支持并行协同产品开发的广义鲁棒设计方法

研究了并行协同产品开发过程中的广义鲁棒设计方法.首先,针对并行协同产品开发过程中的不确定性,给出了广义鲁棒设计框架;然后,提出了广义鲁棒性概念,分析了性能鲁棒性和约束鲁棒性;最后,在传统优化设计模型的基础上,考虑产品参数的变化对性能的影响,修改传统优化设计模型的优化目标和约束条件,使它们包含广义鲁棒性指标,建立了广义鲁棒设计模型,并基于遗传算法对模型求解.该方法能有效提高并行协同设计的广义鲁棒性,用一个转向架设计实例验证了其有效性.     

一类不确定优化问题的鲁棒对偶性刻画

通过引入一类目标函数和约束条件均带有不确定信息的优化问题, 借助鲁棒型次微分约束品性, 刻画了该不确定优化问题与其不确定对偶问题之间的Mond-Weir型鲁棒对偶性, 即原问题的鲁棒对应与其对偶问题的最优对应之间的对偶性.     

不确定需求及建设成本下连续交通网络设计的鲁棒优化方法

在假设各起始点的交通发生量和吸引量确定的情况下,研究不确定需求及不确定建设成本下的连续交通网络设计问题.利用鲁棒优化方法建立了一个不确定双层网络模型,设计了基于Frank-Wolfe法的情景局部搜索法.双层不确定模型中下层模型是需求属于一个简单有界闭集的用户均衡问题,上层模型是建设成本不确定的系统总阻抗最小的优化问题.通过数值算例分析,得到鲁棒优化下的不确定网络设计模型稳定性优于确定性设计模型的结论.     

客流需求不确定下城市轨道交通线路协同限流鲁棒优化研究

研究了客流需求不确定下城市轨道交通线路协同限流问题。构建了城市轨道交通线路协同限流确定性模型,在此基础上,基于情景分析的鲁棒优化方法,采用具有已知概率的情景集描述客流需求的不确定性,将此模型扩展为含不确定因素的鲁棒优化模型,对每个时段每个车站的最佳进站量进行了求解,达到在保障运营安全的同时使站外的滞留人数最少的目的,并以北京地铁八通线为例对模型进行了验证。通过将确定性模型与鲁棒模型进行对比发现,鲁棒模型能降低限流策略对不确定客流需求的敏感程度,使不同需求情景下的滞留人数保持在可接受的范围内。     

不确定多目标优化问题的一类鲁棒标量化方法

对不确定多目标优化问题的（近似）鲁棒弱有效解和（近似）鲁棒有效解的性质进行研究。通过对带松弛和剩余变量的鲁棒标量化问题（近似）最优解的研究,建立了（近似）鲁棒弱有效解和（近似）鲁棒有效解的一些充分条件和必要条件。将确定性多目标优化问题提出的带松弛和剩余变量标量化模型推广到鲁棒情形,提出了一类新的鲁棒标量化问题。所得结果是对最近一些研究工作的改进与推广。     

信息不确定条件下的鲁棒数据包络分析建模

为应对传统DEA方法在信息不确定条件下评价结果可能出现不稳定的现象,结合鲁棒优化方法,构建鲁棒数据包络分析RDEA模型,分别和同时应对投入产出数据受到扰动的情形,以增强DEA评价方法的可靠性.算例和敏感性分析表明RDEA方法对投入产出数据不确定性有免疫作用,通过适当牺牲最优性实现了提升效率评价结果稳定性的目的.     

不确定环境下医疗废物回收网络鲁棒优化研究

针对医疗废物回收网络的不确定性,选取医疗废物量和运输成本作为关键变量,构建有多个不确定参数的多目标非线性整数规划模型,并引入鲁棒优化来处理不确定因素.结合多目标粒子群优化算法(MOPSO)和遗传算法(GA)求解该模型,外层GA负责选址决策,内层MOPSO针对选址结果进行配送路径优化,并以国内某城市为实证对象进行仿真验证.结果表明:相较于传统遗传算法,所提算法总成本降低了10.37%,总风险减少了1.86%,工作量偏差缩减了50.18%;敏感性分析表明,医疗废物量的不确定性对目标函数的影响更为显著.所提模型使得决策者可根据风险偏好调整不确定参数,以获得最佳的医疗废物回收网络优化方案,为进一步的医疗废物回收研究提供了参考.     

一类参数不确定非完整移动机器人的鲁棒镇定

研究了一类质心和几何中心不重合的非完整移动机器人的镇定问题,在设计控制器时,考虑了其运动学模型具有参数不确定性.通过自适应方法对质心和几何中心距离进行参数估计;并且针对车轮半径和两驱动轮之间距离参数未知但有界的情形,设计了一种光滑时变控制器; 证明了该控制器能够保证整个闭环系统中的各个状态指数趋于零;为了保证闭环系统的鲁棒性,本文还给出了控制器参数需要满足的一个充分条件.最后,仿真结果验证了该控制器的有效性.     

基于协同理论的鲁棒稳定性控制器设计

探讨了鲁棒稳定性控制器的设计方法,并针对智能控制的特点,重点介绍了一种基于协同理论的鲁棒稳定性控制器设计方法.     

鲁棒遗传算法设计

提出一种能直接处理单元噪声和多元噪声的鲁棒遗传算法 .此算法将噪声作为个体实际表现型的一部分 ,使噪声在个体进化中得到处理 ,文中给出了它的数理基础 .模拟实验表明 ,这一算法在发现鲁棒优化解方面具有较强能力 .     

Robust Optimization Operation of Power System Considering the Non-probabilistic Uncertainty of Parameter

Probabilistic method requires a lot of sample information to describe the probability distributions of uncertain variables and has difficulty in dealing with the optimization problem with uncertain parameters which contains unsufficient information.To solve this problem,a robust optimization operation method based on information gap decision theory(IGDT) is presented considering the non-probabilistic uncertainties of parameters.By the proposed method the maximum resistance to the disturbance of uncertain parameters is achieved and the optimization strategies with uncertain parameters are presented.Finally,numerical simulation is performed on the modified IEEE-14 bus system.Numerical results show the effectiveness of the proposed approach.     

一类仿射非线性不确定系统的鲁棒H∞控制

研究了一类不确定仿射非线性系统的鲁棒H∞控制问题,得到了不确定仿射非线性系统具有鲁棒H∞特性的充分条件,给出了控制器的具体形式,最后用仿真结果验证了所得结论的正确性.     

不确定优化问题的研究动向

讨论了不确定优化问题的研究方法，综述了随机规划、模糊优化和区间优化这三类不确定优化问题的主要研究算法、优缺点，提出了进一步研究的发展方向。     

Portfolio Choice under the Mean-Variance Model with Parameter Uncertainty

Assuming the investor is uncertainty-aversion,the multiprior approach is applied to studying the problem of portfolio choice under the uncertainty about the expected return of risky asset based on the mean-variance model. By introducing a set of constraint constants to measure uncertainty degree of the estimated expected return,it built the max-min model of multi-prior portfolio,and utilized the Lagrange method to obtain the closed-form solution of the model,which was compared with the mean-variance model and the minimum-variance model; then,an empirical study was done based on the monthly returns over the period June 2011 to May 2014 of eight kinds of stocks in Shanghai Exchange 50 Index. Results showed,the weight of multi-prior portfolio was a weighted average of the weight of mean-variance portfolio and that of minimumvariance portfolio; the steady of multi-prior portfolio was strengthened compared with the mean-variance portfolio; the performance of multi-prior portfolio was greater than that of minimum-variance portfolio. The study demonstrates that the investor can improve the steady of multi-prior portfolio as well as its performance for some appropriate constraint constants.     

Supply Chain Production-distribution Cost Optimization under Grey Fuzzy Uncertainty

Most supply chain programming problems are restricted to the deterministic situations or stochastic environments. Considering twofold uncertainty combining grey and fuzzy factors, this paper proposes a hybrid uncertain programming model to optimize the supply chain production-distribution cost. The programming parameters of the material suppliers, manufacturer, distribution centers, and the customers are integrated into the presented model. On the basis of the chance measure and the credibility of grey fuzzy variable, the grey fuzzy simulation methodology was proposed to generate input-output data for the uncertain functions. The designed neural network can expedite the simulation process after trained from the generated input-output data. The improved Particle Swarm Optimization (PSO) algorithm based on the Differential Evolution (DE) algorithm can optimize the uncertain programming problems. A numerical example was presented to highlight the significance of the uncertain model and the feasibility of the solution strategy.     

Supply China Production-distribution Cost Optimization under Grey Fuzzy Uncertainty

Most supply chain programming problems are restricted to the deterministic situations or stochastic environments. Considering twofold uncertainty combining grey and fuzzy factors, this paper proposes a hybrid uncertain programming model to optimize the supply chain production-distribution cost. The programming parameters of the material suppliers, manufacturer, distribution centers, and the customers are integrated into the presented model. On the basis of the chance measure and the credibility of grey fuzzy variable, the grey fuzzy simulation methodology was proposed to generate input-output data for the uncertain functions. The designed neural network can expedite the simulation process after trained from the generated input-output data. The improved Particle Swarm Optimization (PSO) algorithm based on the Differential Evolution (DE) algorithm can optimize the uncertain programming problems. A numerical example was presented to highlight the significance of the uncertain model and the feasibility of the solution strategy.     

软弱土层隧道预支护及其参数优化研究

为了研究隧道穿越软弱土地层时的预支护措施,结合青海东部软弱土层隧道施工的案例,采用三维有限元计算模型模拟了隧道在管棚、小导管预支护及无预支护条件下的围岩稳定性变化规律,表明超前小导管注浆可以满足围岩稳定要求,并进一步对小导管在不同管径、环距、管长、开挖步长等支护参数条件下进行了探讨.研究表明:在不注浆情况下,单纯增大管长、管径、环距不能起到抑制围岩变形的作用;考虑管体注浆的情况下,随着剩余管长的增加,拱顶沉降值呈减小趋势,但存在某一临界长度,当剩余管长超过这一临界长度后,拱顶位移变化趋于稳定;对于软弱土层中修建隧道开挖进尺宜取1.0 m,环向间距宜取0.3 m,小导管长度宜取4.5 m.本结论可为软弱土层隧道设计与施工提供参考.     

电感电路的稳健性参数设计

稳健性参数设计一直是一个很重要的统计问题,目前通常使用的方法称为两步法.第一步求初始稳定中心,第二步线性调优.但是对初始稳定中心的求解方法却不同,而且不同的求解方法也导致最终求得的稳定中心也不同.电感电路稳健性参数设计是稳健性设计中的经典例子之一.但就是对这个经典例子,许多教科书给出的并非最优解.本文用我们创立的求解稳定中心的方法(称为全局-局部分析方法或者GL算法Global-Local Algo-rithm),得出了比以往更好的稳定中心.     

基于实验设计的健壮参数控制方法

针对复杂制造过程中无法应用自动过程控制理论,提出一种基于实验设计的参数健壮控制方法.该方法基于在线噪声变异的可观测且充分利用在线控制参数实时补偿变异的能力,在新的因素分类基础上,以田口损失函数最小为目标,建立了基于实验设计的健壮参数控制模型.并针对该模型提出了一种优化分析方法,拓展了实验设计回归模型的应用范围,使之能够适用于自动过程控制,从而形成复杂制造过程健壮参数控制的新方法.通过实验分析,验证了上述方法是有效且实用的.     

基于区间需求下系统总时间最小的混合交通网络设计优化模型

假定需求为不确定数,运用交通网络设计双层规划理论,通过将连续交通网络设计问题转化为离散交通网络设计问题,建立基于系统总时间最小条件下区间不确定混合交通网络设计模型.根据区间运算和混合交通网络设计模型的特点,结合区间分析和遗传算法进行求解.求解结果表明:该模型及算法具有很好的稳定性.