基于满意度的区间型多目标合作对策求解模型

针对效用函数可能具有嵌套、重叠和(或)包含关系的区间型多目标合作对策求解问题,提出两阶段非线性规划模型和方法.考虑实际决策问题中的多目标因素,定义基于满意度的区间数排序关系及区间型多目标合作对策的区间值核心解概念,进而构建多目标两阶段非线性规划求解模型,并给出二分法的求解步骤.最后,通过实例说明所提出模型和方法的可行性和适用性.     

基于超越几何规划的热轧操作优化问题

针对钢铁热轧生产操作优化问题,建立热轧操作优化模型.该模型的难点是,模型具有高度非线性的特征,难以获得最优解.考虑模型数学表达式的结构特点,将操作优化模型等价转化为超越几何规划模型,由于获得的模型存在对数项,无法直接有效求解,利用模型的结构特点,通过数学变换和理论分析,转化为凸规划模型,从而利用凸规划软件获得最优解,为操作优化问题获得全局最优解提供一种新方法.     

多峰值全局优化的混合算法

根据遗传算法在较小的可行区域内一般有较好的求解结果这一事实,提出了一种混合算法。该算法先利用区间算法求解全局优化问题来得到包含所有最优解的小区间,随后运用遗传算法进行后续过程。算法能够有效缩小一个较大的可行区域空间,提供高适应值的初始种群,求出多峰值问题的全部最优解,提高算法的求解精度同时避免陷入局部最优。最后数值实验说明了算法的有效性。     

不确定海流环境下水下机器人最优时间路径规划

为解决海流预测不精确条件下,现有基于确定性海流路径规划算法鲁棒性差和规划的路径有可能为不可行路径的问题,本文提出一种基于区间优化的水下机器人(AUV)最优时间路径规划算法.该算法采用双层架构,外层用蚁群系统算法(ACS)寻找由起点至终点的候选路径;内层以区间海流为环境模型,计算候选路径航行时间上下限,并分别通过区间序关系和基于可靠性的区间可能度模型将航行时间区间转换为确定性评价函数,并将评价函数值作为候选路径适应度值返回到外层算法.仿真结果表明,相对于确定海流场路径规划方案,提出的方案增强了路径规划器的鲁棒性并解决了结果路径不可行问题.     

泛区间搜索的连续函数优化鲁棒蚁群算法

针对现有连续函数优化蚁群算法对自变量的初始区间存在敏感度问题,提出泛区间搜索的理念.通过在网格策略上加入新元素——自调整定义域的机制、自适应的蚁群规模、自适应的信息素增加强度和自适应的网格划分份数,提出泛区间搜索的连续函数优化蚁群算法.该算法可根据现有区间判断最优解的方位,实现全实数范围内的广度搜索.仿真实验表明该算法具备鲁棒性,在初始区间不含最优解的条件下也能找到最优解,且收敛速度和计算准确性受区间变化的影响较小.     

基于免疫算法的网络基站规划优化

针对传统网络基站规划方法的不足,提出一种基于免疫算法的优化方法。使用多目标优化方法对基站规划问题进行数学建模,免疫优化算法采用浓度调节选择概率机制、邻近排挤算法、循环交叉和改进的变异操作,能保证解的多样性以及Pareto最优解集均匀分布在前沿面上。仿真结果表明,该算法能够有效获得最优的基站分布方案,覆盖率达到97.6%。     

基于偏好方向的区间多目标交互进化算法

区间多目标优化问题在实际应用中普遍存在且非常重要.为得到贴合决策者偏好的最满意解,采用边优化边决策的方法,提出一种交互进化算法.该算法通过请求决策者从部分非被支配解中选择一个最差解,提取决策者的偏好方向,基于该偏好方向设计反映候选解逼近性能的测度,将具有相同序值和决策者偏好的候选解排序.将所提方法应用于4个区间2目标优化问题,并与利用偏好多面体解决区间多目标优化问题的进化算法(PPIMOEA)和后验法比较,实验结果验证了所提出方法的有效性和高效性.     

非线性方程求解的泛灰数学方法

在概述泛灰数的概念及其运算规则的基础上,介绍了泛灰数与区间数的转化,利用泛灰数的可扩展性对区间进行分析.根据对求解区间的泛灰函数性质(如果在区间上有解,则0∈F(X))进行判定是否有解,剔除无解区间,细化有解区间,从而求解非线性方程的全部解.泛灰数不仅具有区间分析功能,且能解决区间分析所不能解决的问题.基于泛灰数的性质提出了求解非线性方程的一种新方法.算例证明了算法的有效性,该方法已成功地用于求解机构学问题.     

基于排列的微粒群优化算法

针对基本微粒群优化算法(PSO)存在陷入局部最优的问题,提出一种基于排列的改进微粒群算法(RPSO).该算法对每次迭代过程中的个体历史最优解按照适应值的优劣顺序排列,然后选择若干个较优的个体历史最优解作为候选解,再以概率方式在候选解中确定群体历史最优解的位置.RPSO算法使基本PSO算法易于陷入局部最优的问题,得到有效的缓解.为了分析算法的性能,对几种典型的非线性函数进行了测试.实验结果表明,RPSO算法比基本PSO算法具有更好的寻优能力.     

一类区间系数二次双层规划问题的遗传算法

针对上下层均含区间系数的二次双层规划,提出了一种基于两个适应度评估的遗传算法。将下层目标系数区间作为遗传算法的搜索空间,对于每一个确定的个体,下层问题不含区间系数;利用二次规划的最优性条件,将个体所对应的问题转化为两个确定的二次规划;利用基枚举方法求解这两个二次规划问题,相应的最优值作为个体的两个适应度。算法通过两个适应度的比较,获得问题的最好最优解和最差最优解。数值仿真结果表明,该算法是可行有效的。     

采用组合优化策略的电子侦察卫星规划方法

对电子侦察卫星任务规划问题进行了分析,建立了问题的多目标规划模型;设计了一种基于带后优化过程MOEO(Multi-objective Extremal Optimization)的多目标规划算法对模型进行求解,该算法包含MOEO主算法过程和基于禁忌搜索(TS)的后优化过程两部分:MOEO主算法中采用插入变异、模式变异及删除变异等算子对解空间进行搜索,基于Pareto最优概念的解排序确保了解在多个目标上的有效优化,精英策略避免了丢失进化过程中产生的非劣解;TS后优化过程中提出了多种邻域结构,使用各种邻域算子或算子的组合,对主算法Pareto最优解进一步优化,以得到更好的解。最后给出了仿真实例证明本文模型及算法对解决电子侦察卫星任务规划问题的有效性。     

调速泵结构配置协调分解优化算法及实现

建立多级调速泵结构配置连续非线性规划和整数非线性规划二阶段模型.非线性整数规划子问题采用外逼近算法求解.针对连续非线性规划主问题,提出基于割角法的可行域协调分解优化算法,证明割角法陷阱问题并建立判断准则排除已知的陷阱区域,在此基础上构建系列松弛问题得到原优化问题渐进收紧的下界估计,并最终收敛到原优化问题全局最优解.三级调速泵结构配置实例验证了算法的有效性,并给出与其他算法的比较结果.     

区间不确定性需求下的D-LFLP模型及算法

考虑物流网络需求的不确定性,运用区间分析理念以区间数度量不确定性变量与参数,建立区间需求模式下的物流网络设计的混合整数规划模型,定义风险系数与最大约束偏差,对模型进行目标函数与约束条件的确定性转化,设计问题求解的区间递阶优化遗传算法,对不同情景状态下目标函数的区间最优解与节点决策方案进行运算。算例测试表明该算法可操作性更强,求解结果具有区间最优解与情景决策的优越性。     

线性线性分式型区间系数双层规划问题的遗传算法

针对一类上层为线性规划、下层为线性分式规划的区间系数双层规划问题,提出了一种基于系数取值区间搜索的遗传算法。首先,对下层目标系数进行个体编码,使得对每一编码个体,原问题被转化为确定的双层规划问题;其次,利用分式规划的最优性条件求解得到确定性问题;最后,算法通过不断进化下层目标系数找到最好最优解和最差最优解。数值仿真结果表明,该算法是可行并有效的。     

基于粒子群算法求解多层非线性规划问题

通过对基本粒子群优化算法的分析,提出一种用于求解多层非线性规划问题的算法,实现对多层非线性规划问题的Stacketberg-Nash均衡解的搜索.该算法使用动态区域搜索方法保证全局收敛性,采取自适应扰动策略增强跳出局部最优点的能力,通过基于约束适应度的更新机制保证解的可行性.实验结果证明算法的有效性.     

含区间参数多目标系统的微粒群优化算法

参数不确定优化问题是实践中经常遇到的复杂优化问题, 现有方法多针对单目标函数的情况. 本文利用微粒群优化算法解决含区间参数多目标优化问题, 提出一种基于概率支配的多目标微粒群优化算法. 该算法通过定义概率支配关系, 比较所得解的优劣; 基于 σ 区间值, 选择微粒的全局极值点, 并给出新的微粒个体极值点及外部储备集的更新策略. 与传统多目标微粒群优化算法比较, 仿真结果表明本文所提算法的有效性.     

三种基于偏好的区间多目标进化算法及应用

区间参数多目标优化问题是普遍存在且非常重要的。目前直接求解该类问题的进化优化方法非常少,且已有方法的目的是找到收敛性好且分布均匀的Pareto最优解集。为得到符合决策者偏好的最满意解,本文综述3种基于偏好的区间多目标进化算法,并将其应用于特定环境下机器人路径规划问题,比较3种算法的性能。研究结果可丰富特定环境下机器人路径规划的求解方法,提高机器人路径优化效果。     

区间分割共轭梯度混沌优化算法及其应用

本文提出一种区间分割共轭梯度混沌优化算法(CSCGCOA)。新算法首先在全局搜索阶段采用混沌优化算法寻找一个次优解,寻优过程使用区间分割策略。进而以次优解为初值,局部搜索采用共轭梯度算法获得全局最优解。通过针对不同测试函数的仿真,并对比另外两个算法,结果表明新算法对初值不敏感,能有效得到全局最优解,同时具有很高的寻优速度。本文还将新算法应用于解决电力系统经济负荷分配问题,结果表明新算法是一种有效的高速算法。     

基于区间概念格的规则优化方法与应用

区间概念格理论是在区间参数基础上提出的一种新的对象挖掘方法,它能够更精确地处理不确定信息。区间参数[[α,β]]决定了区间概念和格结构,并对区间关联规则产生影响。针对区间参数对关联规则的控制和优化问题,首先提出了基于参数变化的区间概念格结构更新算法,随着区间参数等步长变化,对初始格结构进行更新;然后在此基础上进一步挖掘各区间参数下的关联规则,发现区间参数和关联规则之间的复杂联系,给出了规则库优化算法,该算法通过调整参数达到控制和优化规则的目的;最后对决策形式背景进行规则提取并验证了区间参数对关联规则的具体影响。     

自适应克隆选择算法及其仿真研究

基于克隆选择算法基本原理,提出一种搜索函数最优解问题的自适应克隆选择算法(ACSA).在ACSA中,抗体的克隆数、高频变异率、每代更新数都能在优化过程中自适应调节,而且变异抗体具有免疫记忆功能.通过对ACSA的收敛性分析,并和标准克隆选择算法仿真比较,结果表明ACSA在求解函数最优解问题时具有较强的收敛性和自适应性.