DEDS仿真模型优化算法的终止规则研究

终止规则在优化算法中起着十分重要的作用。本文首先对采用传统终止规则的优化算法在处理DEDS优化问题时遇到的问题进行分析,在此基础上针对DEDS优化问题及其算法的特点提出一个新的终止规则,文章最后通过实际例子对终止规则进行了仿真分析。     

基于ExSpect的排队系统建模与仿真

随着petri网理论与应用研究的不断发展,petri网已经成为排队系统建模和仿真的有力工具。介绍了基于petri网的可执行的规格说明语言Exspect及其软件,提出了基于Exspect的排队系统建模的方法,并进行了实例研究。     

基于仿真优化的集装箱堆场大门系统规划研究

运用仿真优化方法对集装箱堆场大门系统规划问题进行了研究。建立了大门系统规划问题的数学模型，规划目标是在满足系统作业要求的前提下最小化大门系统的建设费用；根据系统作业中存在的不确定性、随机性活动的特点，建立了大门作业系统的离散事件仿真模型，并运用仿真模型与启发式算法相融合的仿真优化方法进行求解；运用案例分析验证了该方法的有效性，同时进行了敏感性分析。     

基于CPN仿真的排队系统建模及性能分析

排队网络模型是一种经典的性能分析模型,提出按照队列的输入过程、排队规则和服务机构三要素,将排队系统转换为层次颜色Petri网模型的建模规则,利用CPN Tools 工具在模型中加入monitor监视器监视模型运行情况,使用Data Collector采集相关数据,进行队列模型的相关指标的性能分析和评价工作,最后给出基于仿真的建模与分析方法的一般操作步骤.这种建模和分析方法不需要对系统作任何的假设和限定,可以对模型的任何方面进行性能分析,扩展了传统排队系统的研究范围,具有很强的灵活性;一些扩展排队网络的建模和分析,如考虑服务台损坏和维修时间的扩展模型,只需对基础的排队网络稍加修改即可完成建模和性能分析,提高了模型的复用性;层次化的建模方法克服了基本Petri网组合状态爆炸的缺点,可以用于大规模的复杂排队系统.     

基于遗传算法优化模糊对模型参数的算法设计及仿真

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法，提出基于GA的一套完整，系统的优化模糊对模型参数的算法，其关键是选择确定祖先节点a的方式和选择哪些变量作为染色体基因，对国际标准例题的仿真表明，该方法对算法初始值的选择不敏感，能显著提高模糊树模型的建模精度，在相同模型精度条件下，则可简化样本空间的划分，降低模型的计算量。     

面向仿真优化的粒子群算法计算模型

粒子群优化算法（Particle Swarm Optimization,PSO）是群集智能的典型代表,其参数较少且操作简单,故一直是智能优化算法研究应用的热点。然而PSO有易早熟和搜索精度不高的缺陷,针对此弊病,在基于仿真的优化（Simulation Based Optimization,SBO）思恕体系下,融合人工生命、基于Agent的升算和计算智能,提曲面向SBO的PSO计算模型,茅籽PSO的系统研宄和算法改庭抽象力一含大规模纽合优化问题的求解。最后利用一系列benchmark函数进行了仿真优化实验,取得了较好的结果,从而论证了本思想方法的可行性与可信性。     

排队系统仿真中瞬态过程长度的确定

本文介绍了几种用来确定仿真过程中瞬态过程长度的方法,并对它们的应用情况和使用范围做了简单的说明。     

基于Modelica语言的多领域模型仿真优化研究

在分析多领域物理系统仿真优化特点的基础上,研究了Mode1ica模型仿真优化的关键问题:基于模型的编译信息实现多实例、多目标启发式仿真优化建模;并利用Modelica语言的结构化注解特征实现仿真优化模型的混合表达;在自主研发的多领域统一建模与仿真平台MWorks下实现了多领域仿真优化流程和若干优化算法.最后以F14战机简易模型的控制参数优化为例验证以上方法的有效性.     

基于标准可加性模型的模糊控制算法仿真研究

基于标准可加性模型（SAM）的模糊控制算法及自学习SAM算法是一种适合工业控制应用的模糊控制方式，并且通过自学习可以对控制器的输入输出参数进行修正，从而使该算法综合了模糊控制和神经网络控制的各自优点，仿真表明该算法能对被控对象实现有效的控制，且具有较强的鲁棒性。     

基于FPGA的IGBT开关特性仿真算法优化及实时仿真研究

根据IGBT(Insulated Gate Bipolar Transistor)特性建立其开关暂态模型,其较准确的描述了IGBT开关过程中的电磁变化规律,模型精度较高。结合实时仿真的要求提出模型优化方法:单周期延时法和函数查表法;给出FPGA(Field-Programmable Gate Array)实现算法优化的具体方法。搭建以FPGA为核心的实时仿真电路平台,仿真数据与实际测试数据基本一致。基于FPGA的IGBT开关特性实时仿真解决了采用传统处理器仿真无法表征IGBT开关暂态时电压、电流动态变化过程的难题,克服了商业仿真软件实时性较差,仅能应用于离线状态下器件仿真的不足,实现了电力电子的器件级仿真,同时实时仿真精度大幅提高。     

一种基于复形调优遗传算法的多学科优化方法

建立良好的优化方法,是多学科设计优化（multidisciplinary design optimization, MDO）求解的关键和难点。结合具有全局搜索能力的遗传算法和局部收敛特性的复形调优算法的优势,建立了全局优化算法,并将全局优化算法应用于多学科可行（multidisciplinary feasible, MDF）方法的多学科分析模型求解,建立了两级优化MDF（double optimization MDF, DO-MDF）方法和单级优化MDF（single optimization MDF, SO-MDF）方法两种计算构架。以CASCADE系统产生的多学科问题求解为例,对比5种计算构架对MDO求解的优化结果,结果表明,DO-MDF、SO-MDF两种计算构架通过有效关联学科分析的前馈信息流表现出更好的计算能力。     

基于遗传算法的相位调制波形智能优化

随着智能化程度的提高,雷达发射信号更加复杂多变.为有效应对复杂的、未知的威胁信号,需要提升对抗系统智能对抗的能力,提出一种基于智能优化算法的对抗波形智能优化方法,并通过仿真实验对基于遗传算法的相位调制波形智能优化进行研究.不同优化参数、不同实施条件、不同雷达信号及信号变化条件下的实验结果表明,遗传算法能够以较少的迭代次...     

基于免疫遗传算法的车间天车调度仿真模型

研究了多机多任务的车间天车调度问题, 提出了一种结合免疫遗传算法的仿真模型 解决方案. 该方案建立了能反映天车实际工作环境运行特征的仿真模型, 根据天车作业 跨的工位与天车位置关系进行模型空间抽象, 用可变的天车任务优先级来解决天车运行 过程中空间约束导致的多机多任务冲突; 仿真模型用于评估各种调度方案, 免疫遗传算 法则使调度方案在不断的迭代中持续优化. 以某钢厂一主作业跨的天车调运任务问题制 定天车调度方案进行模型检验, 对求解的可行天车任务分配方案, 进行比较分析, 说明 了模型方法的有效性与工程应用的可行性.     

基于模拟退火遗传算法的土地利用结构优化模型

将模拟退火方法引入遗传算法中,对多参数问题进行优化。该算法克服了SGAs的过早收敛的问题以及算法易陷于局部极小点的问题,使得搜索沿着全局最优方向进行。将该算法应用于解决土地资源优化分配的问题中,优化结果同样具备上述特点。参3。     

基于复杂系统演化优化的实码多目标嵌套加速遗传算法

复杂性科学研究已经成为系统科学领域研究的重要方向,然而由于复杂系统的多层次、非线性等特点, 加之含有大量随机不确定因素,给系统的演化仿真工作带来巨大的困难,提出基于实数编码的多目标嵌套加速遗传算法(RMONAGA)来对复杂系统进行演化仿真,利用复杂适应系统自身特点与遗传算法特点的相似性,采用嵌套、多目标等方法较好的解决了复杂系统中不同层次交互、不同部门间适应性矛盾等问题.将该方法应用于三江平原区域农业水土资源复杂适应性优化配置演化研究中, 验证了该方法的科学合理性,以期对CAS理论在各领域的建模仿真工作提供一定的帮助.     

基于粒子群-遗传的混合优化算法

提出了一种基于实数编码的粒子群优化和遗传算法的混合优化算法,该算法首先由粒子群优化进化一定代数后,将最优的M个粒子保留,去掉适应度较差的pop_size M个粒子。然后以这最优的M个粒子的位置值为基础,选择复制得到pop_size M个个体,并进行交叉、变异等遗传算法运算。最后将保留的M个粒子位置值与遗传算法进化得到新的pop_size M个体合并形成新的粒子种群,进行下一代进化运算。该算法在进化过程中能进行多次信息交换,使两种算法互补性得到更充分的发挥。通过5个函数优化实例与其他多种算法的对比研究,表明该算法收敛性能好,运算速度快,优化能力强。此外,还研究了最优粒子保留规模M以及粒子群优化进化较少代数规模对算法性能的影响。     

混合递阶遗传算法优化小波神经网络的研究

在研究小波神经网络结构及其学习算法的基础上,提出了一种以混合递阶遗传算法优化小波神经网络的新方法,混合递阶遗传算法是递阶遗传算法和多元线性回归的结合。此方法可同时优化小波神经网络的结构及其参数,具有学习速度快,精度高的特点。并与传统的BP算法进行了对比,证明了本算法的有效性。     

基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

基于遗传算法的备件两级优化建模与仿真研究

针对装备备件保障中存在的配置不合理问题,提出了一种基于仿真和遗传算法的备件配置优化算法。该算法采用仿真方法建立装备使用可用度模型,并利用遗传算法实现备件的优化,实现了在满足备件保障费用约束的前提下,使装备使用可用度达到最大。给出了应用该方法的具体步骤,并通过举例验证了算法的有效性。     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。