一维下料问题数学模型的计算机自动生成与优化计算

介绍了一维下料问题的下料方式,采用计算机自动生成相应的线性规划数学模型,给出了最优下料方案的求解方法。     

Banach空间中一类广义扰动优化问题最优解的存在性

设X是Banach空间,G是X的非空闭子集,C是X的有界闭凸子集,且0是C的内点,J:G→R是下半连续下有界函数;取x∈X,设φ(x)=infz∈G(J(z)+pC(x-z)).研究了广义扰动优化问题infz∈G(J(z)+pC(x-z))(记作(JC,x)-inf)解的存在性;讨论了函数φ(x)的单侧导数与(JC,x)-inf问题解的存在性的关系;给出了当C紧局一致凸,φ(x)的单侧导数等于1或-1时,(JC,x)-inf问题有解.所得结果推广了已有的一些结果.     

匈牙利方法在资源分配问题中的应用

通过对一维资源平行分配问题的讨论,给出了将该问题分解成若干个指派问题的方法,通过用匈牙利方法求解应对的指派问题,得出该资源分配问题的最优解。     

非对称配置型钢混凝土T型梁变形性能

通过对非对称配置型钢混凝土T型梁的受力和变形分析，推出非对称配置的型钢混凝土T型梁的短期刚度计算公式。公式由三部分组成，每一部分的物理意义明确，容易理解。实际试验结果与公式计算结果吻合较好。且该公式可以退化为对称配置的型钢混凝土梁和钢筋混凝土梁的短期刚度计算公式，具有广泛的使用价值。     

一种新的简化粒子群优化算法

针对粒子群算法在寻优中存在早熟和收敛精度不高等问题,论文对粒子位置的更新策略以及更新公式进行改进,提出了一种新的简化粒子群优化算法(New Simple Particle Swarm Optimization,NSPSO),并将其在15个多极值基准函数进行全局最优化测试,实验结果表明,NSPSO算法收敛的精度大大提高了,而且算法收敛速度也很快,对于高、低维复杂函数的优化均适用.     

城镇土地可持续利用的生态景观途径研究——以绵阳市城市发展规划区为例

以绵阳市城市发展规划区为例，用景观生态学原理方法在探讨城镇规划发展区土地利用生态景观的空间结构基础上，提出城镇土地可持续利用的生态景观途径：编制科学适用的土地利用总体规划；建立土地用途管制体系；开展土地整理，实施综合开发；建立复合稳定的城郊土地生态系统；优化城乡土地配置，建立城镇地价体系；运用现代技术，建立土地资源动态监测管理系统；加强可持续的资源环境观念教育，完善土地法制建设。     

基于改进粒子群算法的集成网络节点部署优化

针对集成RFID与WSNs网络中智能节点最佳位置的选择问题,采用改进粒子群算法优化策略,在复杂的传播环境、交叉覆盖及智能节点间不可避免的干扰等影响因素下,寻找智能节点的最佳位置。该最佳位置不仅要保证给定智能节点对标签的最大覆盖率,而且要使得智能节点间的干扰最小。仿真结果表明,基于惯性权重线性递减策略的粒子群算法,加快了寻找最优节点部署的速度,并能快速有效地收敛于最优解,从而在保证覆盖率的前提下使干扰最小。     

区域极点约束下不确定系统鲁棒非脆弱H_∞控制

多目标控制是控制系统工程领域近年来的研究热点问题,用于解决在若干个相互矛盾的目标存在的情况下如何得到一个能够满足多方面要求的解决方案.考虑到对闭环系统的鲁棒性、非脆弱性、干扰抑制性能以及动态响应特性等多方面控制目标要求,针对一类含有范数有界参数不确定性的线性系统,研究了其在干扰抑制指标约束以及闭环极点区域共同约束下的鲁棒非脆弱H∞控制问题.以有限能量扰动输入信号到性能评价输出信号之间的L2增益来衡量系统的抗干扰性能,以极点区域约束来改善闭环系统的动态响应特性,控制目标要求在对象和控制器同时存在参数不确定性的情况下,所设计的控制器能够使不确定性系统鲁棒稳定,闭环系统干扰抑制性能指标小于给定上界,并且闭环极点配置于复平面上指定的圆盘区域内.针对控制器增益具有加法式摄动和乘法式摄动的情况,分别以一个线性矩阵不等式(LMI)形式给出了满足设计要求的非脆弱鲁棒H∞控制器的可解性条件.通过数值算例进行控制器设计并对结果进行了深入讨论,分析结果表明了所提方法的有效性.     

QFD中用户需求到技术特性的映射方法

针对质量屋存在内在模糊性和不确定性的问题,引入了粗糙集理论中的基本原理.提出了粗糙数的概念,用于得到客观的用户需求重要度排序.将用户需求与技术特性的关联性测度和技术特性自相关性确定问题转化为决策系统中条件属性重要度的确定问题,并结合条件熵与互信息的概念,提出了一种可提高计算精度的属性重要度算法.为了实现技术特性的最优配置,建立并求解以可用资源决策值与目标值的偏差最小为优化目标的整数规划模型,从而实现由用户需求到技术特性的映射.最后,通过推力轴承设计实例验证了所提方法的可行性和有效性.     

聚类分析在多极值函数优化中的应用

将聚类分析方法应用于经典的优化和遗传寻优过程当中，提出了一种求解多极值函数全局最优解的方法。在基于梯度的算法中，先取多个初始点，几次迭代搜索后做聚类分析。在每类取一点，将目标函数分为多个单极值函数，然后分别寻优，通过比较得到全局最优解。在遗传算法中，通过聚类分析在每类取若干个体作为代表个体，它们将始终参与遗传操作，从而有望达到全局最优。