递进多目标遗传算法

在现有算法研究基础上,提出了一种递进多目标遗传算法,该方法每进化一定代数后以一定策略对群体进行重构,以提高算法对解空间的遍历性,从而较大程度上避免算法的早熟.该算法采用非劣解等级优先的选择方式复制后代,降低算法的时间复杂性;通过递进层次间对部分非劣解个体执行局部搜索,加快全局非劣解集的进化.采用递进算法与现有两种典型多目标遗传算法NSGA、MOGLS算法对一些典型优化问题进行对比分析,验证了算法求解多目标函数优化问题的有效性;通过调整算法递进层次与每层进化代数的参数设置,进一步研究了参数选取对算法性能的影响.     

基于自适应网格的多目标粒子群优化算法

针对现有多目标进化算法计算复杂度高,搜索效率低等缺点,提出了基于自适应网格的多目标粒子群优化(AGA-MOPSO)算法,其特点包括:评估非劣解集中粒子密度估计信息的自适应网格算法;能够平衡全局和局部搜索能力的基于AGA的Pareto最优解搜索技术;删除非劣解集集中品质差的多余粒子以维持非劣解集在一定规模的基于AGA的非劣解集截断技术.仿真计算表明,和文献中典型的多目标进化算法比较,AGA-MOPSO算法在求解复杂大规模优化问题方面表现了良好的性能.     

一种求解最优控制问题的混合WNN-PSO算法

针对最优控制问题的数值求解,提出了一种混合小波神经网络粒子群(WNN-PSO)算法,算法首先利用小波神经网络的非线性逼近能力参数化最优控制轨迹,将最优控制问题转化为非线性规划(NLP)问题,其决策变量为小波神经网络的参数,然后采用粒子群(PSO)算法优化小波神经网络参数,获得NLP问题的全局最优解.针对Bang-Bang最优控制问题和一个经典的化工过程最优控制问题进行仿真研究,验证了所提出算法的可行性和有效性.     

三目标优化:一种计算Pareto非劣解相对于各优化目标偏向度及其进一步分析的方法

考虑到理性决策者通常以获得高性价比结果为最佳选择,本文基于求解三目标优化问题得到的Pareto非劣解进一步分析.以"性价比"概念为基础,建立了Pareto前沿各点排序的基本规则,定义了相邻点概念,并明确了相邻点选择的方法.根据Pareto前沿各点与其相邻点的分布特点,计算得到了Pareto前沿各点的变化率;设计了灵敏比概念,得到了各Pareto非劣解相对各优化目标的偏向程度.本文的创新性贡献有3点:①利用三目标Pareto前沿灵敏比形成的新支配关系,进一步得到了比Pareto非劣解集范围更小的子集;②首次量化出三目标优化问题的Pareto非劣解相对于各优化目标的偏向度;③给出了各Pareto非劣解偏向于各优化目标的不平衡度,得到了不平衡度最小的解.最后,通过具体算例演示了上述计算过程,并与多种常用方法的计算结果进行了对比分析,验证了文中所述方法的可行性和有效性.本文研究成果对于进一步认识Pareto非劣解所具有的重要特性,深化三目标优化问题的求解是一次重要的理论推进.     

多目标0—1规划问题的遗传算法

根据遗传算法的特点，提出了以排列为基础，以求出全部非劣解为目的的定义适应性值的方法，以便使其有能力求解多目标优化问题，并分析研究了算法进行到一定程度以后收敛于一个非劣解的原因和解决策略。     

多目标0-1规划问题的元胞蚁群优化算法

为求解多目标0-1规划问题,基于元胞自动机原理和蚁群算法,提出一种元胞蚁群算法.将元胞演化规则和蚁群寻优相结合,提高非劣解集的多样性和分布性.经数值实验和已有算法相比较,该算法具有较好的性能.     

选择Pareto非劣解最优方案的量化方法:性价比法

针对多目标优化问题,提出了便于决策者以其偏好选择Pareto非劣解的量化方法——性价比法.通过剖析决策者选择最优方案的基本原则,发现如果从理性出发,以市场法则进行比选,则决策者无论有何偏好,以较低价格得到较高性能的产品,即获得高性价比应是其共同的愿望.仔细观察Pareto前沿分布,可以看到其排布特点具有恒递增或恒递减趋势,且大多分布不均匀,这意味着其中蕴含有不同的变化率及敏感性,从中可以挖掘出新的内在规律性.由这一认识出发,借鉴"性价比"概念,构造出各相邻非劣解对应目标函数值的平均变化率,得到了类似于"性价比"概念的灵敏比;将灵敏比无量纲化后,根据支配关系,筛选出Pareto非劣解集中新的非支配子集,进一步缩小了选择范围.以上述成果为基础,提出了各Pareto非劣解相对于不同目标函数偏向度的计算方法,实现了Pareto非劣解的量化评价,进而有助于决策者根据偏好选择非劣解.最后,通过具体实例的计算,验证了文中所述方法的可行性和有效性.本文研究对于多目标优化的求解与应用具有很好的参考价值.     

混合递进多目标进化算法及其在flow shop 排序中的应用

提出一种混合递进多目标进化算法(HEMEA):通过在进化搜索过程中引入递进模式的精英保留、群体重构以及可变邻域非劣解局部搜索策略,增强了算法的求解效率.将算法应用于一系列标准双目标flow shop算例及一个典型三目标flow shop问题,研究结果验证了算法的有效性.     

求解非光滑最优控制问题的自适应网格优化

针对传统直接配点法在求解非光滑最优控制问题时存在离散误差大、精度低的问题, 提出了一种自适应直接配点法。利用局部分段插值多项式逼近最优解, 将最优控制问题离散为非线性规划问题, 并给出了离散误差估计方法, 根据离散误差的大小确定区间内节点的加密量, 提出了自适应网格优化算法, 利用该算法将大部分节点配置在非光滑区域以降低离散误差。最后通过仿真算例将所提算法与传统直接配点法和文献中的拟谱自适应算法分别进行比较,验证了所提算法的高精度和有效性。     

混合遗传算法在带走道的双目标布局问题中的应用

根据系统布置设计思想,以物流成本和非物流关系密切度作为双目标,提出带有固定的纵、横走道的矩形平面布局模型.由于该布局问题属于NP-完全问题,构造一个带局部搜索的多目标遗传算法求解该问题的Pareto非劣解集.文中将两个不同量纲的目标函数量纲标准化,并以随机权重式评价目标函数.数值分析表明混合遗传算法对于中等规模该布局问题是十分有效的.     

基于粒子群算法的开关系统最优控制问题的数值算法

针对开关系统,给出了数学模型并引出了其最优控制问题,提出开关系统最优控制问题的加权粒子群算法,给出了相关的推理过程及算法步骤。加权粒子群算法不必找出支付泛函关于时间的显式表达,就可以找到其最优解,同样适用于其子系统为非线性的情形。分析了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。以开关动态系统和一般开关线性二次问题的数值算例验证了该方法的有效性。     

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。     

一种最优控制问题的直接参数化描述解法

本文采用亏数为2的分段三次样条函数描述最优控制函数,使塔式起重机定位这个奇异最优控制问题转化为多变量参数极小问题。文中讨论了控制约束的加入,使用了直接搜索算法。给出了使用共轭梯度直接最优控制解法与本文方法的结果比较,表明本文方法是解决该类问题的一种直观有效的途径。本文叙述的方法容易被面向实际的工程应用人员所接受。     

激光清理地球静止轨道碎片的天基平台控制方法

推导了天基高能激光清理作用地球静止轨道(geostationary earth orbit, GEO)碎片的最佳角度解析关系,分析了天基平台接近碎片过程以及相对碎片空间位置和姿态的相互影响,建立了激光清理GEO碎片的天基平台的轨道姿态耦合动力学模型,考虑了终端状态、安全距离、保持连续观测、控制和状态变量幅值等约束条件,以推进燃料消耗最省为性能指标,依据极小值原理推导了耦合控制方案的最优性内部结构标准,基于hp自适应伪谱法对仿真场景进行了寻优求解和分析验证。仿真结果表明,耦合优化控制方案合理可行,对未来天基激光清理GEO碎片的工程实施具有一定参考价值。     

模型与实际有差异时非线性大工业过程递阶优化控制算法

针对实际非线性离散系统与它的模型之间的差异,提出了一种基于模型优化控制问题来求解实际问题最优解的递阶算法,该算法通过上级的关联预测和参数估计与下级的修正的基于模型优化子问题的迭代问题,总可以获得实际非线性离散大系统最优控制．并行计算可以节省计算时间．分析了该算法的收敛性和最优性．仿真例子说明该算法的特色．     

基于Branch ＆Bound方法MIQP问题的求解及应用

研究基于Branch＆Bound(B＆B)方法的混合整数二次规划(Mixed Integer Quadratic Programming，MQP)问题的求解，以及在一类混杂系统优化控制中的应用。B＆B算法求解MIQP问题的过程，可视为对于一个二叉树的搜索。影响B＆B算法寻优效率的两个主要方面是：分支变量的选择规则，以及树搜索策略。通过设定控制变量QPmax，用以限制寻优过程求解QP问题的最大数目，可以在较短的时间内获得MIQP问题的满足整数约束条件次优解。利用MATLAB编制MIQP问题的求解程序，并在混杂系统优化控制中的应用，做了仿真计算。     

Hierarchical Control for Large-Scale Systems

1. INTRODVCTIONSeveral hierarchical or muli-1evel optidrization approaches have been aPplied to large--sca1e colltro1 problemsduring the last three decades. The theoretical development of decomposition and co--ordination has grownby leaps and bounds [1] and many successful applications have been reported [2]. Recently, the multi-leveloptimization aPproach has benn extended illto large-scale multi--objective system [3, 4]. Most of the muli-level optimization approaches have, however, been…     

求解多项目组合选择问题的奔德斯分解算法

随着我国经济的快速发展,项目组合选择问题所面临的待选项目集日益膨胀.而项目组合选择模型通常表示为整数规划或混合整数规划的形式,过多的待选项目会对项目组合选择模型的高效求解带来巨大的挑战.针对这一问题,本文研究了多项目组合选择模型的奔德斯分解算法.将原问题分解成仅考虑从待选项目集中选出最优组合的主问题与对已选项目进行排序的子问题,通过主子问题间的迭代逐步逼近最优解.通过算法性能分析,发现直接使用奔德斯分解算法存在着收敛速度慢,子问题不可行的缺点.为了加速算法的收敛速度,对主问题进行了修正,提出了一种利用潜在的最优项目及有效不等式改进主问题的新思路.最后,通过算例分析,对比了直接使用分支定界法与使用奔德斯分解算法两类求解方法的求解效率,验证了本文所提出方法的有效性与合理性.     

免疫算法在带时间窗的车辆路径问题中的应用

根据带时间窗的车辆路径问题的实际情况,提出了一种基于分组匹配的亲和力的计算方法.实验结果表明,免疫算法能有效地解决带时间窗的车辆路径问题.计算结果优于节约算法、分派算法、遗传算法.