带有优先级的分层满意优化控制算法研究

满意控制作为预测控制的实用发展,是基于模型在线实现有约束多目标多自由度优化(CMMO),并由操作者参与决策的一种实用控制方法.针对有约束多目标多自由度优化中输出变量逼进期望值时存在的优先级结构,将一般的用二次规划表示的满意优化控制问题转化为一个分两层进行的直接优先级优化的满意优化控制问题,使用宽容分层优化方法进行分层,使用变可行域优化方法进行每层的优化,最终决策者得到满意解.     

有约束多目标多自由度优化的可行性分析及软约束调整

有约束多目标多自由度优化是从复杂工业过程优化控制的实际应用背景出发而提 出的.文中讨论了它的可行性问题,并将其规范成一线性规则问题,给出了判断可行性及调整 软约束的统一算法.     

大规模含整变量多目标优化的一种新方法

将基于目标希望水平的含整变多目标交互式优化方法用于研究大规模含整量多目标优化问题，针对具有块角约束结构的大规模含整变量优化问题，运用拉格朗日分解技巧，提出了一种比较实用的大规模含整变量多目标交互式分解协调优化方法。     

目标规划法在预测控制滚动优化及在线辨识中的应用

针对有约束多目标多自由度预测控制问题,应用目标规划方法,提出了一种既适合于 参数模型又适合于非参数模型的在线滚动优化策略,并且通过计算饥仿真研究,验证了该方法 的有效性.然后,对于参数模型预测控制问题,提出了一种抗扰动的最小绝对值辨识算法.由于 该辨识算法可用目标规划快速求解,因此可作为慢时变工业过程控制的在线辨识算法.     

基于模糊多目标的高超声速飞行器再入轨迹设计

针对多约束条件下的高超声速飞行器再入轨迹的优化问题,考虑多个具有不同重要性等级的优化指标,提出基于模糊多目标的轨迹设计方法.首先,利用直接配点法,将最优控制问题转化为带优先级的非线性多目标规划问题;然后,基于模糊满意优化的思想,根据更重要目标具有更高满意度的原则,将优先级表示为满意度序,并设计两步式优化模型.通过调节参数,能获得同时满足优化和重要性等级要求的最优轨迹.仿真结果表明了所提出方法的有效性.     

优先级多目标稳定化约束模型预测控制

针对目标函数的不同优先级问题, 提出一种约束多变量线性定常系统的稳定化多目标模型预测控制策略. 首先, 基于多目标优化理论给出多目标预测控制问题的字典序最优解结果, 并在此基础上考虑目标函数的优先级, 重 新将多目标预测控制问题定义为字典序多目标预测控制问题; 然后, 采用终端约束、终端罚函数和局部状态反馈律 等三要素, 证明多目标预测控制闭环系统是渐近稳定的; 最后, 通过一个仿真实例验证了所提出方法的有效性.

     

多目标优化策略在精馏过程中的应用研究

针对精馏塔自由度多,能耗大,扰动复杂多变,控制和优化要求高等特点,提出了一种基于动态矩阵控制(DMC)的二层多目标优化控制策略。在实现精馏过程控制目标的前提下,设计了二层优化指标,可在有多余自由度的情况下,进行二层控制和优化,实现精馏过程质量控制目标和经济运行优化。通过对Shell多侧线精馏过程的仿真研究,验证了二层多目标优化控制策略的有效性。与DMC控制相比,二层多目标优化控制策略可以明显改善精馏塔运行的经济性,实现增加收益的目标。     

基于微粒群算法的生料浆调配多目标满意优化

氧化铝生料浆优化调配是一个多目标、多约束且非线性的0-1组合优化问题。首先给出了该问题的数学描述,然后根据调配过程判断生料浆质量是否达标的不同满意标准,基于满意度原理,将带约束的多目标优化问题转换为求多目标和多约束综合满意度最大的满意优化问题,最后提出一种改进的离散微粒群算法对该问题进行求解。实例仿真和工业应用证明了模型与算法的有效性。     

基于遗传算法的转子叶片优化排序

航空发动机转子叶片按照静质量矩和频率进行优化排序对于减小叶片安装造成的不平衡量以及防止发动机颤振具有重要的意义。遗传算法是求解这类排序问题的有效方法。某型航空发动机压气机叶片排序问题可视为一个无约束多目标优化问题,为此根据目标优化的优先级将无约束多目标优化问题转化为约束单目标优化问题,建立起了叶片排序的数学模型。在此基础上,采用罚函数法进行了适应度函数设计。采用局部寻优算子来加强局部搜索能力,加速其全局优化的收敛性。大量实际数据计算结果表明,方法具有排序结果稳定、效果满意的优点,达到了对叶片优化排序的目的。     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

一类带约束动态多目标优化问题的进化算法

动态多目标约束优化问题是一类NP-Hard问题,定义了动态环境下进化种群中个体的序值和个体的约束度,结合这两个定义给出了一种选择算子.在一种环境变化判断算子下给出了求解环境变量取值于正整数集Z+的一类带约束动态多目标优化问题的进化算法.通过几个典型的Benchmark函数对算法的性能进行了测试,其结果表明新算法能够较好地求出带约束动态多目标优化问题在不同环境下质量较好、分布较均匀的Pareto最优解集.     

改进的约束优化多目标遗传算法及工程应用

利用多目标法处理约束条件,提出一种改进的基于多目标优化的遗传算法用于求解约束优化问题。该算法将约束优化问题转化为两个目标的多目标优化问题; 利用庄家法构造非劣个体,将种群分为支配子种群和非支配子种群,以一定概率分别从支配子种群和非支配子种群中选择个体进行算术交叉操作,引导个体逐步向极值点靠近,增强算法的局部搜索能力,对非支配子种群进行多样性变异操作。8个标准测试函数和3个工程应用的仿真实验结果表明了该算法的有效性。     

一种求解约束多目标优化问题的线性进化算法

针对多目标优化问题,提出了一种新的基于实数编码的线性进化算法.新算法将约束优化问题的高维搜索空间通过线性变换映射到二维空间,在二维空间中探索原优化问题的解,并构造出一种线性适应度函数,重新设计了一种基于密度函数的交叉算子.对二组典型优化问题的测试表明,本算法是可行和有效的,解集分布的均匀性与多样性均较理想.     

求解一类不可微多目标优化问题的社会认知算法*

针对一类不可微多目标优化问题,给出了一个新的算法——极大熵社会认知算法。利用极大熵方法将带有约束的不可微多目标优化问题转化为无约束单目标优化问题,然后利用社会认知算法对其进行求解。该算法是基于社会认知理论,通过一系列的学习代理来模拟人类的社会性和智能性从而完成对目标的优化。利用两个测试算例对其进行测试并与其他算法进行比较,计算结果表明,该算法在求解的准确性和有效性方面均优于其他算法。     

Uniform adaptive scaling of equality and inequality constraints within hybrid evolutionary-cum-classical optimization

The holy grail of constrained optimization is the development of an efficient, scale invariant and generic constraint handling procedure. To address these, the present paper proposes a unified approach of constraint handling, which is capable of handling all inequality, equality and hybrid constraints in a coherent manner. The proposed method also automatically resolves the issue of constraint scaling which is critical in real world and engineering optimization problems. The proposed unified approach converts the single-objective constrained optimization problem into a multi-objective problem. Evolutionary multi-objective optimization is used to solve the modified bi-objective problem and to estimate the penalty parameter automatically. The constrained optimum is further improved using classical optimization. The efficiency of the proposed method is validated on a set of well-studied constrained test problems and compared against without using normalization technique to show the necessity of normalization. The results establish the importance of scaling , especially in constrained optimization and call for further investigation into its use in constrained optimization research.     

一种求解约束优化问题的线性进化算法

提出一种基于实数编码处理约束优化问题的线性算法,并对其复杂度和收敛性进行分析.该算法将约束优化问题的高维搜索空间通过线性变换映射到二维空间,在二维空间中探索原优化问题的解,从数学分析的角度给出一种线性适应度函数.算法中融入一种基于密度函数的交叉算子和变异算法,采用基于分级聚类的平均联接方式以维持Pareto最优解集个体数目.3组典型优化问题的测试表明,该算法是可行和有效的,解集分布的均匀性与多样性均较理想.     

A multi-objective differential evolutionary algorithm for constrained multi-objective optimization problems with low feasible ratio

Most current evolutionary multi-objective optimization (EMO) algorithms perform well on multi-objective optimization problems without constraints, but they encounter difficulties in their ability for constrained multi-objective optimization problems (CMOPs) with low feasible ratio. To tackle this problem, this paper proposes a multi-objective differential evolutionary algorithm named MODE-SaE based on an improved epsilon constraint-handling method. Firstly, MODE-SaE self-adaptively adjusts the epsilon level in line with the maximum and minimum constraint violation values of infeasible individuals. It can prevent epsilon level setting from being unreasonable. Then, the feasible solutions are saved to the external archive and take part in the population evolution by a co-evolution strategy. Finally, MODE-SaE switches the global search and local search by self-switching parameters of search engine to balance the convergence and distribution. With the aim of evaluating the performance of MODE-SaE, a real-world problem with low feasible ratio in decision space and fourteen bench-mark test problems, are used to test MODE-SaE and five other state-of-the-art constrained multi-objective evolution algorithms. The experimental results fully demonstrate the superiority of MODE-SaE on all mentioned test problems, which indicates the effectiveness of the proposed algorithm for CMOPs which have low feasible ratio in search space.     

Reentry Trajectory Optimization for Hypersonic Vehicles Using Fuzzy Satisfactory Goal Programming Method

Constrained reentry trajectory optimization for hypersonic vehicles is a challenging job. In particular, this problem becomes more difficult when several objectives with preemptive priorities are expected for different purposes. In this paper, a fuzzy satisfactory goal programming method is proposed to solve the multi-objective reentry trajectory optimization problem. Firstly, direct collocation approach is used to discretize the reentry trajectory optimal-control problem with nonlinear constraints into nonlinear multiobjective programming problem with preemptive priorities, where attack angles and bank angles at nodes and collocation nodes are selected as control variables. Secondly, the preemptive priorities are transformed into the relaxed order of satisfactory degrees according to the principle that the objective with higher priority has higher satisfactory degree. Then the fuzzy satisfactory goal programming model is proposed. The balance between optimization and priorities is realized by regulating parameter λ, such that the satisfactory reentry trajectory can be acquired. The simulation demonstrates that the proposed method is effective for the multi-objective reentry trajectory optimization of hypersonic vehicles.     

一种改进的多目标约束优化差分进化算法

提出一种新的多目标优化差分进化算法用于求解约束优化问题.该算法利用佳点集方法初始化个体以维持种群的多样性.将约束优化问题转化为两个目标的多目标优化问题.基于Pareto支配关系,将种群分为Pareto子集和Non-Pareto子集,结合差分进化算法两种不同变异策略的特点,对Non-Pareto子集和Pareto子集分别采用DE/best/1变异策略和DE/rand/1变异策略.数值实验结果表明该算法具有较好的寻优效果.