基于单边SPSA的动态偏差数据驱动控制算法

当受控系统的数学模型完全未知时,应用同时扰动随机逼近算法(SPSA)建立数据驱动控制方法是比较可行的.文中对SPSA及其改进算法的原理和有效性进行了研究,分析了其在面向控制中的梯度逼近效率不高等不足,提出了一种针对控制问题的单边SPSA算法,该算法在实际控制中节约1/3的数据,使得其收敛速度和精度能够适用于控制问题.然后将单边SPSA与数据驱动控制方法相结合,提出了基于动态历史偏差的数据利用方案,对神经网络结构的函数逼近器进行直接自适应权值调整.仿真结果表明,该数据驱动方法完全不依赖于模型,对非线性系统进行了良好的控制.     

考虑约束条件的油藏生产优化

油藏生产优化是把对油藏生产体系的控制描述成一个最优化问题,通过求解最优化问题得到油藏生产的最优控制。首先利用数值方法得到目标函数的近似梯度,然后利用投影梯度方法将近似梯度投影到可行方向上,在可行方向上进行线性搜索,得到满足约束条件的最优解。通过计算案例,对两种近似梯度方法的优化效果与利用有限差分法得到的梯度的优化效果进行对比。优化得到的调控方案可以满足约束要求,并且能够有效改善注水开发效果,大幅度增加油田的经济效益。     

无线监测网络中多信道优化选择算法

无线监测网络中多电台监测节点通过捕捉和分析无线用户的通信数据,可以达到监测网络行为、诊断网络故障和管理网络资源的目的,而为多电台监测节点优化选择工作信道、最大化捕获数据量、获得最佳网络监测质量(quality of monitoring,QoM)是一个关键问题。文章研究了一种基于同步微扰随机近似(SPSA)的信道选择算法。该算法在迭代过程中以随机扰动策略得到目标函数的近似梯度,引导搜索过程逐步逼近最优解;适合于复杂的多维优化问题求解,收敛速度快、复杂度低。实验结果表明,该算法可以实现无线监测网络中多电台监测节点的信道优化选择,并且性能优良。     

电力负荷模型参数辨识的混合优化算法

模拟进化类算法具有全局寻优特性但计算时间过长,而梯度类算法具有很高的局部搜索效率但容易陷入局部最优点。基于模拟进化类算法和梯度类算法的优点提出一种混合优化算法,即以蚁群算法起步,经过一定次数的迭代后切换为梯度算法。提出目标值下降准则和区间收缩准则两种切换算法策略,并且进行对比。针对电力负荷参数辨识,通过仿真算例和实际应用进行测试。结果表明,在保证相同精度的前提下混合优化算法大大提高了计算效率。     

种强非均质性油藏自动历史拟合混合求解方法

针对强非均质性油藏,提出一种强非均质性油藏自动历史拟合混合求解方法。混合由两部分组成,一是主成分分析方法(PCA)与离散余弦变换方法(DCT)混合,对先验模型进行特征提取能够在降低数据维数的同时保留更为全面的地质特征,提高历史拟合的鲁棒性;二是人工蜂群算法(ABC)与同步扰动随机近似算法(SPSA)混合,利用人工蜂群算法良好的全局搜索模式改进同步扰动随机近似算法对目标函数进行数值求解,提高算法的求解速度与精度。最后应用提出方法进行强非均质油藏模型自动历史拟合。结果表明:PCA与DCT方法混合能够有效提取强非均质油藏的地质特征,反演结果接近真实油藏模型。该研究成果可为复杂非均质油气藏地质特征的识别研究提供理论支持。     

求解加权最小包容球问题的两种算法

研究在高维空间中的加权最小包容球问题,该问题是非光滑的凸优化问题.提出光滑逼近和非精确牛顿共轭梯度算法求解该问题,并证明其收敛性.此外,给出数值实验,比较这2种算法和经典牛顿共轭梯度算法的计算效率,其中非精确牛顿共轭梯度算法的计算效率更高.     

基于经济流速的管径优化方法

针对已有供水管网管径优化方法的缺点,该文提出了一种基于经济流速的启发式管径优化算法.该算法在应用前,无需人为规定管网的流量分配方案.算法分析步骤明确,计算简单.为了评价所提出的启发式算法的计算效率和优化结果的合理性,文中将计算时间和分析结果同广义简约梯度法和遗传算法的结果进行了对比.结果表明,该文的启发式算法计算效率远高于上面两种方法,计算结果接近遗传算法得到的最优解.     

多模型油藏闭环管理

 针对目前基于单一模型进行油藏闭环管理的局限性,结合油藏数值模拟技术,提出了一种基于多模型实现的油藏闭环管理方法。利用集合卡尔曼滤波(EnKF)法通过拟合实测数据对地质模型进行实时更新,并以更新后模型的经济净现值的期望值作为目标函数,通过随机扰动近似算法(SPSA)进行油田生产优化。计算实例显示,应用该方法进行油藏闭环管理能够降低油藏模型的不确定性,给出更为合理的地质模型估计,所得控制方案相比常规方案明显改善了注水开发效果、提高了经济效益、降低了开发的风险性。     

无约束最优化问题的扰动梯度算法

给出了一种扰动梯度算法,证明了在一定条件下,算法产生的序列全局收敛到最优化问题的稳定点,这个算法特别适用求解大规模优化问题。     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

基于同步扰动随机逼近的混合萤火虫算法

针对标准萤火虫算法(FA)中存在的种群过早收敛、容易陷入局部最优等不足,提出一种以memetic算法为框架、将同步扰动随机逼近和萤火虫算法相结合的混合算法(FA-SPSA),即首先使用萤火虫算法对种群进行全局寻优,然后使用同步扰动随机逼近算法对选出的部分最优个体进行局部搜索,从而增强萤火虫算法跳出局部最优解的能力。通过6个标准测试函数对FA-SPSA算法的性能进行检验,并与标准萤火虫算法、果蝇算法、改进的果蝇算法等其他4种算法进行比较,结果表明,FA-SPSA算法在寻优精度、收敛速度、鲁棒性等方面的性能总体上优于对比算法。     

Optimal Packet Size of Underwater Sensor Networks

Parameter optimization of nodes communication is the foundation of underwater sensor networks.The packet size is an important indicator of the impact of communication performance.As a result,the optimal packet size selection is a critical issue in improving the communication performance.This paper aims to make a model reflecting the communication characteristics as the optimization target,because underwater sensor networks have the characteristics of high time delay,high energy consumption and high bit error rate.Finally,simulation experiments and theory have demonstrated the effectiveness and timeliness of simultaneous perturbation stochastic approximation(SPSA) algorithm.     

基于同时扰动随机逼近的“动中通”步进跟踪算法

为了提高动中通系统的跟踪性能,在对动中通系统特性分析的基础上,借鉴参数优化的思想和方法提出了一种基于同时扰动随机逼近的步进跟踪算法,算法的核心思想是利用高效的同时扰动技术对跟踪的梯度进行估计,而且算法仅利用带噪声的信号强度的测量值对梯度进行估计。该算法能够同时驱动天线波束在方位面和俯仰面以接收信号的最陡上升方向即梯度方向跟踪目标卫星。计算机模拟分析结果表明该算法不仅是有效的,而且具有较强的鲁棒性。     

机构综合的混沌优化算法

针对机构综合的非线性方程组求解问题提出了一种混合混沌算法,将方程组转换成一个优化问题,然后利用优化问题的非线性共轭梯度法与混沌优化方法相结合进行优化求解,该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优.机构综合实例表明：笔者提出的方法能够求出非线性方程组的所有实数解,算法有效、简单、实用.     

基于主成分分析和代理模型辅助的多目标生产优化方法

多目标优化方法常用于考虑地质不确定性时进行油藏鲁棒生产优化,该方法能够同时优化历史拟合得到的多个概率模型的平均经济净现值和经济净现值的离散程度,从而得到一组权衡多个目标的最优生产方案。然而,多目标优化过程涉及的决策变量规模大,且基于常规数值模拟的目标函数评估计算耗时长。对此,提出了一种基于主成分分析和代理模型辅助的多目标生产优化方法(K-MOEA/D-PCA),采用主成分分析对大规模决策变量进行降维,然后借助基于代理模型辅助的多目标进化算法,通过设计计算高效的近似函数来代替常规数值模拟进行生产优化,最终得到目标油藏的最优生产方案。为验证提出方法的有效性,将其应用到标准测试模型。结果表明,提出的K-MOEA/D-PCA方法,通过降低变量的维数,可以有效解决具有大规模变量的油藏多目标生产优化难题,实现优化效率和方案精度的平衡。     

基于最优Born近似的叠前深度偏移方法

波动方程法中的叠前深度偏移是实现复杂构造和岩性地震成像的关键技术。其中 ,广义屏法是近几年发展起来的一种新方法 ,它基于散射理论、屏近似和一般Born近似 ,具有较高的精度和效率 ,是条件稳定的。为了提高算法的稳定性 ,提出了基于最优Born近似的叠前深度偏移方法。即对散射波场成像所使用的介质速度横向扰动公式不做任何近似 ,并且采用与两个延拓深度层中间位置处的地震波场最接近的波场代替层间的平均波场 ,而不是用上一延拓层处的地震波场代替层间的平均波场。模型试算结果表明 ,最优Born近似法对复杂地质体具有较强的适应性 ,在保证计算效率和成像精度的前提下 ,明显提高了算法的稳定性。     

基于井间动态连通性模型的注采参数优化方法

水驱油田开发过程中,由于储层非均质性以及注采参数与井网不匹配,造成优势通道发育,注入水低效无效循环严重.为了对注采井间各方向优势通道进行定量描述,基于物质平衡理论与叠加原理,在考虑井底流压变化的基础上,建立了油藏井间动态连通性反演模型——阻容模型,并运用人工蜂群算法进行求解,通过模型求解得到了不同注采井间的连通系数,经验证该系数合理表征了油藏井间动态连通程度.针对优势通道发育造成注水井在各注采方向上水驱不均衡、剩余油饱和度分布差异较大的问题,基于最优化理论,以当前各生产井含水率条件下生产井总产油量最大为目标函数,结合油水井动态生产数据,建立一种基于井间动态连通性模型的注采参数优化方法,并利用优化算法对该模型进行求解.实例应用表明:利用本文方法优化注采参数后,含水率得到明显控制,注入水驱替效率明显提高,并且本文方法仅需要油水井的动态生产资料,简单实用,对矿场具有较高的应用价值.     

低渗注水层的渗透率和启动压力梯度优化研究

由于取心资料和室内实验的局限,低渗透注水层的启动压力梯度和渗透率的求取已成为油藏工程分析的难点。以低速非达西渗流的半解析法为基础,导出激动边界的一种精确表达式。针对前人在采用试算法求解激动半径过程中的不足,提出并证明了使用二分法对激动边界进行数值求解的可行性。提出利用最优化算法对注水井的试注资料进行拟合的思路,可以计算储层的启动压力梯度和渗透率。从现场注水井的应用效果来看,该方法可操作性强、计算误差小,可以在低渗储层注水井的动态分析中推广应用。     

基于随机梯度上升和球面投影的通用对抗攻击方法

在面向样本集的通用对抗攻击中，导致多数样本输出错误的通用扰动设计是研究关键.本文以典型卷积神经网络为研究对象，对现有通用扰动生成算法进行总结，提出采用批量随机梯度上升训练策略和球面投影搜索策略相结合的通用扰动生成算法.算法的每次迭代计算，首先从样本集中抽取小批量样本，采用随机梯度上升策略计算出使损失函数值下降的通用对抗扰动，然后将通用扰动投影到半径为ε的高维球面上，从而缩小通用扰动的搜索空间.算法还引入了正则化技术以改善通用扰动的生成质量.实验结果证明该算法与基线算法对比，攻击成功率显著提升，通用扰动的求解效率提高约30倍.