竞选优化算法求解非线性方程组的应用研究

针对非线性方程组的求解在工程上具有广泛的实际意义,经典的数值求解方法存在其收敛性依赖于初值而实际计算中初值难确定的问题,将复杂非线性方程组的求解问题转化为函数优化问题,引入竞选优化算法进行求解。同时竞选优化算法求解时无需关心方程组的具体形式,可方便求解几何约束问题。通过对典型非线性测试方程组和几何约束问题实例的求解,结果表明了竞选优化算法具有较高的精确性和收敛性,是应用于非线性方程组求解的一种可行和有效的算法。     

新型线性先行GA算法在油品调和中的应用

油品调和是生产成品油的关键环节,调和配方决定了利润的最终大小。配方优化模型中物料平衡约束、产品产量约束属于线性约束,但质量指标约束中存在的非线性约束,使整个求解问题成为非线性约束求解问题。针对炼油厂油品调和复杂非线性约束配方优化问题,提出了一种新的线性先行GA算法。通过将线性约束与非线性约束拆分开,先求解凸多面体的全部顶点和极方向,解出满足线性约束的所有可行解所在的可行区域,进而用GA算法在此可行域内,通过优化凸组合的系数,从而达到搜索整个线性解区间的目的,完成非线性优化模型的求解。仿真结果表明,新算法大大缩小了GA算法的搜索空间和需要处理的约束,能快速的获得理想的调和配方,使利润最大并保证对质量卡边的要求。     

非线性约束优化的算法分析

针对非线性约束优化问题,运用了一种新的智能优化算法——社会认知优化算法。社会认知优化算法是一种基于社会认知理论的集群智能优化算法,它对目标函数的解析性质没有要求,适合于大规模约束问题处理的优点,使搜索不容易陷入局部最优。将该算法引入非线性约束问题,解决优化问题。通过实例和其他算法进行比较,对比数值实验结果表明,即使只有一个学习主体,该算法能够高效、稳定地得到解决方案,便于求解非线性约束优化问题。     

改进差异演化算法求解约束优化问题

在现实生活中许多实际问题都可以转化为约束优化问题,并且实际问题通常都很复杂,其函数形态各具特色,传统基于梯度信息的各种求解策略对于具有不可微、多峰及非凸的非线性函数约束优化问题很难凑效。而最近兴起的智能类算法却对这类问题的求解效果突出,在借鉴国外的差异演化算法研究成果基础上,运用改进差异演化算法来求解约束优化问题。最后通过实例进行仿真实验,结果表明改进差异演化算法在求解约束优化问题时具有一定的优越性。     

求解一类凸优化问题的区间迭代算法

研究了一类非线性带约束的凸优化问题的求解.利用Kuhn-Tucker条件将凸优化问题等价地转化为多变元非线性方程组的求解问题.基于区间算术的包含原理及改进的Krawczyk区间迭代算法,提出一个求解凸优化问题的区间算法.对于目标函数和约束函数可微的凸优化,所提算法具有全局寻优的特性.在数值实验方面,与遗传算法、模式搜索法、模拟退火法及数学软件内置的求解器进行了比较,结果表明所提算法就此类凸优化问题能找到较多且误差较小的全局最优点.     

一类动态非线性约束优化问题的新解法

动态非线性约束优化是一类复杂的动态优化问题,其求解的困难主要在于如何处理问题的约束及时间(环境)变量。给出了一类定义在离散时间(环境)空间上的动态非线性约束优化问题的新解法,从问题的约束条件出发构造了一个新的动态熵函数,利用此函数将原优化问题转化成了两个目标的动态优化问题。进一步设计了新的杂交算子和带局部搜索的变异算子,提出了一种新的多目标优化求解进化算法。通过对两个动态非线性约束优化问题的计算仿真,表明该算法是有效的。     

非线性约束规划的极大熵多目标进化算法

解非线性约束规划的困难在于如何处理问题的约束,从问题的约束条件出发构造了一个新的极大熵函数,利用此函数将原非线性约束规划问题转化成了两个目标的多目标优化问题。通过对搜索操作和参数的合理设计给出了一种新的极大熵多目标进化算法。计算机仿真表明该算法对带约束的非线性优化问题求解是非常有效的。     

求解布尔与非线性数值约束相混合的约束问题

布尔与数值变量相混合的约束问题有着广泛的应用,但是当约束中的数值变量间存在非线性关系时该问题求解起来十分困难.目前的许多求解方法都是不完备的,即这些方法不能完全肯定某些包含非线性数值表达式的约束是否能够成立.针对这种问题,提出了将非线性数值约束转化为特殊形式的优化问题,采用全局优化算法对其进行求解的方法.已经实现了一个基于此方法的原型工具.实验结果表明,该方法能够有效地求解非线性混合约束问题,并且总能够得到该约束条件是否可满足的结果.     

约束优化进化算法综述

约束优化进化算法主要研究如何利用进化计算方法求解约束优化问题,是进化计算领城的一个重要研究课题.约束优化问题求解存在约束区域离散、等式约束、非线性约束等挑战,其问题的本质是如何处理可行解与不可行解的关系才能使得算法更高效.本文首先介绍了约束优化问题的定义,然后系统地分析了目前存在的约束优化方法,同时基于约束处理机制将这些方法分为罚函数法、可行性法则、随机排序法、约束处理法、多目标优化法、混合法六类,并从约束处理方法的方面对约束优化进化算法的最新研究进展进行综述.最后,指出约束优化进化算法需进一步研究的方向与关键问题.     

区间非线性路径约束的动态优化问题求解

本文研究路径约束中含有区间参数形式的动态优化问题,提出了一种新的非线性路径约束的确定化描述形式,和采用惩罚函数法的求解算法。对于转化后的极大极小优化命题,论文提出采用Lagrangian多项式加权和的方法得到有限维的确定性优化求解形式。该算法可有效地描述和求解不确定参数动态优化问题。     

求解非线性约束问题的混合粒子群优化算法

将处理约束问题的乘子法与改进的粒子群算法相结合,提出了一种求解非线性约束问题的混合粒子群算法。此算法兼顾了粒子群优化算法和乘子法的优点,对迭代过程中出现的不可行粒子,利用乘子法处理后产生可行粒子,然后用改进的粒子群算法来搜索其最优解,这样不仅减小了粒子群算法在寻优过程中陷入局部极小的概率,而且提高了搜索精度。数值试验结果表明提出的新算法具有搜索精度更高、稳定性更强、鲁棒性更好等特点。     

基于参数方程处理等式约束优化的粒子群算法

针对目前已有的粒子群优化算法求解有等式约束优化问题时对收敛速度和解的精度的影响,提出了一种新的基于参数方程的粒子群优化算法.它是粒子群在初始化和选代进化过程中使用求解参数方程的方法处理等式约束设计出的粒子群优化算法.数值实验结果表明,新算法是有效的.它不仅提高了收敛速度和解的精度,而且是一种通用的智能算法.     

一种新的自适应动态文化粒子群优化算法

为了克服粒子群优化算法在解决复杂问题时易陷入局部最优的缺陷, 提出了一种新的自适应动态文化粒子群优化算法。该算法引入评价粒子群早熟收敛程度的指标来判断种群空间粒子群状态, 以确定影响函数对种群空间粒子群的作用时机, 当算法陷入局部最优时, 自适应地利用影响函数对种群空间进行变异更新, 从而有效发挥文化粒子群算法的双演化双促进机制。并且根据种群的早熟收敛程度自适应地调整粒子的惯性权重, 使种群在进化过程中始终保持惯性权重的多样性, 在算法的全局收敛性与收敛速度之间作一个很好的折中。最后对四个经典的测试函数进行仿真, 结果表明该算法具有很强的搜索能力, 收敛速度和收敛精度也有所提高。     

基于分层并行灾变粒子群算法的交通控制

提出了分层并行策略结合灾变模型的混合粒子群算法--分层并行灾变粒子群算法(HPCPSO),它能提高算法的收敛性和稳定性.同时通过对交叉口交通情况的研究,把车辆延误、车辆停车数和能源消耗都纳入性能指标值PI,建立了区域交通协调控制优化模型.在此模型的基础上,应用分层并行灾变粒子群算法实现了交通信号优化控制及验证算法.仿真结果表明,分层并行灾变粒子群算法相对于基本粒子群算法提高了寻找全局最优解的能力,能够有效实现交通信号优化控制.     

基于DCS的电力节能优化控制系统的设计与实现

为了解决电力系统的节能优化问题,本文在传统的PSO节能控制方法的基础上,提出了一种多重自适应的粒子群优化算法,应用分散控制系统设计与实现了一种新的电力节能优化控制系统。数值仿真的结果说明了使用所提出的粒子群算法的基于DCS的电力节能优化控制系统在电力调度最佳节点的搜索精确度要高于相同条件下的一般的电力控制系统。使用所提算法的电力节能优化控制系统,能有效地对电力能耗进行优化,且具有较高的实用性。     

混合微粒群算法在非线性约束优化中的应用

本文将微粒群算法(PSO)与罚函数法结合，提出了一种求解非线性约束优化问题的新算法，数值试验表明该算法具有很强的全局寻优能力。     

一种新的基于粒子群和模拟退火的聚类算法

提出了一种新的基于粒子群和模拟退火的聚类算法。每个粒子作为聚类问题的一个可行解组成粒子群,粒子的位置由聚类中心向量表示。为避免粒子群陷入局部最优解,结合聚类问题的实际特点,提出了利用模拟退火的概率突跳性的两个解决方案。实验结果表明,新算法增强了全空间的搜索能力,性能优于粒子群算法和传统的K-means算法,具有较好的收敛性,是一种有效的聚类算法。     

基于混沌搜索的粒子群优化算法

粒子群优化算法(PSO)是一种有效的随机全局优化技术。文章把混沌优化搜索技术引入到PSO算法中,提出了基于混沌搜索的粒子群优化算法。该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高的算法的收敛速度和计算精度。仿真计算表明,该算法的性能优于基本PSO算法。     

免疫粒子群算法在污水生化处理过程中的应用

针对污水生化处理过程,设计了一种新型算法。以粒子群算法对控制过程进行寻优,利用粒子群的快速搜索能力,保证了寻优速度;以混沌序列对粒子群进行初始化,提高了初始粒子群的质量,促进粒子群快速寻优;以免疫算法对粒子群进行克隆、变异及抑制,保证了粒子群的多样性,提高了粒子群的全局寻优能力,克服了粒子群的早熟问题。仿真结果表明,该算法大大提高了优化的性能和质量,在保持出水水质符合标准的前提下使污水处理的经济成本达到最优。     

0-1背包问题的模糊粒子群算法求解*

针对基本粒子群算法在背包问题上表现的不足,在基本粒子群算法的基础上运用模糊规则表加入了新的扰动因子,提出了一种新的算法——模糊粒子群算法。该算法结合了模糊控制器中输入/输出的模糊化处理和粒子群寻优的特点,为实际问题提供了新的解决手段。将模糊粒子群算法应用于0-1背包问题上,通过多组实例数据进行测试,验证表明了本算法具有良好的有效性和鲁棒性。