混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

基于粒子群优化算法的分散式废水处理网络的综合

基于分散式废水处理网络的超结构，建立了废水处理网络系统最优化的非线性规划模型和混合整数非线性规划模型．它们是具有非凸性的复杂非线性数学规划问题，用现有的方法进行求解不能保证得到全局最优解．因此，提出了应用新型随机型算法——粒子群优化算法求解上述复杂非线性最优化问题．算例问题的求解计算表明，提出的废水处理网络粒子群优化方法具有不要求初始可行点以及适应全局优化等优点，能够快速有效地解决废水处理网络最优化问题．     

一种改进Wolef-BFGS-SQP法对随机规划的研究

基于拟蒙特卡洛随机模拟的Wolef—BFGS—SQP法对随机规划的再研究。对于求解LCI函数优化的BFGS—SQP算法,改用Wolef线性搜索原则,同样得到了该算法的全局收敛性,并把它推广到解决随机规划的问题上去。在随机模拟过程的处理上采用拟蒙特卡洛随机模拟技术,鉴于计算量比较大的问题,采用仅多加一个线性约束的信赖域技术计算,即可克服收敛慢等的缺点。     

基于物理设计约束的模拟电路尺寸设计的优化算法GMSGA

在模拟电路自动化尺寸设计方法中,基于仿真的方法精度高但耗时巨大.考虑到物理设计的约束,基于优化的模拟电路尺寸设计问题可以看作混合整数规划问题,然而利用传统的方法解决这类问题耗时巨大.为了解决该问题,本文提出一种新的优化算法:混合高斯采样贪婪算法(GMSGA).该算法首先基于混合高斯过程采样的方法获得约束侵犯和较小的良好的起始点,随后将混合整数规划问题近似地分解为整数规划问题和连续变量优化问题分别求解,其中:整数规划问题采用了一种贪婪算法,这极大地减少了仿真次数;连续变量优化采用序列二次规划算法,用来对结果进行局部优化.为验证算法的效率和可靠性,我们利用该算法了设计一个ADC中的运算放大器和E类功放.实验结果表明:相较于其他算法,该算法在相同的仿真次数下多次实验可以得到更好的优化结果.     

多目标电网规划的一般最优化模型

针对现有电网规划中难以很好综合考虑经济性和可靠性的问题，在对电网规划进行数学描述的基础上，以供应方开发成本最小和需求方缺电成本最小为目标函数，提出了多目标电网规划的一般最优化模型，并直接在算法的寻优过程体现该最优化模型．同时以改进的混合遗传模拟退火算法为求解工具，来解决该多目标电网规划问题．算例证明了该模型的有效性．     

利用动态规划求解资源分配问题

动态规划是解决多阶段决策过程最优化问题的一种数学方法,资源分配问题解决将一种或几种资源分配给若干用户或投资于几家企业,以获得最大的效益,它可以是多阶段决策过程,也可以是静态规划问题,都能构造动态规划模型求解。本文针对资源分配问题设计了动态规划求解算法,数值结果表明该算法是可行有效的。     

随机期望值模型的适应值预测差分进化算法

随机期望值模型是一类有着广泛应用背景的随机规划问题．针对此问题，提出了一种基于适应值预测的差分进化算法，该算法主要是把适应值预测技术、随机模拟技术与差分进化算法结合．最后，通过实例仿真，数值结果表明所提出的算法是有效的和可行的．     

约束最优化的改进中心算法

以最优化问题为核心，对中心算法进行了研究．该算法是解决非线性凸约束数学规划的有效算法．在此对其作了几个方面的改进．实例计算分析表明，改进后算法的收敛速度大大加快，迭代的次数大大降低．     

凸整数规划问题的混合蚁群算法

混合蚁群算法是基于群体的一类仿生算法, 适合于解困难的组合最优化问题. 本文对其做适当改进, 用于解凸整数规划问题. 结果表明: 用该算法求目标函数为正定二次型的整数规划问题的最小值, 找到的解比多起始点局部搜索方法好得多, 比原来的混合蚁群算法找到更好的解     

非线性两级整数规划问题的最优化方法

针对非线性两级整数规划的求解问题,给出了一种最优化求解方法,即将其上级规划转化为非线性连续型规划问题后,采用模拟退火算法求出最优解;其对应的下级规划问题采用模拟退火整数算法求解,通过算例的实际运算,取得了令人满意的结果,证明该最优化求解方法是可行且有效的。     

非线性规划方法简介(Ⅳ)

第六章带非线性约束的最优化问题这一章我们叙述带非线性约束的最优化问题的算法。带非线性约束的最优化问题比线性约束的最优化问题处理起来要困难得多,这方面的算法及有关理论的研究主要是近十多年来发展起来的。大致说来,解决非线性约束的规划问题有这样几种途径:一是把带约束的非线性规划问题变换为若干个或一系列无约束的规划问题,这就可以用无约束的规划问题的方法来解决,例如罚函数方法和障碍函数法;一是把可行方向法和投影法推广到非线性约束的规划问题,这种推广主要是解决由于可行点集的非线性边界带来的困难;一是把非线性约束条件逐次线性化,把原问题归结为解决一系列的线性约束的子规划。此外,还有解非线性约束     

互熵方法：组合最优化、蒙特卡罗模拟及机器学习的统一方法

本书是施普林格出版社出版的《信息科学与统计学》丛书中的一本。互熵方法是近年来随机最优化和模拟中最为重要的发展。本书详细地解释了互熵方法是怎样工作以及为什么工作的，对互熵方法做了一个全面和易于理解的介绍。互熵方法诞生于1997年，当时本书的第一作者提出了利用互熵最小化技术的稀少事件模拟的自适应算法，随后很快发展为被用来解决相当普通的组合与多值最优化问题，包括许多与学习算法领域和神经计算领域相关的问题。     

带工业约束和交易费用的离散投资组合最优化

该文研究带有工业约束和凹的交易费函数的离散单因素投资组合模型.与传统的投资组合模型不同的是,该模型中投资组合的决策变量是交易手数(整数),其最优化模型是一个非线性整数规划问题.为此提出了一个基于拉格朗日松弛和连续松弛的混合分枝定界算法,而且分别采用股票市场的真实数据和随机产生的数据来测试该算法的有效性.     

随机灰色提前期条件下制造/再制造混合系统库存优化

基于PUSH库存控制策略提出了在不确定生产提前期、恒定顾客需求率和产品回收率条件下的制造/再制造混合生产系统库存控制模型,可用品仓库库存由新产品制造过程和回收产品的再制造过程共同补充。不确定的生产提前期可描述为随机灰色变量,提出的随机灰色模拟技术可为不确定函数产生输入-输出数据,利用该输入-输出数据训练后的神经网络可加速不确定函数的模拟过程,由随机灰色模拟、神经网络和遗传算法集成的混合智能优化算法可求解该库存模型。数值分析结果表明:平均生产成本随给定的顾客服务水平和生产提前期的增加而增加,该不确定模型符合实际库存系统的实际情况,提出的智能优化算法可优化复杂的不确定规划问题。     

基于随机均衡配流的O-D量估计双层规划模型及算法

在传统随机均衡配流模型的基础上,提出了一种增广的随机用户均衡配流模型及其求解算法。在此基础上构造了一个双层规划模型,用以描述基于随机用户均衡原则的从路段观测流量估计O-D交通量的问题,并给出了相应的求解算法。该模型及其求解算法对于解决O-D估计问题是可行有效的。     

基于DE算法的建筑3D打印完全遍历路径规划研究

在建筑3D打印领域首次提出了打印头完全遍历路径规划问题,对该问题进行了系统的阐述,包括对问题产生的原因进行分析,建立数学模型,提出评价指标。引入基于人工智能的DE(differential evolution,微分演化)算法进行路径规划问题的求解,进行了一个典型建筑3D打印路径规划模型的数值仿真模拟,通过实验结果可以得出,DE算法可以较好地解决建筑3D打印完全遍历路径规划问题。     

基于小波及动态规划的相位匹配

提出了一种新的基于小波变换及动态规划的相位匹配算法。该算法采用金字塔式的多尺度匹配结构，顶层和中间层利用小波相位信息建立扫描线对的视差空间图，并引入动脉规划的方法，在获得全局最优化的匹配路径的同时有效地解决了遮挡问题。为提高匹配结果的置信度，该算法结合特征匹配确定了一系列高置信度的匹配点对作为匹配路径的控制点。金字塔底层则直接利用小波相位差和瞬时频率更新由上层由插得到的视差图，保持了相位匹配的亚像素精度。立体像对测试结果表明：该算法改进了现有的相位匹配算法；在匹配时间和区配精度上优于包含动态规划的区域匹配算法。     

关于最优化原理的教学

最优化原理是动态规划的基本原理,也是产生各种算法的源泉。在讲授最优化原理时,我们联系递推方程,解决最短路问题,使得抽象的原理变得直观。     

动态飞行模拟器实时运动规划算法

动态飞行模拟器是一种以离心机作为运动平台的持续过载模拟设备,其运动规划直接影响过载模拟精度。该文主要针对动态飞行模拟器实时运动规划问题进行研究,建立了过载模拟模型,分析了卸载段动态飞行模拟器运动参数无法计算的原因,在此基础上提出了基于2维插值法的实时运动规划算法,解决了动态飞行模拟器实时运动规划问题。为了验证算法的准确性,分别针对纯z向梯形过载曲线和3轴过载曲线进行模拟仿真,分析算法对过载模拟误差的影响。仿真结果表明:模拟过载能较好地跟踪理论过载,算法具有较好的准确性和实用性。     

面向工艺分工规划的多目标蚁群算法

为解决计算机辅助工艺规划中工艺分工的优化问题,提出一种基于多目标蚁群算法的工艺分工路线优化算法.在引入逻辑加工路线、逻辑制造单元、物理制造单元、可执行加工路线等概念基础上建立工艺分工规划过程模型.在过程模型中,运用多目标蚁群算法对物理制造单元集合实现优化.在求解过程中,以加工时间和所耗成本为目标函数,在求解空间中对物理制造单元进行遍历,最终寻找到最优化的可执行加工路线.通过实例验证了该方法的可行性和有效性.