应用改进萤火虫算法求解基于学习退化效应的PFSP问题

为了提高基于学习退化效应的置换流水车间调度问题的求解效率,提出一种改进的萤火虫算法来增强算法性能。首先,给出一种基于目标函数的动态自适应惯性权重莱维飞行萤火虫算法,提高了算法收敛速度,易于快速搜索局部及全局最优解;其次,在标准萤火虫算法的基础上对每次移动后的萤火虫群引入差分进化算法,促进萤火虫个体决策域半径内的信息交换与共享,增加种群多样性,提升了算法收敛精度;最后,根据机器加工具有学习及退化效应的特性,通过Matlab对Car类和Rec类置换Flow-shop Benchmark问题的测试验证了改进萤火虫算法对于求解此类问题有很好的可行性及鲁棒性,并分析了不同学习率与退化效应因子组合对目标函数的影响。     

Nelder-Mead算法中单纯形顶点的仿射独立性检验

本文在文献[1]的基础上,提出Nelder-Mead算法中单纯形顶点仿射独立性的递推检验方法,并对Nelder-Mead单纯调优算法提出改进.该算法保留了Nelder-Mead算法计算简便的优点,并且可保证单纯形各顶点的仿射独立性.文中给出了该算法在线性系统辨识中的应用示例.     

基于仿射混杂系统控制设计的机器人导航控制

根据单纯形仿射混杂系统的可达性分析设计控制律,使机器人在平面任意两点间运行,保证其安全性并考虑其最优性.对机器人的状态空间进行三角划分,根据目标吸引原理来建立其对偶图,针对对偶图提出路径规划算法得到最短路径穿越的三角形序列.然后根据仿射系统在单纯形中的性质,提出运动规划算法,得到机器人的角速度和线速度,控制机器人穿越给定的三角形序列到达目标点.仿真结果表明了方法的有效性.     

关于单纯形算法的一点改进

本文就单纯形算法选取入基变量的准则进行改进,给出一种新的选取入基变量的准则。按该准则进行的枢轴运算,能使单纯形算法的迭代次数减到最少,尤其对大规划线性规划问题而言,该方法能节省相当可观的CPU计算时间。     

考虑退化相关的装备多部件系统维修决策优化模型

针对装备多部件系统维修决策优化问题,考虑分析系统中多部件之间的退化相关性,将系统连续退化过程离散化为有限个状态空间,计算给出系统稳态概率分布。在此基础上,建立长期运行下系统可用度最大为目标的维修决策优化模型,采用改进人工蜂群算法进行求解,以获得各部件最优机会维修阈值、预防性维修阈值和系统最优检测间隔期。最后,通过算例验证了所提模型的可行性和有效性。     

考虑测量误差和随机效应的设备剩余寿命预测#br#

针对非线性退化设备的剩余寿命预测问题,尚未系统研究考虑测量误差和随机效应的退化建模、先验参数估计及相应的剩余寿命预测方法。首先建立考虑测量误差和随机效应的非线性Wiener退化模型;利用同类设备历史监测数据,基于期望最大化算法估计出退化模型中固定系数和随机系数先验分布;采用状态空间模型描述目标设备当前监测状态,基于Kalman滤波算法迭代估计出随机系数后验分布和当前真实退化状态;利用全概率公式,推导出考虑隐含状态估计不确定性的设备剩余寿命的概率密度函数;仿真实例分析表明,所提方法较现有方法在参数估计误差和剩余寿命预测精度上具有一定优势。     

基于状态转移随机模型的SSADT可靠性评估方法

为评估步进应力加速退化试验 (step stress accelerated degradation test, SSADT)中具有非线性退化趋势的产品的可靠性,提出一种基于状态转移的随机退化建模与可靠性评估方法。首先将状态转移关系与高斯随机过程相结合建立步进应力随机退化模型,以表征微观缺陷的产生和发展对宏观性能的影响;然后应用最佳线性逼近和随机过程曲线边界首达理论建立可靠性模型;最后将其应用在介质振荡器(dielectric resonator oscillator, DRO)贮存可靠性评估中。以修正高斯牛顿算法和Powell共轭梯度算法相结合的方法对退化模型参数进行识别,其结果表明,状态转移随机退化模型能够有效地刻画产品SSADT中性能退化的非线性趋势特性和随机特性,得到较为准确的评估结果。     

改进的快速扩展随机树在航迹规划中的应用

通过在快速扩展随机树(rapidly-exploring random tree)算法的基础上融入状态-时间空间(state-timespace)的思想,使改进后的算法能够有效地处理动态环境中的航迹规划问题。仿真试验首先采用四元素法建立航天飞行器的六自由度动力学模型,在三维空间中验证该算法搜索高维空间的能力。其次运用改进的算法在动态环境中进行航迹规划试验,证明了该算法的有效性。     

单部件加速退化系统的视情维修策略优化

针对单部件加速退化系统,研究了基于灰色模型、偏最小二乘回归和改进灰狼算法的最优视情维修策略,通过优化检测间隔和临近失效阈值最小化系统的平均维修费用率。维修策略优化中,考虑到维修数据的稀疏特性,利用适合小样本建模的灰色模型理论建立系统的加速退化模型;考虑了维修次数、系统退化状态与系统维修用时之间的多重相关性,利用偏最小二乘法建立了维修用时的多变量回归模型。在此基础上,给出基于系统平均维修费用率的目标函数,利用改进灰狼算法求解最优决策变量。通过算例说明了该最优视情维修策略的可行性。     

基于卡尔曼粒子滤波算法的锂电池SOC估计

基于UTS分容柜所测得的实验数据,建立了18650锂电池的三阶Thevenin模型。将扩展卡尔曼滤波算法(Extened Kalman Filter,EKF)作为粒子滤波算法(Particle Filter,PF)的重要密度函数形成了扩展卡尔曼粒子滤波算法(Extened Kalman Particle Filter,EKPF)。对于EKPF算法在重采样过程中存在的样本退化、多样性丧失的问题,提出了一种通过权值排序的优胜劣汰粒子选择算法。采用通过该方法改进的EKPF算法对所建立的三阶Thevenin模型进行电池荷电状态(State of Charge,SOC)估计,实验结果表明,改进EKPF算法的SOC估计精度优于EKF算法和PF算法的SOC估计精度。     

基于Copula-GARCH-EVT的资产组合选择模型及其混合遗传算法

在非正态分布的条件下,M arkow itz的均值-方差资产组合选择模型存在不足。为此,以V aR和CV aR作为风险度量方法,EVT反映收益率的尾部分布,GARCH反映收益率的波动性,Copu la函数反映金融资产收益的相关性,构建了基于Copu la函数的资产组合选择模型。针对非正态分布条件下V aR非凸性和分布函数不连续性导致资产组合选择优化计算复杂、不精确的难题,设计了基于单纯形和传统遗传算法的混合遗传算法。最后,根据中国证券市场数据,采用该混合遗传算法对建立的资产组合选择模型求解。     

GOAL PROGRAMMING ALGORITHM FOR A TYPE OF LEAST ABSOLUTE VALUE REGRESSION PROBLEM

This paper develops goal programming algorithm to solve a type of least absolute value (LAV) problem. Firstly, we simplify the simplex algorithm by proving the existence of solutions of the problem. Then, we present a goal programming algorithm on the basis of the original techniques. Theoretical analysis and numerical results indicate that the new method contains a lower number of deviation variables and consumes less computational time as compared to current LAV methods.     

ON APPROXIMATION OF MAX n／2-UNCUT PROBLEM

Using outward rotations, we obtain an approximation algorithm for MAX n/2-UNCUT problem, i.e., partitioning the vertices of a weighted graph into two blocks of equal cardinality such that the total weight of edges that do not cross the cut is maximized. In many interesting causes, the algorithm performs better than the algorithms of Ye and of Halperin and Zwick. The main tool used to obtain this result is semidefinite programming.     

受限p-中心的并行迭代算法

提出了受限 p-中心的多项式时间并行迭代算法 ,分析了这些算法的计算复杂性 .计算实例表明所提出的算法简洁有效 .本文的算法还可以对其它关于受限 p-中心及 p-中心的启发式算法和近似算法进行补充 ,以此为基础容易获得相应的 Tabu Search算法和遗传算法 .     

SGA(Simplex-Genetic Algorithm):一类求解Minimax问题的通用算法

在指出一般的迭代法不能保证收敛性之后,将注意力投向基于Stackelberg-NashEquilibrium的遗传算法(GA)的解决方法,并根据Minimax问题的特点指出该方法的不足之处.在此基础上,提出了SGA(Simplex-GeneticAlgorithm).仿真实例表明,这种方法速度和精度较之GA都有了很大提高,是求解最小最大问题的有效通用方法.     

Algorithm Implementation for Distributed Convex Intersection Computation

Intersection computation of convex sets is a typical problem in distributed optimization. In this paper, the algorithm implementation is investigated for distributed convex intersection computation problems. In a multi-agent network, each agent is associated with a convex set. The objective is for all the agents to achieve an agreement within the intersection of the associated convex sets. A distributed"projected consensus algorithm" is employed, and the computation of the projection term is converted to a constrained optimization problem. The solution of the optimization problem is determined by Karush-Kuhn-Tucker(KKT) conditions. Some implementable algorithms based on the simplex method are introduced to solve the optimization problem. Two numerical examples are given to illustrate the effectiveness of the algorithms.     

一种多智能体系统不确定性结论的合成算法

从合成函数的构成分类出发 ,讨论了适用于多智能体结论合成的合成函数类型 .同时 ,对已有的结论合成算法进行了分析 ,指出它们在实际应用中的一些不合理性 ,并提出了一种递归合成的方法来克服已有算法的缺点 .最后构造出一种用于递归合成的算法 ,验证了其用于结论合成的合理性 .     

基于混合遗传-Nelder Mead单纯形算法的源强及位置反算

确定泄漏源的位置和强度, 是进行群体疏散和应急决策的基础. 将扩散模型得到的浓度值 与传感器观测的浓度值进行比较并建立混合遗传-Nelder Mead单纯形算法模型, 反算得到泄露源的位置和强度, 进而利用浓度的模拟数据验证该算法的可行性. 研究结果表明:混合遗传-Nelder Mead单纯形算法不受初值选取的影响, 即使初值远离期望值, 也能得到很好的结果, 而且能以较小的误差 和较快的速度反算出结果, 更适合于多维变量的搜索. 因此混合遗传-Nelder Mead单纯形算法能够快速准确地反算得到泄漏源的位置和强度, 满足应急决策的需要.     

基于并行混沌和单纯形法的混合全局优化算法

混沌优化算法采用的是串行优化结构,采用并行结构进行,并不断缩小搜索空间,提高了混沌优化在变量取值范围较大情况下的搜索效率。针对混沌在全局最优点附近搜索速度变得很慢、精度较低的缺点,结合单纯形法,提高了收敛的速度和求解精度。仿真结果表明并行混合优化算法可以得到满意的结果。