模拟退火法用于连续变量问题全局优化初探

针对过程系统连续变量优化问题中普遍存在的多峰现象，初步字应用模拟退火法求解全局最优解的问题，针对变量只有上下限下等式约束的问题，根据连续变量问题的特性，提出了一种用相状态的产生函数，并分析了模拟退火过程的起始温度，终止温度以及降温速度对优化计算的影响，给出了这些参数的适宜区域，通过三个例题的计算，将模拟退火法与传统优化方法－基于梯度的方法进行了对比分析，结果表明该法能够有效地解决传统的确定型优化方     

基于模拟退火智能算法的自抗扰控制器参数整定及仿真

针对自抗扰控制器（ADRC）参数多以及由于无确定参数整定算法导致的难以计算最优参数的问题,提出了结合已知参数整定规则的智能模拟退火算法（SA）．该方法改进了原始模拟退火算法的搜索规则,提高了参数搜索的范围和效率．最后,通过仿真实例验证了这种改进的智能模拟退火算法的有效性．     

基于双阈值的具有记忆功能的自适应模拟退火算法

讨论传统模拟退火算法的原理、求解过程,详细分析它存在的局限性,简单叙述模拟退火算法中关键参数对该算法性能的影响,并给出该算法的可行性改进方案。提出一个改进的模拟退火算法。在该改进算法中,为避免遗失当前最优解,增加记忆功能,将当前最好的状态记忆下来,从而使得模拟退火算法成为一种智能化算法;设计一个自适应温度更新函数,并设置双阈值使得在尽量保持最优性的前提下减少计算量。用改进前后的两个算法来解决一个非线性寻找组合最优问题,实验证明改进后的模拟退火算法是高效的。     

一种改进的模拟退火算法

讨论了传统模拟退火算法的原理、求解过程,详细地分析了它存在的局限,简单叙述了模拟退火算法中关键参数对该算法性能的影响,并给出了该算法的可行的改进方案.提出了一个改进的模拟退火算法.在该改进算法中,为避免遗失当前最优解,增加了记忆功能,将当前最好的状态记忆下来,从而使得模拟退火算法成为一种智能化算法;设计了一个自适应温度更新函数,并设置双阈值使得在尽量保持最优性的前提下减少计算量.最后用改进前后的两个算法来解决一个非线性寻找组合最优问题,实验证明改进后的模拟退火算法是高效的.     

用改进的模拟退火算法实现对单伺服机分层水平旋转货架存取路…

针对一类组合优化问题，提出并设计了改进的模拟退火算法，首次将其应用于解决自动化仓库中分层水平旋转货架存取货物路径的优化问题。计算机仿真结果表明：改进的模拟退火算法可以在较短时间内计算出十分接近全局最优解的次优解，在解决复杂性高、规模大、变量离散、目标函数不可微的优化问题中，改进的模拟退火算法具有巨大的优越性。     

模拟退火教学式优化算法

针对教学式优化算法在求解组合优化问题时易陷入局部最优问题进行了研究,提出模拟退火教学式优化算法.利用模拟退火方法,在“教”与“学”两个阶段按照模拟退火计算的概率,随机接受个体中某一位较差解作为新解的一部分.通过增加群体多样性的方法,增强教学式优化算法逃离局部最优解的能力.分别对单模、多模和旋转函数进行仿真,并与其他算法进行了对比实验.结果表明,提出的方法在收敛速度和收敛精度上具有较好的性能.     

一种新的混合优化算法及其在车间调度中的应用

提出了一种解决车间调度问题的新方法, 该方法将序优化思想融入巢分区算法框架, 采用"序比较"的方法进行算法的局部寻优. "序"的指数收敛性加快了巢分区算法的局部收敛速度, 从而提高了算法整体的优化效率. 最优计算量分配技术则依据在线数据对计算量进行合理的分配, 进一步提高算法的收敛速度和结果的可靠性. 混合算法继承了巢分区算法的全局搜索特性以及序优化的快速收敛性. 用该算法解决标准 Jobshop 调度问题, 并与序优化方法和模拟退火算法进行比较, 发现本文算法在收敛速度与优化质量方面均优于这些算法.     

解决多维全局最优问题的一种新方法

对一种新的全局优化方法(称为APSAM方法)进行了研究，将模拟退火方法的随机搜索策略与局部寻优算法POWELL相结合，使得求解过程可以跳出局部最优值的区域，最终获得全局最优解。最后通过对一些典型的多极值方程进行优化，比较了APSAM方法与模拟退火法、POWELL法和PSAM方法的优化结果，仿真结果说明提出的算法优化能力较强，效果稳定可靠。     

改进的模拟退火算法在板式家具工业优化下料问题中的应用

讨论了如何利用改进的模拟退火算法即单调升温的模拟退火算法求解板式家具生产中的优化下料问题。在对问题进行数学描述的基础上，给出了算法求解的关键步骤和方法；讨论了单调升温模拟退火算法中如何跳出局部最优解，以及升温幅值的确定方法。实例表明该算法优化速度快，效率高，能有效解决大规模矩形件优化下料问题。     

基于退火遗传算法的复杂机电系统控制参数最优整定

针对复杂机电系统中可调参数多、调整范围大、参数之间耦合强、常规方法难于整定与组态的难题，提出了基于退火遗传算法的参数最优整定方法．将遗传算法和模拟退火算法巧妙地结合起来、取长补短，构成一种新的高效、鲁棒的寻优算法，应用于平整机主传动速度控制系统的参数优化问题，使系统的性能指标达到最优．     

船舶航向非线性H∞逆优化输出反馈控制

为抑制船舶航向非线性优化控制中模型参数摄动和由状态观测器引入的不确定观测误差,提出了一种非线性H∞逆优化控制算法.首先,基于无源理论设计观测器以实现海浪滤波,该观测器无需海浪扰动的方差信息从而减少了观测器参数数量.然后,考虑模型参数摄动对观测误差的影响,给出了描述系统局部(全局)性态的局部(全局)H∞优化性能指标.在以广义黎卡提方程(GARE)对局部优化问题的求解的基础上,应用逆优化方法将全局H∞优化问题转化为构造闭环系统的Lyapunov函数问题,得到同时满足两种指标的优化控制器,并证明了稳定性.仿真结果证明了该算法的有效性.     

基于粒子群算法的Web服务组合研究

针对现有服务组合中QoS优化的不足,该文提出一种基于粒子群算法的解决QoS动态服务组合算法。通过对服务组合的业务逻辑与服务实例进行合理编码,重新定义粒子的位置、速度与“加”运算,利用粒子群算法的智能优化原理以及局部与全局优化信息加快粒子群的搜索速度,使其能够快速地得到一组满足约束条件的Pareto优化的服务组合。实验结果证明了算法的可行性和有效性。     

一类参数线性系统辨识的最优输入设计

对未知参数进行估计时,得到的结果与激励系统所选用的输入信号有较大的关系.针对一类参数可线性化系统,本文提出了一种利用多维同步正交信号和直接配点法设计最优输入信号的方法.首先根据最小二乘原理,利用法矩阵构造Mayer型性能指标函数.然后利用不同频率的正弦基函数构造相互正交的多维输入,通过添加幅值与相位的等式约束,使得输入信号在初/末时刻取值均为零.之后采用直接配点法离散状态变量,将动态的最优输入问题转化为静态的非线性规划问题.最后采用从可行解到优化解的串行优化策略进行求解,不仅提高了寻优效率,还确保了优化结果为原问题的可行解.仿真结果表明,与工程上常用的输入信号相比,本文方法获取的最优输入信号可以提高参数估计精度并加快收敛速率.     

基于参数化最优的仿人机器人倒地运动控制

针对仿人机器人的倒地运动控制,用经典的参数化优化方法求得最优控制函数的一个近似解．然后, 利用参数化控制及强化技术,基于几个分段的常数去逼近最优解,再将最优控制问题转化为一系列参数优化问题． 利用该方法提出了仿人机器人倒地优化控制算法,并与遗传算法进行了比较．最后,通过仿真对算法进行了验证．     

基于二次型性能指标的混合动力汽车实时优化控制

为解决混合动力系统实时优化控制问题,本文提出了一种基于二次型性能指标最优的混合动力汽车功率分配优化方案.通过合理的假设和近似,建立了混合动力系统的线性模型,并利用二次型最优控制理论将混合动力最优控制问题转化为二次型最优调节问题进行求解,得到了一个结构简单的实时优化控制算法.5种道路工况下的仿真结果表明,本文提出的控制方法在未来道路工况未知的情况下能够实现混合动力系统的实时优化控制,且节油率与离线计算以燃油消耗最小为性能指标的全局最优控制的节油率相近.     

Optimal Nonlinear Income Taxation with a Two-Dimensional Population; A Computational Approach

We consider the optimal income tax problem when income differences are due to differences in abilities and in preferences between consumption and leisure among individuals. We model this problem as an optimal control problem and develop a numerical method for solving it. The method is based on the expansion of state and control variables in Lagrange series and on a spectral collocation method for approximating state equations. In this way the optimal control problem is reduced to a parameter optimization problem. The problem is difficult to solve, but we managed to do so with some limitations. On the basis of our calculations we conclude that the tax system in the two-dimensional case is more redistributive compared to that obtained from the one-dimensional model.     

一种基于对象关系模型的时空数据库管理系统体系结构

时空数据库的关键与难点在于其实现技术．本文提出了一种基于对象关系模型的优化型时空数据库管理系统体系结构，该体系结构采用时空数据类型扩展和时空操作扩展技术对数据库管理系统的内核进行扩充，使其具有内建的时空数据管理能力，同时以时空查询优化层实现时空查询的逻辑优化，解决了底层数据库管理系统的查询优化问题。     

解多目标优化问题的新粒子群优化算法

通过定义的粒子序值方差和U-度量方差,把对任意多个目标函数的优化问题转化成为两个目标函数的优化问题。继而把Pareto最优与粒子群优化(PSO)算法相结合,对转化后的优化问题提出了一种新的多目标粒子群优化算法,并证明了其收敛性。新方法用较少计算量便可以求出一组在最优解集合中分布均匀且数量充足的最优解。计算机仿真表明该算法对不同的试验函数均可用较少计算量求出在最优解集合中分布均匀且数量充足的最优解。     

双蝙蝠群智能优化的多模盲均衡算法

针对常模盲均衡算法(CMA)均衡多模QAM信号收敛速度慢、剩余均方误差大的缺陷,提出了一种基于双蝙蝠群智能优化的多模盲均衡算法(DBSIO-MMA)。该算法将2个蝙蝠群独立全局寻优得到的一组最优位置向量分别作为多模盲均衡算法(MMA)初始化最优权向量的实部与虚部,以此提高收敛速度并减小剩余均方误差。仿真结果表明,蝙蝠算法(BA)全局搜索成功率高、收敛速度快的特点在DBSIO-MMA中得到很好地体现。与CMA、MMA、粒子群多模盲均衡算法(PSO-MMA)、单蝙蝠群多模盲均衡算法(BA-MMA)相比,DBSIO-MMA具有更快的收敛速度和更小的均方误差。     

基于改进PSO方法的保障性住房选址策略模型

保障性住房选址是目前城市规划中的一个重要问题。将保障性住房选址抽象为最优化问题并建立相应数学模型,基于粒子群优化算法提出有限最优值法的改进PSO方法,以克服可行解空间离散的问题。实验结果表明,改进的PSO方法适合于保障性住房选址问题的数学模型,能够正确求解该数学模型意义下的最优选址点。