网络化控制系统的RM调度优化研究

减少网络堵塞是提高网络化控制系统性能的有效的方法.提出了一种基于RM调度优化算法的研究方法,通过对网络化控制系统中的调度优化算法的分析,网络利用率明显好于未被调度优化的系统.结果表明,合理的调度优化算法能提高控制系统的网络利用率,同时改善了控制系统的动态性能.     

Copula EDA与BP结合优化神经网络

分布估计算法是一种新的种群进化算法,通过建立概率模型得到新的个体,copula分布估计算法是将copula理论与分布估计算法结合,提高估计的精确性和效率。针对分布估计算法全局收敛的特点,与BP算法结合可以避免BP算法易陷入局部极值点的缺陷,同时可以使优化结果更加精确。本文采用copula EDA与BP算法的两种结合模式来优化神经网络的权值和阈值,并且比较两种结合模式。可以得出,copula分布估计算法与BP算法融合可以提高收敛速度和精确性。     

基于分布估计算法的建筑结构设计优化

建立了以质量最小为目标的建筑结构优化数学模型,解决具有应力约束和截面尺寸约束的离散变量结构优化问题.通过统计方法构建个体空间分布概率模型,随后依据此模型随机抽样生成新的群体,实现群体的进化.仿真结果表明分布估计算法求解建筑结构优化设计问题是可靠有效的,搜索能力更强,收敛性能更佳,为解决建筑结构优化问题提供科学的参考.     

基于时延随机分布的网络化控制系统控制器设计

针对一类非线性网络化控制系统,根据网络诱导时延两个主要部分即传感器到控制器时延及控制器到执行器时延的不同随机分布特性,利用Lyapunov-Krasovskii泛函方法得到了闭环系统的均方稳定性条件. 在系统闭环方程中引入时滞的随机分布特性,获得一种新形式的Lyapunov-Krasovskii方程,降低了控制器设计方法的保守性. 仿真结果表明了该方法的有效性.      

求解多目标优化问题的分布估计算法

通过对多目标优化方法研究现状的分析,针对多目标优化问题的特点提出一种基于联合正态分布的求解多目标优化问题的分布估计算法。该算法将不同目标函数的自变量作为不同的随机变量,用联合正态分布对扩充的解空间进行估计,并用投影的方式将采样点映射到解空间中。仿真结果表明了该算法的有效性。     

基于基尼指数的分布估计算法

随着基础理论研究所取得的一系列进展,分布估计算法逐渐成为进化计算研究领域的一个新的研究方向,并成为当今国际进化算法研究的新热点.文中提出了基于基尼指数的分布估计算法,采用实数编码直接对连续随机变量建模,并引入了基尼指数,设计了可以随着进化代数的变化动态调整子代种群的扰动因子函数.实验结果表明,该算法与其他同类算法相比优化精度有了一定程度的提高.     

基于改进分布估计算法的带并行机模糊混合Flow Shop调度

针对处理时间不确定情况下带并行机的混合Flow Shop调度问题,基于模糊规划理论,采用一种模糊数排序的方法建立了调度模型;以最小化加权模糊最大完工时间的平均值和不确定度作为调度目标,提出一种改进分布估计算法(IEDA)求解上述问题。IEDA算法采用基于NEH(Nawaz-Enscore-Ham)和破坏重建策略的初始化方法,对较优个体进行变邻域局部搜索以提高算法的局部搜索能力,同时采用破坏重建策略增加种群多样性,在最优解连续若干代没有改进时对其进行基于破坏重建策略的变邻域局部搜索,增强算法跳出局部最优的能力,并用正交设计的方法调节算法参数。仿真实验结果验证了本文算法的优越性。     

基于分布估计算法的离港航班排序优化

离港排序优化问题是指优化离港航班序列以减少终端区离港航班的延误,是当前空中交通管制领域需要解决的重要问题。该文基于带滑动窗的分布估计算法,实现了对此问题的求解。算法以飞机优先序列进行编码,适应度函数考虑了离港飞机起飞延迟因素,并在传统的优化流程中加入了滑动窗的排序思想,解决了多架飞机参与排序时编码空间不足的问题。仿真结果表明:分布估计算法在离港排序优化问题上具有较好的整体性能,同时滑动窗参数的选择对于优化结果具有明显的影响。     

网络化控制系统

介绍了网络化控制系统的发展历程,讨论了控制网络的特征及其对控制系统的影响、以及关于网络化控制系统的研究热点和可能的新的研究方向.     

分布估计算法与爬山法的混合优化算法

针对经验Copula分布估计算法局部开采能力较弱的问题,提出了用爬山法进行局部搜索,将搜索结果参与到经验Copula分布估计算法的进化过程中,增加了群体中的个体差异性,同时又不影响群体的进化方向。在初始化群体时提出了均匀初始化的方法,针对高维优化问题,给出了特定的算法。通过对标准测试函数的仿真实验,表明了该算法的有效性。     

网络化控制系统中采样周期的优化求取

针对存在时延的网络化控制系统,建立系统的增广状态空间描述,并且根据时滞相关稳定性判据,求取保证系统渐近稳定的最大允许时延.其次,根据建立的增广状态空间描述模型给出以优化控制性能为目标的优化函数,在假设系统时延为最大允许时延的情况下,通过求解性能优化函数极小值得到采样周期的优化解.最后,引用实例验证所提方法的可行性.     

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.     

基于分布估计算法的柔性机械手滑模控制器设计与优化

为了提高柔性机械手末端位置控制的鲁棒性和精度,提出基于分布估计算法(EDA)的滑模控制器优化方法.首先通过奇异摄动理论将柔性机械手动力学解耦为快慢2个子系统,分别设计含待定参数的快慢子系统的滑模控制器,然后给出了基于EDA的控制器优化策略,对滑模控制器进行优化.最后通过仿真与传统滑模控制进行对比试验,结果显示该方法在响应速度、超调量、控制精度以及振动抑制方面都优于传统的滑模控制算法.     

基于OPNET的网络化控制系统时延分析

本文基于网络仿真软件OPNET,设计了网络化控制系统的仿真平台。在该仿真平台上实现了网络化控制系统中广义对象节点和控制器节点的功能,展示了网络模型的搭建过程,测量了网络中点对点的时延,并且进一步分析在发包大小、发包时间间隔不同的条件下时延的分布特征。该仿真平台为提高网络化控制系统的性能提供更加有效的验证途径。     

Copula EDA-BP混合优化算法预测股票价格

股票价格的预测是广大投资者非常关注的问题,也是诸多学者不断研究的方向,神经网络具有学习样本规律的特点,通过神经网络预测股票价格是近几年研究的重点之一。Copula EDA-BP混合优化算法是利用了copula EDA的全局寻优和BP算法局部求精的特点,将两者结合起来建立了基于copula EDA-BP的模型系统,优化神经网络的权值阈值,对股票上证180的收盘价进行预测得到误差率,结果显示copula EDA-BP算法平均误差率低于BP算法,提高了传统BP神经网络的计算精度。     

柯西分布概率模型的copula分布估计算法

分析柯西分布函数的特性,说明在众多连续型分布函数下,在copula分布估计算法中建立柯西分布概率模型的可行性。通过描述柯西分布以及逆累积分布函数的采样,给出柯西分布函数参数不同的估计方法,得到相应的采样及完整的分布估计算法．进行仿真实验比较柯西分布概率模型的copula分布估计算法和经验分布概率模型的copula分布估计算法,说明柯西分布概率模型的copula分布估计算法的有效性。     

结合Rosenbrock算法的混合MIMIC算法

分布估计算法是基于群体的进化算法,具有较强的全局搜索能力,但其局部求精能力较弱且易陷入早熟.为了解决分布估计算法局部搜索能力不足的问题,引入一种求精能力较强的Rosenbrock算法对分布估计算法进行改进,提出一种结合Rosenbrock算法的混合MIMIC算法(Rb-MIMIC).通过实验仿真测试算法性能,将所得结果与标准的MIMIC算法相比较可知,结合Rosenbrock算法的混合MIMIC算法在求精能力和收敛性方面都有所提高.测试函数维数越高,算法的优势越明显.     

一种基于罚函数的混合分布估计算法

分布估计算法是一种新型的基于概率模型的进化计算方法,已在许多领域得到了非常成功的应用.借签罚函数根本思想,把非线性约束优化转变为无约束优化,并利用多变量相关的MIMIC算法对所得的无约束问题进化求解,提出的新算法突破了传统基于约束保持法或可行规则法的约束处理,且分布估计算法是基于可行解的宏观层面的随机进化算法,具有较强全局寻优能力和较高的收敛率.数值试验表明该算法具有很强的全局寻优能力和有效性.     

基于连续域贝叶斯优化算法求解约束优化问题

将连续域贝叶斯优化算法(rBOA)与约束处理技术相结合,用于求解约束优化问题,其主要思想是利用约束条件影响优秀个体的选取,并间接影响概率模型,使之引导群体产生满足约束条件的子代个体,从而求得满足约束条件的最优解.将rBOA与4种不同的约束处理技术结合起来,并测试了其优化性能,实验结果表明rBOA与多目标优化法结合相比另外3种方法具有最好的优化效果,但其优化效果仍有待改进.     

组合粒子群优化和分布估计的多目标优化算法

提出组合粒子群优化和分布估计的多目标优化算法。在寻优迭代过程中,一半的后代由粒子群算法产生,带有变异操作的粒子群优化算法具有全局搜索能力;另一半后代采用分布估计算法来产生,分布估计算法具有良好的学习和局部搜索能力,由其提取决策空间的信息并建立期望解的概率分布模型,对这个分布模型进行采样而产生下一代的解。与多种多目标优化算法的比较实验表明,组合算法在基准函数ZDT1～ZDT3,ZDT6和ZDT6-1上获得的Pareto解集具有较好的收敛性与多样性,在ZDT4实例上的性能适中。