基于记忆策略的动态分解约束多目标进化算法

针对现有面向多目标优化问题的约束处理方法存在求解效率不足,基于分解策略的多目标进化算法受到约束限制导致求解性能低的问题,提出一种基于记忆策略的动态分解约束多目标进化算法.本文首先引入具有记忆功能的归档集,改进基于短暂忽略非容许解的约束处理方法,提高算法的求解鲁棒性.然后结合基于分解的多目标进化算法,设计一种动态分配搜索...     

基于成绩标量函数搜索的分解多目标进化算法

基于分解的多目标优化算法在整个进化过程中由于种群规模和权向量保持不变,容易导致种群多样性下降和早熟收敛.针对这一问题,提出了一种基于成绩标量函数搜索的分解多目标进化算法.为使基于分解的多目标优化算法对决策空间均匀探索,首先通过分析当前种群的稀疏度,设计了一种自适应基于成绩标量函数的局部搜索策略,动态地增加种群规模和权向...     

基于分解多目标进化算法的光刻区调度方法

针对晶圆制造系统光刻区调度问题,考虑设备专用性约束、掩膜版数量约束及设备加工能力约束,以最小化总完工时间和光刻成本、最大化晶圆准时交付率和设备利用率为目标,提出了基于分解多目标进化算法的光刻区调度方法．针对非支配前沿点分布不均的问题,设计了基于聚类分析的参考点生成方法;综合考虑非支配解的分布均匀性、收敛性及计算资源的合理分配,改进了惩罚边界交叉聚合函数;设计了外部档案变邻域搜索方法,提高算法的求解质量和收敛速度．24组基准算例和晶圆制造仿真系统连续12个月的测试结果表明：提出的分解多目标进化算法相对于多种多目标进化算法,能够取得更好的收敛性和解的多样性．     

确定线性多变量系统结构参数的递推辅助变量算法

本文研究了多变量系统中确定结构参数的递推辅助变量方法。文中采用的模型是输入输出差分方程的一种规范形式。根据Ahmed的结构辨识算法,文中给出了一个改进的算法,此算法是递推形式的,因而大大减少了计算量。     

离散变量结构优化设计中变量和约束的分解与简化

提出了优化设计中对设计变量和约束条件进行缩减和分解的方法．设计变量可分解为基本设计变量和复合设计变量，复合设计变量是基本设计变量的函数或综合；约束条件可根据它与计算过程的关系和作用范围分步、分阶段考虑；对于离散结构的实体杆件，可以很据受力和对结构的作用情况分成5类，常用截面分成24种类型．最后通过一个三维空间实例，证明所提方法优化效率高，效果明显，可节约材料39．26％，是求解大规模离散变量工程结构最轻设计问题的较好方法．     

船型参数的流体动力设计

本文提出一种综合考虑流体动力性能的船型平衡设计方法(BDM),即首先根据本文提出的综合指数R选择流体动力性能优良的母型船,然后利用正交设计方法优化母型船,以便得到满足设计要求的船型。同时给出了一个利用文中提供的设计方法完成的渔船优化设计实例。     

基于协同进化的多目标约束进化算法

针对约束多目标优化算法(COA:Constrained Optimization Algorithms)中存在的难以有效兼顾收敛性和多样性的问题,提出了采用协同进化策略的多目标优化算法(CoMaC)。首先,将一个COA转化为一个带动态约束处理的多目标进化算法。然后采用差分进化(DE:Differential Evolution)生成第1种群,并将其中的已知可行解选入第2种群,并与第1种群协同进化。第1种群通过保持原约束条件的全局搜索加快收敛。第2种群通过局部搜索进化,保持并获得更多可行解。最后采用标准约束多目标测试函数进行实验,以测试所提出算法的性能。实验结果表明,与使用惩罚函数处理约束问题(PF:Penalty Function)和使用动态处理约束边界方法(DCMaOP:Dynamic Constrained Many Objective optimization Problem)相比,所提算法在反向世代距离(IGD:Inverted Generational Distance)和超体积(HV:Hypervolume)两个指标上均取得了良好的结果,说明所提算法可以有效地兼顾收敛性和多...     

基于函数分解的可伸缩宏进化算法

基于函数可分解性提出可伸缩的宏进化算法.宏进化算法以子函数的独立进化为竞争式进化内环,而以子函数间的协调进化为合作式进化外环,算法采用多父本杂交算子.从数学上初步分析了该算法收敛性与函数分解粒度数之间的指数级关系,指出宏进化算法的效率高于传统进化算法.数值仿真与理论分析结果一致,表明宏进化算法的效率主要由函数的分解粒度决定,是一种可伸缩的进化算法,具有实际工程应用价值.     

差分进化算法在气动力参数辨识中的应用

差分进化算法是一种新兴的优化算法,与最小二乘法等梯度类算法相比,它能够进行全局寻优且对初值不敏感,具有广泛的应用前景.建立某型飞机刚体运动的6自由度非线性动力学模型,在叠加一定比例白噪声的情况下获得其仿真数据,使用差分进化算法辨识出该型飞机的纵向运动气动力参数,辨识结果与真实值较为吻合,证明该算法是可行的.多组试验表明:对于该型飞机的动力学模型和仿真数据,使用差分进化算法的辨识结果与使用最小二乘法、普通粒子群算法的辨识结果相比,具有更高的精度和更强的鲁棒性.     

基于量子进化算法的交通图像稀疏分解

为了实现灵活、简洁和自适应地表示交通图像,该文将图像稀疏分解新方法引入到交通图像处理中,提出基于量子进化算法的交通图像稀疏分解方法,以加快对交通图像稀疏表示的处理速度,从而为进一步提取交通参数奠定良好基础。采用非对称图像原子构建交通图像原子库,用寻优能力强和收敛速度快的量子进化算法,实现在过完备图像原子库中搜索最佳匹配交通图像结构的原子,有效地实现对交通图像的稀疏表示。仿真实验结果表明,该方法能对交通图像进行快速、有效地稀疏分解,证实了所提出方法的可行性。     

动态参数调整的多策略差分进化算法

针对差分进化算法在处理函数优化问题时存在的收敛速度较慢和过早收敛的问题,提出了一种动态参数调整的多策略差分进化算法.先将种群随机分为3个独立的子种群,分别采用3种不同的变异策略来避免种群陷入局部最优,并通过动态参数调整机制提高算法的收敛性能.经过一定代数的进化后,将种群中的优秀个体进行择优保留.采用CEC2005的25个标准测试函数对算法进行仿真,实验结果表明,新算法能够有效避免过早收敛,具有较好的优化性能.     

多变量控制系统的分解模式

本文从状态空间方法出发，吸取频域法的优点，导出线性多变量系统的一般分解模式，并研究了系统结构。为多变量系统的电子计算机模拟及控制提供一个普遍的方便的途径。     

基于差异进化算法的围岩参数识别

引入了一种新型智能优化算法差异进化优化算法,建立采矿巷道围岩参数的识别方法.基于正交设计和均匀设计方案进行巷道开挖的数值试验,建立围岩力学参数与监测位移的映射关系回归模型.以计算位移和监测位移的误差为适应值,采用差异进化优化算法进行参数识别.在探讨差异进化算法原理和参数识别步骤基础上,将该方法应用于金山店铁矿进路巷道分析.分析结果表明该算法具有优良的全局快速收敛性,是具有较强适应性的新型巷道参数识别方法,具有良好应用前景.     

基于多目标混合进化算法的多台TCSC控制器协调设计

将多台可控串联补偿器(TCSC)之间的协调运行问题转化为多目标优化问题,详细介绍了一种基于进化规划和粒子群优的多目标混合进化算法(MOEPPSO),提出了基于MOEPPSO的协调控制器设计方法.采用多目标混合进化算法优化控制器参数,得到一组Pareto参数解集,为运行人员提供更丰富、准确的信息.在装有两台TCSC的IEEE典型四机两区域系统研究实例中,非线性时域仿真验证了所提方法的有效性.与单独设计控制器的方法相比较,所提方法能够更好地提高互联系统的稳定性.     

基于约束的多视图参数化设计算法

介绍了基于约束的零件形位信息描述方法;提出了基于约束的ＣＡＤ数据模型,阐述了基于约束的多视图参数化设计的概念;详细介绍了参数化设计算法的原理及实现过程;对所提出的参数化设计算法进行了评价．     

多目标进化算法测试问题的设计

为了有效地检测多目标进化算法在求解各类多目标优化问题时的性能,从3个方面讨论了多目标优化测试问题的设计,即约束条件、最优解分布的均匀性、算法逼近Pareto最优前沿的难度.针对每一方面,都设计了一个相关的测试问题,并采用NSGA Ⅱ算法进行了仿真实验.结果显示,测试问题能够有效检测算法在上述三方面的性能,尤其是在约束处理方面.这些测试问题可供研究人员用来评价他们所设计的多目标优化算法.     

基于约束的多视图参数化设计算法

介绍了基于约束的零件形位信息描述方法，提出了基于约束的ＣＡＤ数据模型，阐述了基于约束的多视图参数化设计的概念，详细介绍了参数化计算法的原理及实现过程，对所提出的参数化设计算法进行了评价。     

变粒度协同进化设计算法及其在卫星舱布局设计中应用

采用进化算法求解复杂卫星舱布局问题时,算法容易陷入局部最优,且干涉计算复杂度高,计算耗时长.为提高对复杂解空间的搜索能力,基于协同进化算法,将问题分解为若干子问题求解;为减少计算耗时,子问题求解时采用了一种设计变量的变粒度策略.称上述方法为变粒度合作式协同进化算法(CCEA-CFG).卫星舱布局优化数值实验表明,与目前常用的几种布局求解算法(遗传算法、协同进化算法以及遗传/粒子群算法(QPGP))相比,CCGA-CFG(基于GA的CCEA-CFG)具有较好的计算质量、计算效率和计算鲁棒性.     

基于多种群的自适应差分进化算法

在分析了经典和改进变异操作算子的属性以及种群统计信息的基础上,按照个体适应度的差异,将个体分成不同的子种群并针对不同的个体适应度值,采用不同的变异算子,以保证在加快算法收敛速度的同时有效地跳出局部极值点.在参考经验值的基础上,加以自适应调整,使算法达到全局搜索能力与局部搜索能力的平衡.针对13个标准测试函数的仿真实验结果表明,所提出的算法与其他算法相比较具有较好的效果.     

负荷建模和参数辨识的遗传进化算法

提出了一种用于电力系统负荷建模和参数辨识的遗传进化算法,该方法与传统的最小二乘法相比具有全局搜索优化特点,适用于非线性、不连续或微分不连续的各种负荷模型.该方法已成功用于工业负荷实测数据辨识及动态和静态负荷建模.在静态负荷建模上,辨识结果略优于传统的最小二乘法,且通用性更好,只需做极小的修改就可以用于各种形式的静态负荷模型.在动态负荷建模上算法不仅给出了更优秀的结果,而且表现出很好的稳健性.结果表明此方法在负荷建模中的优势.