基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。     

复杂产品多学科协同设计优化建模方法

复杂产品往往由多个子系统通过复杂的耦合方式组成。针对复杂产品多学科协同设计优化的需求,将复杂产品分解成为分布式层次型系统,建立复杂产品多学科协同优化模型,包括了系统级优化模型、子系统优化模型和子系统分析模型。为解决不确定条件下的复杂产品优化建模问题,在确定性条件下建模方法的基础上引进不确定分析,得到系统目标函数与不确定变量之间的对应关系,建立不确定条件下的复杂产品多学科协同优化模型。最后,给出了复杂产品多学科协同优化建模过程。

Abstract：

Complex products are often composed by a number of subsystems which coupled by some complicated way. In order to meet the need of multidisciplinary collaborative design optimization, the multidisciplinary collaborative optimization model of complex products was established based on distributed hierarchical system, including system-level optimization model, optimization model subsystem and subsystem analysis model. To solve the problem under uncertainty, complex products multidisciplinary collaborative design optimization modeling under uncertainty was concluded based on the introduction of uncertainty analysis to determine the system of objective function and the corresponding relationship between the uncertain variables. Finally, multidisciplinary collaborative optimization modeling process of complex product was provided.     

摩擦式电磁离合器的多学科设计优化

摩擦式电磁离合器优化设计涉及的学科多,计算时间长,容易造成逻辑混乱问题,而传统串行优化算法割裂了学科间耦合关系难以得到全局最优解,因此引入了多学科设计优化方法。为了解决协同优化方法(CO法)不容易收敛的问题,提出了CO与同时分析和设计方法(SAND法)结合的二级多学科优化算法,给出了算法架构和计算流程。最后,对产品实例的结构参数进行优化得到了Pareto解,实现了多个优化目标。结果表明,该优化算法有效地减少了计算时间,增强了CO算法的收敛性能。     

基于粒子群优化与高斯过程的协同优化算法

对于适应度函数计算耗时较大的工程优化问题,采用仿生智能优化算法求解时常遇到由于适应度函数评价次数过大而导致计算量过高的瓶颈问题。针对上述问题,提出一种基于粒子群优化（particle swarm optimization, PSO）算法与高斯过程（Gaussian process, GP）机器学习方法的协同优化算法（PSO-GP）。该算法在寻优过程中采用GP近似模型来构建决策变量与适应度函数值之间的映射关系,在PSO全局寻优过程中不断地总结寻优历史经验的基础上,预测可能包含全局最优解的搜索区域,以优化粒子群飞行的方向。多个测试函数的优化结果表明,该算法是可行的,与基本PSO算法相比,在获得全局最优解的前提下,可显著减小寻优过程中的适应度函数评价次数,寻优效率较高,在高计算代价复杂工程优化问题的求解上具有良好的应用前景。     

基于MDO技术的油底壳结构优化方法研究

为提高油底壳的结构刚度,减轻质量,研究探讨了一种利用成熟CAD/CAE软件和多学科设计优化(MDO)平台进行内燃机部件结构优化设计的方法。利用iSIGHT、I-DEAS软件和VC 语言,构建了一套结构优化集成系统,实现了基于MDO技术的油底壳结构优化的整个仿真流程,并对程序控制的实体模型参数化修改、集成框架以及相关优化算法等进行了探讨。针对某型号柴油机油底壳,利用连续二次规划(NLPQL)算法,优化求得了结构参数全局最优解。实践结果表明:MDO技术应用于内燃机结构优化设计,是实用和可行的。     

自适应协同优化方法研究

针对一致性约束条件造成协同优化方法计算困难的问题,研究提出了一种自适应协同优化方法.首先将设计变量空间划分为三类区域,分析了每个区域内一致性约束松弛量与系统可行域和学科一致性的关系,并在此基础上提出了三种一致性约束松弛量的确定方法.然后基于上述方法,给出了自适应协同优化的算法流程,对比分析了相对于标准协同优化算法流程的改进之处.最后采用自适应协同优化方法对两个典型MDO算例进行优化,证明了该方法具有较好的鲁棒性和收敛速度.     

两阶段优化算法求解绿色装箱车辆路径问题

带二维装箱约束的绿色开放式车辆路径问题（green open vehicle routing problem with twodimensional loading constraints, 2L-GOVRP）是绿色开放式车辆路径问题和二维装箱问题的集成。以最小化燃油消耗量为优化目标建立了2L-GOVRP模型,并提出一种两阶段优化算法（two stage optimization algorithm, TSOA）进行求解。TSOA的第一阶段,针对车辆路径问题,设计自适应鲸鱼优化算法（adaptive whale optimization algorithm, AWOA）进行求解,从而确定车辆初步配送路径（即2L-GOVRP的初始解）,并采用4种变邻域局部操作进行局部搜索。TSOA的第二阶段,针对二维装箱问题,设计融入扰动机制的天际线填充算法（skyline filling algorithm combined with disturbance mechanism, SFA-DM）优化装箱过程,从而确保所有货物能够合理装箱。通过对不同客户规模测试数例的仿真实验和算法比较,验证了TSOA可...     

SBA系统MDO环境中建模仿真工具集成技术研究

针对SBA系统多学科优化环境构建中各学科分析过程对建模仿真工具集成的需求,研究了.NET平台下MDO环境中典型建模仿真软件MATLAB和DATCOM的集成方法及技术,总结了基于COM组件集成、MCC编译器方法及MATLAB引擎工作方式三种MATLAB集成方法并给出应用优缺点分析.在使用C#言构建的多学科设计优化环境中从气动学科、推进学科、控制学科建模仿真的角度介绍了各部分DATCOM和MATLAB工具的应用及集成过程,为SBA系统多学科设计优化环境的构建打下了基础.     

一种改进的快速模拟退火组合优化法

基于对求解全局优化问题的确定性方法和模拟退火算法的分析,文中提出了一种改进的快速模拟退火算法．实验结果表明,该算法可以显著地提高求解全局优化问题的计算效率     

An improved multidisciplinary feasible method using DACE approximation approach

1.INTRODUCTION Themultidisciplinarydesignoptimization(MDO)is anapproachwhichimprovesandspeedsupthedesign process,andlowersthedesigncostofcomplexand coupledengineeringsystems[1,2],Themainfactor thatresultsinthecomplexityofMDOistheinterdis ciplinarycoupling.Thegeneralstrategytohandlethe couplingisdecompositionofthecomplexsysteminto sub systems,eachpertainingtothephysicalphe nomenonorcomponent,andtop systemwhichpre servesthecouplingsbetweenthesub systems.How ever,algorithmsbasedondecomposi…     

基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

A GREEDY GENETIC ALGORITHM FORUNCONSTRAINED GLOBAL OPTIMIZATION

The greedy algorithm is a strong local searching algorithm. The genetic algorithm is generally applied to the global optimization problems. In this paper, we combine the greedy idea and the genetic algorithm to propose the greedy genetic algorithm which incorporates the global exploring ability of the genetic algorithm and the local convergent ability of the greedy algorithm. Experimental results show that greedy genetic algorithm gives much better results than the classical genetic algorithm.     

基于遗传算法的RLV再入轨迹优化设计

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题。利用小生境技术和精英方法改进适应值共享拥挤遗传算法,并将其用于RLV再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。     

近空间多武器平台对地攻击多阶段模型及算法

针对近空间多武器平台对地攻击问题,综合考虑了作战资源、目标毁伤、己方损耗、飞行最短路径等四项关键战技指标,建立了多阶段优化控制模型,给出了相关的推理过程。为避免动态规划及序列规划的计算复杂性,通过设计合适的表达方法,使粒子与可行解对应,给出了改进的粒子群优化算法及算法详细步骤,并分析了改进的粒子群算法快速全局优化的特点,说明该算法能找到优化问题的全局最优解。最后对多阶段优化问题分别用改进的粒子群算法进行求解,仿真结果验证了模型的合理性和算法的有效性。     

Chaotic migration-based pseudo parallel genetic algorithm and its application in inventory optimization

1.INTRODUCTION Geneticalgorithm(GA)isacomputationmodelsimulat ingevolutionprocessofcreatures.Inspiteofitsremark ableprogress,thetroublecausedbyprematureduring evolutionhasbroughtdifficultyforGAapplications.A sortofmulti populationGAishighlyregardedformaking thebestofparallelstructureandgroupevolvementofGA witheasyimplementation[1].ButPGAhasahighrequest forhardwareenvironmentofmultiprocessorsuchlike Transputernetwork,MIMD,SIMDorLAN[2,3].For thoseoptimizationproblemsoflowerrequestf…     

基于蚁群优化算法的0-1背包问题求解

蚁群优化算法在求解旅行商问题、指派问题、Job-shop调度问题和网络路由问题等获得了极大的成功．将蚁群优化算法应用于0—1背包问题，首先将0—1背包问题表示成相应的构造图，并针对该图设计了两个状态转移公式，蚂蚁根据这两个状态转移公式在带权图中移动直到死亡．此时，蚂蚁所走过的路径即构成背包问题的一个可行解．仿真实验对该算法的参数进行了讨论，再与遗传算法进行比较，结果显示该算法具有较高的性能．     

基于遗传算法和最速下降法的函数优化混合数值算法

在遗传算法中嵌入一个最速下降算子，并定义适当的适应度函数和子代个体的选择算子，从而可结合遗传算法和最速下降法两者的长处，得到既有较快收敛性，又能以较大概率得到全局极值的新的用于连续函数全局优化的混合数值算法。数值计算结果表明了本文方法显著优于求解函数优化的遗传算法和最速下降法.     

应用免疫算法进行电网规划研究

将一种新的随机优化方法——免疫算法应用于电网规划 ,利用 IEEE-6节点系统作为样本网络进行分析计算 .并将该方法跟基于遗传算法的电网规划方法进行比较 ,结果表明免疫算法在全局寻优的性能方面要优越于遗传算法 .本文还将基于免疫算法的电网规划方法应用于我国某实际电力网络 ,取得很好的规划结果.     

用于多峰函数优化的小生境人工蜂群算法

针对人工蜂群算法(artificial bee colony algorithm, ABC)在多峰优化时只能找到一个最优解,难以找到所有全局和局部最优解的问题,提出一种小生境ABC算法。利用小生境技术维持种群的多样性,使算法不再单单收敛于全局最优解;借助ABC算法具有较高寻优精度的特点精确寻找各个峰值点。对标准测试函数进行仿真,结果表明,小生境ABC算法能够准确、有效地找到多峰问题的全局和局部最优解,具有良好的多峰优化性能。