GP、SAP算法比较研究

针对规划问题,引入了固定结构解的描述形式,指出其离散量与连续量混合的多峰值优化的特点.在此基础上提出了固定结构遗传规划算法(GP)、模拟退火规划算法(SAP),并进行了算法分析.最后通过实验对四个典型优化函数的优化进行了比较研究.研究与实验结果表明SAP算法综合考虑了结构优化与参数优化,具有收敛效率高、获得更优解概率大...     

一种动态窗口下改进的机器人路径规划

提出了蚁群路径规划算法中一种动态候选解窗口的方法。该方法首先在固定均匀分布候选解的窗口上划分成若干分块,接着将负责路径规划的主蚁群的候选决策点看作一系列具有候选解属性的蚂蚁,再用该蚁群算法根据每分块上所有候选解上游连接边上的信息素及其启发信息以一定概率动态分布候选决策点,从而细化候选解,最终使蚁群能搜索到一条更好的路径解。仿真实验和对比的结果表明,动态候选解窗口方法比固定均匀分布候选解的方法可获得更优的性能。     

微粒群优化算法在基站分布规划中的应用

微粒群优化算法（PSO）是一种具有全局随机优化的智能算法。该算法编程简单,鲁棒性强,并行运算能力强,能以较快的速度收敛至全局最优解。本文在PSO的思想基础上提出了一种改进搜索方向,降低“早熟”概率的方法,即结合遗传算法,引入了爬坡算子。本文并将该改进算法应用于基站分布规划的研究中,实验仿真结果表明,利用该改进算法能提高基站覆盖率,降低经济成本。     

单状态基因克隆HMM语音训练算法

针对用于隐马尔科夫模型（HMM）训练的经典Baum Welch算法容易陷入局部最优解这一问题,提出基因克隆的Baum Welch算法。该算法在Baum Welch算法迭代计算到10－3以内不再改变的情况下,在当前已获得局部最优参数B矩阵的基础上,执行基因克隆算子,获得优化的HMM的B参数,进一步提升Baum Welch算法语音模板的输出概率。实验结果表明：该算法模板计算概率大于经典的Baum Welch算法,获得了比Baum Welch算法更优的训练模板。     

求解非线性区间数规划的微免疫优化算法研究

基于区间分析和免疫学原理,探讨非线性区间数规划问题解的概念和性质,以及求解的免疫优化方法和算法的理论基础.首先,基于该问题的最优值区间,给予最优解概念;研究区间值优化问题有效解的性质,探讨区间自然扩张规划与区间数规划的解之间联系,获得有效解是最优解的充分条件以及寻优的有效途径.其次,基于免疫应答的简化机制,设计具有群体规模小、可调参数少、结构简单等特点的非主从结构微免疫优化算法,并获证该算法具有收敛性和低计算复杂度.通过扩展标准测试函数和应用事例,比较性的数值实验结果显示,此算法执行效率高、搜索效果好,对低、偏高维非线性区间数规划具有较好应用潜力.     

一种用于片上网络布图规划的改进模拟退火与粒子群混合算法

智能优化算法作为解决大规模集成电路芯片设计中布图规划问题的经典方法已被研究多年。结合异构三维片上网络布图问题的具体特点,采用B*-tree间接描述布图问题中的解结构,针对模拟退火收敛速度慢、优化效率低的缺点,对搜索策略和概率性的劣向转移作出了改进,并将改进后的模拟退火思想引入粒子群优化算法中,使结合后的算法结合了粒子群并行计算的特点和模拟退火能够实现全局优化的特点。通过仿真实验验证,所提出的该混合改进算法在解决布图问题中要优于传统模拟退火算法。     

应用微粒群算法确定有机化合物分子式

针对基本微粒群优化算法（PSO）存在容易陷入局部最优和收敛速度慢的缺点,在整数空间使用带收缩因子的微粒群优化算法基础上,提出了一种带变异概率的微粒群优化算法（IPSO）,用于提高微粒群的多样性,避免算法陷入局部最优解。实验证明,改进后的微粒群优化算法在防止早熟和加快收敛方面优于基本PSO算法和基本PSO算法加一半微粒随机初始化算法（PSO_HPO算法）。IPSO算法应用到确定有机化合物分子式时,取得了很好的效果。     

基于改进蚁群算法的球形机器人径规划

蚁群算法具有较强的鲁棒性和发现较优解的能力,但同时存在着限于局部最优解、收敛速度慢、容易出现停滞现象等缺点。本文针对球形机器人的特点,考虑球形机器人本身的尺寸影响,对其进行路径规划优化处理。并且在传统的蚁群算法基础上,采用了退回原则和信息素加强原则对该算法进行改进。通过仿真结果表明,该方法能以任意接近于1的概率收敛到全局最优解,并且提高了求解最优解的效率。     

基于改进蚁群算法的球形机器人径规划

蚁群算法具有较强的鲁棒性和发现较优解的能力,但同时存在着限于局部最优解、收敛速度慢、容易出现停滞现象等缺点。本文针对球形机器人的特点,考虑球形机器人本身的尺寸影响,对其进行路径规划优化处理。并且在传统的蚁群算法基础上,采用了退回原则和信息素加强原则对该算法进行改进。通过仿真结果表明,该方法能以任意接近于1的概率收敛到全局最优解,并且提高了求解最优解的效率。     

基于解析法和遗传算法的机械手运动学逆解

研究优化机械手轨迹规划问题,机械手运动时要具有稳定性避障性能。针对平面3自由度冗余机械手优化控制问题,建立机械手的结构模型。提出用解析法和遗传算法相结合满足具有计算量小和适应性强的特点。在给定机械手末端执行器的运动轨迹,按着机械手冗余自由度,运动轨迹上每个点对应的关节角有无穷多个解。而通过算法可以找到一组最优的关节角,可得到优化机械手运动过程中柔顺性和避障点。仿真结果表明,该算法可以快速收敛到全局最优解,可用于计算冗余机械手运动学逆解,并可实现机器人的轨迹规划和避障优化控制。     

试析SAP编程技巧

通过对SAP编程过程中应用到的部分技巧进行介绍和分析,使读者能够逐步深入SAP编程并掌握SAP开发技能,快速成长为SAP实用型人才。     

Algorithmic and Computational Aspects of Composite Concave Programming

In this paper we discuss the algorithmic and computational aspects of the parametric nonlinear optimization method c-programming. Our objective in looking at the method from this vantage point is twofold. First, to explain more clearly where c-programming sits in optimization theory. Second, to throw more light on the details of the collaboration that it forges with other optimization methods. The first objective is accomplished through an analysis of c-programming'ys genealogy. The latter is achieved by an examination of the basic structure of c-programming algorithms, and by reporting on extensive numerical experiments conducted with c-programming algorithms in collaboration with linear programming and dynamic programming techniques. These experiments very convincingly show that c-programming has the ability to significantly expand the scope of linear programming, dynamic programming, and possibly other optimization methods.     

Optimal Portfolio Hedging with Nonlinear Derivatives and Transaction Costs

We consider the problem of dynamically hedging a fixed portfolio of assets in the presence of non-linear instruments and transaction costs, as well as constraints on feasible hedging positions. We assume an investor maximizing the expected utility of his terminal wealth over a finite holding period, and analyse the dynamic portfolio optimization problem when the trading interval is fixed. An approximate solution is obtained from a two-stage numerical procedure. The problem is first transformed into a nonlinear programming problem which utilizes simulated coefficient matrices. The nonlinear programming problem is then solved numerically using standard constrained optimization techniques.     

基于混合PSO-SQP 算法同时实现多变量的结构和参数辨识

研究了一种基于混合粒子群优化算法和序列二次规划算法对系统进行辨识的新方法．该方法将典型数学模型相互组合构成系统模型．首先将系统结构辨识问题转化为组合优化问题;然后利用混合PSO-SQP同时实现系统的结构辨识和参数辨识．为了进一步说明该混合算法的有效性,与标准PSO算法和惯性权值逐减PSO算法进行对比．仿真结果表明,给出的混合算法是有效的,辨识精度高,并具有良好的实用性．     

A new hybrid fuzzy-goal programming scheme for multi-objective topological optimization of static and dynamic structures under multiple loading conditions

This work presents a hybrid fuzzy-goal multi-objective programming scheme for topological optimization of continuum structures, in which both static and dynamic loadings are considered. The proposed methodology fortopological optimization first employs a fuzzy-goal programming scheme at the top level for multi-objective problems with static and dynamic objectives. For the static objective with multi-stiffness cases in the fuzzy-goal formulation, a hybrid approach, involving a hierarchical sequence approach or a hierarchical sequence approach coupled with a compromise programming method, is especially suggested for the statically loaded multi-stiffness structure at the sublevel. Concerning dynamic optimization problems of freevibration cases, nonstructural mass, oscillation of the objective function, and repeated eigenvalues are also discussed. Solid Isotropic Material with Penalization density–stiffness interpolation scheme is used to indicate the dependence ofmaterial modulus upon regularized element densities. The globally convergent version of the method of moving asymptotes and the sequential linear programming method areboth employed as optimizers. Several applications have been applied to demonstrate the validation of the presented methodologies.     

Methods based on discrete optimization for finding road network rehabilitation strategies

We study a dynamic optimization problem arising in the (long-term) planning of road rehabilitation activities. In this area one seeks a pavement resurfacing plan for a road network under budget constraints. Our main approach is to model this as an integer programming problem with underlying dynamic programming structure. We investigate properties of this model and propose a solution method based on Lagrangian relaxation where one gets subproblems that are shortest path problems. Some computational experiences based on realistic data are reported.     

基于Pareto支配的双目标优化求解非线性双层规划问题

双层规划问题是一类具有双层递阶结构的系统优化问题。采用Pareto支配的双目标优化策略求解非线性双层规划问题。利用K-T条件把双层规划问题等价转化单层规划问题,进而结合约束部分建立可行性度量目标形成双目标规划问题。在基本的差分进化算法框架中融入非负的最小二乘曲线拟合判断候选解的可行性,构造基于动态概率的Pareto支配选择策略挑选下一代个体,解决种群容易陷入局部最优的缺陷。15个标准函数的测试结果对比显示,该算法在求解非线性双层规划问题中具有较好的全局寻优能力、较低的计算复杂度、较强的稳定性和适用性,可以获得全局最优解。     

离散时间最优控制—–评论动态规划

阐述离散时间最优控制的特点.对比3种求解离散时间最优控制的解法,即:1)用非线性规划求解离散时间最优控制;2)用无约束优化求解离散时间最优控制;3)动态规划及其数值解.1)和2)都适用于多维静态优化,计算效率较高,是高级方法.在名义上,3)为动态优化.实际上,3)为一维分段无约束静态优化,计算效率较低,是初级方法.本文并用数字实例进一步阐明动态规划及其数值解在求解方面较差,故动态规划及其数值解已失去实用价值.在求解离散时间最优控制问题方面,无法与非线性规划求解相匹敌.     

基于多元模糊规划的微粒群优化算法

在微粒群的静态多元规划模式的基础上,考虑到多元最优值对群体寻优的引导因子间的比例在寻优过程中不能进行动态自适应调整,因而将模糊逻辑引入对微粒群的多元规划引导,提出了一种用于自适应动态规划的模糊微粒群算法模式,并以最优和次最优分布信息的模糊规划为例,进行了微粒群多元模糊规划模式的设计和数值仿真.仿真结果表明,该算法模式较静态多元规划模式具有更好的总体收敛性能.