带宽优化的进化算法

介绍了实值优化问题的进化算法，自然进化是基于群体的优化过程，在计算机上模拟自然进化过程形成统计优化技术．同传统优化方法相比，进化算法具有全局优化的优点，而且适合复杂的实际问题．带宽优化是寻找结点编号的最佳排列，使得刚度矩阵的带宽最小．传统方法一般求得带宽的局部极小值，而带宽优化进化算法可求得带宽的全局最优解     

基于双模式更新五行环算法的多目标冷链配送

针对生产运输中广泛存在的冷链配送问题，建立了以配送成本最小化和顾客满意度最大化为目标函数的多目标冷链物流优化模型。基于五行环优化(FECO)算法，提出了双模式更新个体的五行环优化算法(FECO-DMUI)，并对多目标冷链物流模型进行求解。将FECODMUI算法与FECO算法、NSGA-II算法、鲸鱼优化算法和灰狼优化算法进行比较，结果验证了本文模型和算法的有效性，同时验证了FECO-DMUI算法在多目标冷链配送问题中能更加高效地获得路径优化的最优解集。     

生产调度问题的模糊满意优化

研究了生产调度的模糊多目标优化问题．分析了生产调度问题中的优化目标和系统约束的模糊性，分别定义了其模糊满意度，形成了一类具有模糊目标和模糊约束的多目标优化模型，运用模糊优化算法进行求解，对一算例进行了仿真研究，验证了该算法的有效性。     

配电网无功功率优化

电压质量是衡量电网可靠优质运行的重要指标之一。首先介绍了配电网无功优化“分级分区补偿、就地平衡”的原则；其次对配电网无功优化算法进行分类，详细介绍了各类传统优化算法和人工智能优化算法；最后总结了配电网无功功率优化的重要意义。     

有限元平面三角形网格的优化

本文对有限元平面三角形网格优化的基础上，系统地提出了“结构优化”的概念，并对以往的网格光顺算法做了改进，提出了一种将结构优化和位置优化相结合的网格优化方法，弥补了以往的优化方法中对结构优化的忽视，使网格优化更加完善。     

计及静态电压稳定的变尺度混沌无功优化

选择系统有功网损作为目标函数，同时考虑满足电压水平和电压稳定性两个约束条件来探讨无功优化问题,介绍了变尺度混沌优化算法，该算法不断缩小优化变量的搜索空间并不断提高搜索精度，从而有较高的搜索效率，将该算法应用于计及静态电压稳定的电力系统无功优化问题，并对IEEE14节点系统进行了仿真计算，计算结果验证了算法的有效性．     

基于两级优化-进化算法的结构优化设计研究

针对结构优化设计问题的特点，提出了两级优化－进化算法的优化策略。以一个12层框架结构的优化设计为例，测试了该优化策略的效率，与单独采用进化算法相比，该优化策略在保证优化结果精度的前提下能大幅度提高优化的效率，是一种较好的工程优化方法，虽然以多层框架结构为优化对象，但提出的优化策略完全适用于其它类型结构的优化问题。     

正布尔函数随机生成算法

层叠滤波器是一类新型非线性滤波器，生成正布尔函数是确定层叠滤波器的关键．在应用全局化优化算法，如遗传算法、模拟退火算法时，如果不能随机生成正布尔函数，则无法应用这些算法优化层叠滤波器，提出了一种随机生成正布尔函数算法，能随机生成正布尔函数，使应用全局化优化算法优化层叠滤波器成为可能．仿真结果表明，该算法可行．     

用于函数优化的小世界优化算法

借鉴小世界现象的有关机理，构造了不同的小世界优化算子，主要包括局域短连接搜索算子和随机长连接搜索算子．将优化过程视为在搜索空间（网络）中从候选解向最优解的信息传递过程，利用小世界现象有效信息传递的有关机理实现了一种新的优化算法一一小世界优化算法．通过对复杂函数的优化问题进行仿真试验，表明与相应遗传算法相比，新算法可以更好地保持解的多样性，能够有效地避免陷入局部极小值的问题，并在一定程度上克服了早熟和遗传算法欺骗问题，并且收敛速度快，因此具有解决复杂问题的潜力。     

混合优化算法及在约束优化问题中的应用

针对混沌优化方法和Alopex算法的特性,将改进的Alopex算法嵌入到混沌优化算法中,提出了一种混合优化算法,此算法充分发挥了改进的Alopex算法的快速搜索能力和混沌优化方法细致寻优的特性,提高了算法的收敛速度,避免了优化算法陷入局部最优的缺陷;同时将混合优化算法应用于约束优化问题中．仿真结果表明了混合优化算法的有效性．     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

基于改进粒子群算法的方案飞行弹道优化设计

研究导弹方案飞行弹道的优化问题.在对方案飞行弹道优化本质特征进行分析的基础上,针对爬升-转弯段弹道提出了一种基于粒子群优化算法的方案弹道优化算法.该算法引入罚函数法和权系数法构建综合的目标函数,采用非均匀B样条方法实现控制规律的参数化,采用改进的具有动态初始化策略的粒子群优化算法进行寻优计算.仿真算例及结果表明,该方法结构清晰,具有较好的通用性,优化后的方案飞行弹道满足约束条件.     

量子教学优化算法及在函数优化中的应用

为提升基本教学优化算法的搜索能力, 通过融合量子计算原理, 提出了一种量子教学优化算法。 该方法采用教师自学和学生向教师学两种学习机制搜索全局最优解。 个体采用量子比特编码, 搜索过程在 Bloch 球面上进行, 个体的更新通过量子比特的绕轴旋转实现, 然后将其解码为量子比特的 Bloch 球面坐标。 由于该方法将基本教学算法中每维变量的搜索都扩展到 Bloch 球面进行, 可使搜索过程更为精细, 从而加强了对解空间的遍历性。 不同维度标准函数极值优化的仿真结果表明, 此方法的寻优能力不仅超过基本教学优化算法, 同时也超过其他经典群智能优化算法, 验证了将量子计算的某些机制和智能优化相融合可提升其优化性能。     

多障碍建筑群图像空间布局智能寻优方法优化

为了解决传统方法大多将注意力放在建筑群体局部优化方面,缺少对整个含多障碍建筑群体空间布局优化研究的问题。通过改进粒子群法研究多障碍建筑群图像空间布局智能寻优方法优化问题。建立寻优问题模型,将最小化最大风速比、最大化采光满足率、最优化容积率作为多障碍建筑群图像空间布局智能寻优目标,依据寻优问题模型建立总目标函数。针对粒子群算法的弊端,对其进行改进;将粒子和种群最优粒子差异程度当成依据对权重进行确定。通过密集距离对粒子和相邻粒子间的密集程度进行描述,依据密集程度,选用逐一去除法对最优解进行更新。针对提出的多障碍建筑群图像空间布局多目标寻优问题,采用改进粒子群算法进行求解。结果表明:采用所提方法优化后,日照满足率虽然略低于优化前;但最大加速比和容积率均更优;所提方法 WBGT指标(湿球黑球温度)高于其他方法。可见所提方法可令各指标均衡最优化,能够保证新陈代谢率低,热适应差的人舒适性。     

量子粒子群算法优化钢结构截面

传统的钢结构截面优化方法通常采用试算法,很难获得全局最优解。在经典粒子群算法的基础上,通过研究量子行为,提出了基于量子行为的粒子群算法,并将其应用于钢结构截面优化设计,详细描述了算法的原理和优化步骤,给出了钢结构截面优化数学模型,并对两个典型工程优化实例进行了实验验证。典型算例的截面优化结果表明:与PSO算法及传统试算法相比,该算法的优化结果最好,在满足工程要求的前提下,截面参数合理,截面面积最小,经济性得到了明显提高。     

基于业务流程的数据库应用系统优化

系统的优化在软件开发和维护中必不可少,基于数据库的应用系统更是需要进行优化。传统的系统优化方法：包括硬件的升级,基于数据库及程序理论的优化可以解决大部分的问题。提出了一种基于业务流程的数据库应用系统优化的方法及处理模式。通过对比及分析业务流程及应用软件的处理流程,找出系统的瓶颈所在,制定优化方案,最终解决问题。     

基于多目标协同优化算法的卫星结构优化设计

针对卫星系统中多目标、多约束、耗时的结构优化问题,建立了卫星结构的多目标协同优化模型.将协同优化方法与全局多目标优化算法相结合,并针对协同优化方法的缺陷采取一些改进措施,提出了协同优化方法与全局多目标优化算法(CO-PE)组合优化方法.以某卫星结构多目标优化问题为例,在iSIGHT优化软件中对卫星结构进行多目标协同优化设计,通过CO-PE组合优化方法获取Pareto最优解集.优化结果表明,多目标协同优化模型能够简化优化问题的复杂度,基于近似模型的CO-PE组合优化方法具有较好的准确性和高效性,对实际工程中类似的复杂结构优化问题具有一定的参考价值.     

利用二次灵敏度的渐进结构频率优化算法

针对标准渐进结构优化方法用于频率优化时难以达到计算效率和准确性之间的平衡,提出了二次灵敏度的概念,给出其计算公式,并且提出了一种利用二次灵敏度的频率优化算法.该算法是对标准渐进结构优化方法的改进,通过1个算例测试了该算法的性能,表明该算法能有效地用于频率优化,尤其适用于两阶段优化法的第1阶段优化,能在一定程度上平衡计算效率和准确性.     

求解约束优化问题的改进微粒群算法

微粒群算法在处理约束条件时最常采用的方法是约束保持法,但该方法易使粒子在搜索中停滞不前,为了改进传统约束保持法的缺点,将微粒群算法与信赖域算法相结合,从而保持了粒子的多样性并使最优解在可行域内。另外,采用与信赖域搜索技术相结合的随机惯性权重,改善了算法的全局寻优能力,提高了算法的收敛速度和计算精度。实验结果表明：与标准微粒群算法和一些其他优化算法相比,改进算法具有较强的寻优能力和寻优效率。     

Sensitivity optimization of a monolithic high-shock three-axis piezoresistive accelerometer with single sensing element

There exist several difficulties in the design of monolithic high-shock three-axis accelerometer, such as high g overload, transverse overload and the cross coupling in three dimensions, etc. It is necessary to optimize the sensitivity to improve the performance of the accelerometer. For the monolithic high-shock three-axis accelerometer, the complexity of the sensitivity optimization is that it should consider not only the sensitivity difference between different axes but also the elimination of cross-coupling outputs, together with the natural frequency, structural integrity and high g overload. In this paper, the optimization process for decreasing the difference of the sensitivities between different axes of a monolithic high-shock three-axis piezoresistive accelerometer with single sensing element is established. The optimization is conducted in the condition of 100000 g acceleration by two methods-the method based on the optimization module of ANSYS and the ACO （ant colony optimization） method. The comparison between un-optimized and optimized models proves the efficiency of the optimization methods. In addition, the optimization results show that the ACO method combined with the FEA （finite element analysis） is much more efficient than the method based on the optimization module of ANSYS for the structural optimization problem. And the ACO method can be widely used in the optimization problem of the sensing elements with complicated structure.