离散变量组合型算法及其程序—MDCP

本文介绍一种新的混合离散变量优化方法及通用程序。该程序适合于求解含有整型、离散型和连续型变量的最优化问题,能给出符合工程要求的规格化最优解。 本程序经用30个工程设计和数学问题的考核与评定,证明这种具有多功能的组合型算法和程序,其解题的可靠性,若按最优解的目标函数值的精度在10~(-2)以下统计,达到100％。 文中还简介了本程序在两个工程设计问题中的应用。     

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Ｐａｒｅｔｏ遗传算法来实施的带约束的多目标混合变量的优化方法。得到Ｐａｒｅｔｏ最优解集,决策者从中可选出满足设计需要的解。该算法包括６个基本算子：选择、变异、交叉、离散变量圆整算子、小生境、Ｐａｒｅｔｏ集合过滤器。建立了用于多目标优化的适应度函数,使用模糊罚函数法法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法。最后用算例说明了该方法     

基于模拟退火算法的舰船中剖面优化设计

舰船中剖面优化设计中的设计变量应为连续和离散的混合变量,文中引入的模拟退火算法能很好地解决连续和离散混合设计变量的优化问题,将经过改进的模拟退火算法应用到舰船中剖面结构优化设计中,实船的优化计算算例取得了合理的结果,由此表明,应用模拟退火算法进行舰船中剖面结构优化设计是可行且高效的,可在工程结构优化设计领域中推广应用。     

模拟退火算法在军用桥梁优化设计中的应用

军用桥梁结构优化设计中包含两类设计变量：连续变量和离散变量,混合变量优化设计问题是军用桥梁界普遍关注的问题。介绍了一种新的优化设计方法——模拟退火算法,其突出的优点是可以求得全局最优解。以军用桁架桥为例,对军用桥梁结构设计中连续和离散混合设计变量的优化问题进行了分析,计算结果表明该方法是可行的。对算法在军用桥渡结构设计中的应用提出了几个研究方向。     

邻域自适应的微分变异约束分数阶粒子群优化

分数阶粒子群算法（FOPSO）是一种具有路径记忆的改进型粒子群优化算法。在多峰约束优化问题中,针对FOPSO易于早熟和依赖于初始参数的问题,文中提出了一种邻域自适应的约束分数阶粒子群优化方法（NAFPSO）。在算法中,依据进化状态来动态调整邻域拓扑从而更新粒子位置和速度,以提高可行解的全局寻优能力和收敛速度;采用带惩罚因子的罚函数约束处理技术,迫使粒子趋向可行区域;设计了微分变异策略以增加种群多样性,增强粒子逃脱局部最优的能力。用9个约束优化基准函数实验验证了NAFPSO的有效性和收敛性能,并应用于2个约束工程设计问题,结果表明,提出的算法寻优能力强、收敛快、精度高、稳定性好,可用于有效地解决复杂的约束工程设计优化问题。     

湿式多盘制动器的模拟退火算法优化设计

应用模拟退火算法成功地解决了设计变量为连续和离散混合变量的湿式多盘制动器多目标优化设计问题,将经过改进的模拟退火算法应用到湿式多盘制动器的多目标优化设计中,可获得满意的优化设计结果.实际优化设计结果表明,应用模拟退火算法进行湿式多盘制动器零部件结构尺寸的优化设计是可行且高效的,它可在工程结构优化设计领域中推广应用.     

基于混合离散变量复合形法的弧齿锥齿轮优化设计

以齿数Z1,模数m,齿厚系数ψR作为设计变量,建立弧齿锥齿轮的物理模型,以体积最小、传递功率最大为目标,以齿轮的强度要求等作为约束条件的优化设计模型。由于齿数和模数是非均匀的离散设计变量,齿厚系数是连续变量,因此,借鉴了连续变量和非均匀离散变量的处理方法———一种混合离散复合形法,并引用离散变量搜索优化方法。在混合离散复合形法基础上,探讨了解决有约束非线性混合离散变量的优化设计问题。经实例计算结果表明,混合离散复合形法可用于具有实际应用价值的弧齿锥齿轮优化问题。     

一种求解约束优化问题的改进差分进化算法

针对原始差分进化算法在求解约束全局优化问题时存在陷入局部最优的缺陷,提出一种改进的差分进化算法.该算法在保留原始差分进化算法全局搜索能力的基础上,采用基于规则的方法进行约束处理和种群个体的比较及选择,并利用种群相似度和最优变异操作改善种群进行全局范围搜索的多样性,提高算法跳出局部最优的能力.数值实验表明,该算法稳定性较好,目标函数评价次数较少,收敛速度较快,全局寻优能力较强,不仅能有效求解连续变量约束优化问题,也适用于离散变量或混合变量优化问题.     

NGW型行星减速器的CAD系统

对ＮＧＷ型行量减速器的ＣＡＤ进行研究，根据行量减速器设计属于沸合离散变量问题的特点，建立了目标函数，在约束条件中考虑了等强度的原则，使齿轮弯曲强度与接触强度得以综合考虑。作者还根据数学模型的特点，编制了离散组合型优化方法的计算机程度。该算法将多种功能组合在一起，解题的成功率高，在计算过程中，方法本身根据计算过程不断自动地调用各种辅助功能，使其求得最优解。     

基于混合离散复合形法的工程优化设计

针对工程中大量存在的设计变量为离散型和连续型的混合离散变量优化设计问题,提出了连续变量及非均匀离散变量的均匀离散化处理方法,并借鉴离散变量的搜索优化法,在连续变量的复合形法基础上,探讨了一种求解有约束非线性混合离散变量的优化设计问题的方法———混合离散复合形法。算例表明,混合离散复合形法可用于工程结构优化设计中,其结果不需圆整,解题可靠性和效率大大提高。     

基于变量分组的大规模多目标优化算法

含有大规模决策变量的多目标优化问题,是当前多目标进化算法领域中的研究难点之一.针对此问题,提出一种基于变量分组的大规模多目标优化算法.该算法的贡献在于两个方面:1)提出一种新的决策变量分组方法,该方法通过随机采样与非支配排序,将决策变量分为收敛性变量和多样性变量; 2)在种群进化过程中,采用levy分布函数产生新个体,同时设计出适应于此分布函数的优化过程.以反向世代距离(inverted generational distance,IGD)作为评价指标,在标准测试集函数上进行实验,实验结果证明该算法在解决大规模多目标优化问题时是有效的.     

一个求解约束工程设计问题的混合局部收缩微粒群算法

提出一个求解约束工程设计问题的新的混合算法——与可行基规则相结合的局部收缩微粒群算法。与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域。利用3个工程设计问题进行仿真计算比较,仿真结果表明了新算法是求解约束工程设计问题的一个高效的算法。     

带约束的离散全局优化问题的填充函数法

通过构造一个新的双参数填充函数求解带约束的离散全局优化问题的全局最优解,研究了填充函数的分析性质,并据此给出了带约束的离散全局优化问题的一个填充函数算法.数值试验证结果表明该算法是可行的、有效的.     

多目标模糊优化方法及其在工程设计中应用

应用多目标模糊优化方法,以工程设计中桥式起重机箱形主梁设计为实例,建立了桥式起重机箱形主梁多目标模糊优化设计的数学模型,构造了模糊目标集,确定了多目标函数的模糊性和约束的模糊性,并应用最优水平截集法实现了模糊约束到实数论域上的集合转换,从而用遗传算法寻求到子目标函数在可行域空间的最优解和约束最优值.优化结果表明,在工程设计中应用多目标模糊优化方法是可行和有效的.     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

基于CLPSO算法的混合变量桁架形状优化

为了解决混合变量桁架形状优化问题中离散截面面积和连续节点坐标的变量耦合给优化带来的困难,将一种新型智能优化算法——基于"综合学习策略"的粒子群算法(ComprehensiveLearning Particle SwarmOptimization,CLPSO)应用于桁架混合变量形状优化问题中。给出了考虑离散截面面积和连续节点坐标两类不同性质的设计变量的混合变量桁架结构形状优化的数学模型,并对经典桁架结构进行混合变量的形状优化,将所得结果与其他优化算法结果进行了比较。分析结果表明了该方法进行混合变量桁架形状优化设计的有效性。     

带状态约束的切换系统的脉冲控制优化

讨论了带有脉冲控制和状态约束的切换系统的优化数字解问题,将直接微分法从连续切换系统推广到脉冲切换系统,从无约束优化问题推广到有约束优化问题.通过目标函数值对脉冲输入的直接微分,得到目标函数值变化量和脉冲输入微小变化量之间的关系.根据它们之间的关系,采用离散化数字解算法求解,即将目标函数、状态方程和约束变量方程等都离散化,形成迭代循环,从而得到切换时刻的脉冲优化数字解,保证了系统轨迹在约束范围内达到优化状态.     

基于模拟退火算法的船中剖面优化设计研究

将模拟退火算法技术应用于船中剖面优化设计，在图形环境中建立了船中剖面力学模型和优化模型，以船中剖面面积为目标函数，钢板厚度和型钢断面面积为设计变量，在强度和稳定性约束下进行优化，使优化后的船后剖面满足设计要求，算例结果表明结合模拟退火算法技术进行船中剖面优化是可行的，该法在初始设计阶段可用于船中剖面设计。     

具有混合约束二次函数的逼近方法

在前人给出了解等式约束问题的一种降维算法的基础上对非线性等式约束进行了线性逼近,构造了等式约束问题的近似算法,进一步考查了约束条件是既含等式约束又含不等式约束的混合约束,目标函数是二次函数的非线性规划问题.增加松弛变量将不等式约束转化为等式约束,利用线性逼近的方法将问题转化为二次规划,再利用降维算法作近似计算.数值实验的结果表明该近似算法是可行的.     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.