粒位置向量和速度向量的更新机制,并用罚函数法对两个主要约束进行了处理,给出了适应值函数,并通过MATLAB 7.1进行了实例仿真.仿真结果表明,该优化模型是解决WSN能量问题的有效方法.     

一种精确估计恒虚警检测器阈值因子的方法

针对恒虚警检测器在利用求解阈值因子方法时需要大量样本且搜索耗时较长的问题,提出了一种基于仿生微粒群的精确估计雷达恒虚警检测器阈值因子的方法.将指定虚警概率下的求解阈值因子问题转化为一个最小化问题,再利用微粒群方法对其进行求解,而微粒群优化采用基于种群的搜索方式.惯性因子可以随着迭代数的变化自适应调整,从而线性地减少了惯性因子的数值,致使算法具有平衡全局搜索、局部搜索的能力和较高的搜索效率.仿真结果表明,所提方法可在指定的精度下快速实现单雷达或者雷达组网等多种恒虚警检测器阙值因子的精确估计,节省了近5O%的时间,提高了解的检测精度,并具有良好的鲁棒性和快速收敛等特点.     

一种自适应量化的分布式次梯度方法

[目的]考虑了网络通讯受宽带限制,提出 了 一种自适应通讯量化的分布式次梯度方法来求解分布式凸优化问题.[方法]首先设计了 自适应量化方法,其次提出了有向网络下的分布式优化次梯度算法.[结果]得到了当 目标函数为凸函数和强凸函数时该算法的收敛率.[结论]数值例子表明所提算法能有效降低通讯成本,并能适用于更一般的非平衡有向通讯网络.     

求解特定条件下的Helmholtz方程的修正有限体积方法

[目的]由于界面问题所导出的偏微分方程的解在通过界面时一般是不连续的,这使得大多数传统数值方法不能很好地适用于求解界面问题,而有限体积方法因保持物理量的局部守恒性,而且计算简单,于是成为解决界面问题的有效方法.因此,研究利用有限体积方法对求解界面问题具有重要意义.[方法]首先基于一种修正的有限体积方法对带有不连续波数和奇异源项的Helmholtz方程进行整体逼近.然后,通量采用泰勒级数展开,积分项利用多项式插值进行逼近,对于界面问题利用跳跃条件将负侧的点转化到正侧,从而构造了连续问题以及界面问题的六阶紧致有限差分格式.[结果]格式在连续波数和界面处都可以达到六阶精度.[结论]数值实验验证了格式的有效性和精确性.     

森林环境下的无人直升机安全飞行控制

针对森林环境下受扰无人直升机的高度和姿态约束控制问题,提出了一种安全跟踪滑模飞行控制方法.为了使无人直升机躲避树木高度威胁并保持期望的飞行姿态,考虑无人直升机的高度和姿态约束,利用误差性能转换函数方法对约束进行处理.基于回馈递推方法和滑模控制方法设计了无人直升机的鲁棒跟踪控制方法,并采用李雅普诺夫稳定性分析方法证明了所有闭环系统信号的收敛性.仿真结果验证了所设计安全滑模飞行控制方法的有效性.     

差分进化算法求解自动堆垛起重机调度问题

[目的]研究了自动化码头双自动堆垛起重机(Automatic stacking crane,ASC)调度问题,为了提高堆场的作业效率,考虑ASC作业过程中的干扰和冲突,以极小化所有作业的总完工时间为目标,建立自动化码头双ASC调度问题的混合整数规划模型.[方法]通过CPLEX求解器对模型进行求解.为了解决中等规模问题,设计了基于任务编码的离散差分进化算法进行求解,并把求解结果与遗传算法求解结果进行对比分析.[结果]所设计的离散差分进化算法能够在要求的时间内解决自动化码头双ASC调度问题;[结论]相较于遗传算法,本文提出的算法寻优能力更强.     

带有学习效应的多阶段混合流水车间调度问题研究

[目的]研究考虑学习效应和顺序相关调整时间的多阶段混合流水车间调度问题.[方法]针对该问题的特点,建立以最小化最大完工时间和总能耗为目标的混合流水车间调度问题模型,同时设计一种改进的混合蛙跳算法进行求解.采用不同规模的测试问题对提出的算法进行测试,并与另外3种算法进行对比.[结果]提出的算法的效果均优于另外3种算法.此外,不同的学习率对调度目标的影响存在差异.[结论]该研究对企业提高生产效率和节能降耗的 目标有一定的指导意义,可为企业在制定生产调度方案时提供决策支持.     

求解一类不可微优化问题极大熵微粒群混合算法

针对一类不可微优化问题,本文提出了一个新的算法—极大熵微粒群混合算法.首先利用极大熵方法把带约束的不可微优化问题转换成无约束的单目标最优化问题,然后利用微粒群算法对其进行求解.利用4个测试函数对其进行测试并于其它算法进行比较,计算结果表明,本文提出算法在求解的准确性和有效性方面均优于其它算法.