基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。     

一种多神经网络混合模型的学习算法研究

针对混合智能模型的多神经网络结构特征，提出一种模型参数的在线辨识算法。该算法在起始阶段利用混沌优化算法寻找初始点，随后采用BFS法完成参数寻优过程。对处于扰动状态下的预分馏塔的仿真结果表明，该算法可以有效地解决一类多神经网络模型的在线参数辩识问题。     

体系结构级功耗分析方法

功耗问题已经成为集成电路设计，尤其是嵌入式系统和电池供电设备开发中所要关注的重要问题。电路设计较低层次的功耗分析方法能提供比较好的准确性，但它们的功耗模型相对复杂，功耗分析的时间开销和内存开销都很大。本丈所讨论的体系结构级功耗分析方法就克服了这些缺点，通过对可配置的功能单元分别进行功耗建模，基于准确的性能模拟来达到功耗模拟的目的，它可以广泛应用于体系结构、指令集、编译器以至软件的低功耗优化中，文章最后借助于通用CPU的系统级功耗模拟工具Wattch，研究了指令及数据缓存在配置方方法的功耗行为，实验证明，体系结构级的功耗分析为低功耗系统设计提供了更有价值的指导。     

基于蚁群算法的两地之间的最佳路径选择

应用蚁群算法于公路交通系统，引入“状态参数”表示天气、路质、路况等诸多不确定因素对公路交通的影响，提出两地之间满足“合理路径”的条件和包含不确定因素影响的“虚拟路径”长度新概念及其计算公式，比较计算出的各路径的“虚拟路径”长度，可从两地的诸多“合理路径”中，优选出最佳路径，实例模拟计算结果表明蚁群算法用于公路系统中的最佳路径的实时查询是有效和可行的。     

地区分销系统的成本优化模型及应用

研究需求不确定下由一个地区分销中心和多个零售商组成的地区分销系统，系统中地区分销中心和多个零售商都采用周期检查的最大库存水平策略(order-up-to Level policy)．首先，生成了最终顾客的不确定需求数据．然后，分别给出了有限计划水平内地区分销中心和各个零售商的成本模型，在此基础上建立了地区分销系统的独立决策优化模型和联合决策优化模型，并给出了这两类模型的求解方法．最后，通过算例表明，该地区分销系统存在“第一最优”(first-best)解，即零售商所做出的最优决策从整个地区分销系统的角度看也是最优的。     

基于重置的L-M变结构BP神经网络

尝试将重置算法应用于神经网络结构的优化,研究了重置算法中最佳重置时间的性质,并提出一种基于重置的L-M(Levernberg-Marquardt)变结构BP神经网络.对比实验表明,重置算法的引入有效地解决了神经网络结构优化的问题,优化后的网络具有较好的收敛性.     

带时间窗车辆路径问题的粒子群算法

将粒子群算法(PSO)应用于带时间窗车辆路径优化问题(VRPTW),构造车辆路径问题的粒子表达方法,建立了此问题的粒子群算法,并与遗传算法作了比较.实验结果表明,粒子群算法可以快速、有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案.     

系统工程优化决策理论及其发展战略

系统工程是一门综合性的技术学科.本文分别从单人优化决策和多人优化决策的角度出发:介绍了系统工程涉及到的优化与决策方法.包括最优化理论、决策理论、博弈论等多种理论方法.综述了每种理论方法研究问题的特征、基本的结论以及发展过程,并对系统工程中使用到的优化与决策理论的发展趋势进行说明.为解决系统工程问题使用到的优化与决策理论方法的研究与应用提供一定的参考.     

一类仓库作业优化问题的混合遗传算法研究

针对自动化立体仓库固定货架系统中拣选作业优化问题的特点, 分析并设计了一种新型高效混合遗传算法。提出了多起点2-最近点搜索算法进行初始种群的构造,采用了一种新的自适应启发式变异方法,显著改善了原有遗传算法的搜索能力。仿真结果表明该算法从执行时间和优化效果两方面均能够很好地满足作业要求。