倒向微分方程在一类奇异最优控制中的应用

利用Krotov方法把一类奇异最优控制问题转化为一族球约束的全局优化问题,然后引入一族初值连续依赖于时间参量的倒向微分方程,给出相应的全局优化问题的解析解,用以构造最优控制的解析表达式.     

一类微生物发酵过程的优化

研究了甘油生物歧化为1,3-丙二醇过程的优化.首先给出了使目的产物1,3-丙二醇浓度最大的稳态优化模型,然后基于MATLAB和1st Opt软件,构造了可求其最优解的混杂优化方法,取得了较好的应用效果.     

一种新的求解多目标问题的分组粒子群优化算法

用粒子群优化算法求解多目标问题容易陷入局部最优,为此本文提出了一种分组粒子群多目标优化算法。该算法将决策空间分成Q个子空间,每个子空间随机的分配N个粒子,这Q个粒子群分别在各自的空间进行独立搜索。为保证每个种群的搜索多样性和遍历性,用混沌序列对各组粒子位置进行初始化,同时对各组进行基于聚集距离的粒子择优进化。由典型多目标函数的优化实验结果表明,经过适当的分组,该算法能迅速逼近非劣最优解集,效果令人满意。     

Optimal Configuration of a Redundant Robotic Arm: Compliance Approach

IntroductionResearch has been carried out to improve theperformance of industrial robots.One problemarea that has received a great deal of researchattention,in this regard,is singularity avoidance.To be able to move uniformly and apply forcesuniformly in all directions,the manipulator muststay as far away as possible from singularities.Asingularity occurs when two or more link axesalign,resulting in the loss of one or more degreesof freedom of the manipulator.Mathematically,asingularity occur…     

反导子母弹最佳射角方向角和开舱时刻的确定

为了使子母弹抛撒开的子弹散布范围可以覆盖来袭导弹,在分析来袭导弹和子母弹弹道轨迹的基础上,以开舱后子弹群中心点的脱靶量为优化目标,以母弹的射角和方向角为设计变量,建立了无约束优化数学模型。在MATLAB中使用fminsearch无约束优化程序求优,得到了脱靶量取到极小值时母弹的最佳射角和最佳方向角,并根据当弹目距离达到一定数值时母弹开舱的原则计算了母弹开舱的时刻。还研究了优化模型在不同发射时机时的求解情况。计算结果表明,在子母弹的各项参数和来袭目标轨迹给定的情况下,应用优化的方法可解出母弹发射的最佳射角和方向角。随着发射时机越来越晚,最佳射角越来越大,而最佳方向角越来越小。     

单产品间歇过程优化的研究

研究了类似对二氯苯间歇结晶过程的最优化设计问题,考虑附属设备与主体设备构成网络的情况,提出了最优化数学模型,并建立了相应的软件。此外针对能够适用于解大规模问题的最优化算法作了进一步的探讨。采用单维搜索的方法求解了几个问题,表明:所提出的方法具有运算速度快及适应性强的优点,可以预测,在此基础上有可能进一步开发出通用的软件。     

一种改进的遗传算法及其在约束优化中的应用

提出一种违约解修正法来改进遗传算法 ,目的是把遗传操作中产生的不可行个体 ,经过修正变换成可行个体 ,并用测试函数验证其有效性 .计算的结果表明了违约解修正法的遗传算法应用在约束优化中是可行的 .     

粒子群优化算法在水库调度中的应用

基于水库优化调度常用优化方法存在的不足,本文根据水库优化调度的数学模型,将粒子群优化算法运用到水库优化调度中。该算法通过个体间的协作与竞争,实现复杂空间中最优解的搜索分析,具有计算简便,收敛速度快等优点。将混沌优化算法运用到水库调度中,并与其它优化方法比较,获得了较为满意的结果。     

无约束非光滑优化的二阶充分条件

利用Penot广义方向导数及Clarke广义梯度,讨论了定义在实Banach空间上的无约束非光滑优化问题的最优性条件,给出了非光滑优化取得严格局部极小的二阶充分条件.     

杂草算法收敛性分析及其在工程中的应用

针对从自然界中杂草的生长繁殖特性演化而来的新型智能优化算法———扩张性杂草进化算法,通过马尔可夫链,分析证明了它的全局收敛性.相比其他启发式算法,其最大优点是基于种群中优秀的个体有指导地进行搜索,且算法中子代个体按正态分布的方式分布于父代个体周围,在进化过程中通过动态调整此正态分布的标准差,使算法在早期与中期充分保持群落的多样性,较其他启发式算法更容易保证对解空间的全面搜索.而在算法的后期加强对优秀个体周围的局部搜索,从而保证算法能够稳健地收敛到全局最优解.典型的复杂机械优化设计算例结果表明,该算法在优化过程中能有效避开局部最优解,快速、有效地收敛到全局最优解.