基于自适应步长FOA-SVM算法的卡泵故障诊断

为了提高机采井卡泵故障诊断精度,提出一种基于自适应步长FOA-SVM混合算法模型的机采井卡泵诊断方法。在支持向量机对示功图诊断分类的基础上,引入改进的自适应步长果蝇优化算法(AS_FOA)对SVM的惩罚因子和核函数参数进行寻优,避免人为选择参数的盲目性。为了实现果蝇优化算法的全局与局部寻优能力的平衡,应用自适应步长方法对其进行改进,使果蝇算法能够根据上一代的适应度值和当前迭代次数来自适应改变果蝇个体搜索步长。通过采油厂真实示功图数据进行仿真实验,比较AS_FOA、FOA、GA三种算法在支持向量机参数寻优中的性能。实验结果表明,AS_FOA收敛速度更快,寻优能力更佳。与其他算法相比,AS_FOA-SVM混合算法模型在卡泵故障诊断中准确率更高,泛化能力更强。     

基于遗传算法的直流无刷电机控制

遗传算法是以自然选择与遗传理论为基础,将生物进化过程中适者生存原则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法。本文以直流无刷电机为控制对象,对电机的转速系统进行优化设计,并对此结果进行Matlab的仿真。仿真结果显示随着迭代次数的递增,搜索结果参数对电机控制效果越来越优越,随着迭代次数的结束,算法寻找出最佳的控制参数。该算法全局寻优,对控制系统的参数优化明显,适用于复杂、非线性的直流无刷电机控制。     

求解带时间窗车辆路径问题的动态混合蚁群优化算法

为求解带时间窗车辆路径问题,针对传统蚂蚁遗传混合算法中参数静态设置、冗余迭代及收敛速度慢等缺点,提出一种动态混合蚁群优化算法( DHACO)。该算法首先借助最大最小蚁群得到初始解,利用蚁群优化算法求解带时间窗车辆路径问题的基本可行解。然后采用遗传算法交叉和变异操作对局部解和全局最优解进行二次优化,从而得到最优解。最后利用蚂蚁遗传混合算法融合策略,动态交叉调用蚂蚁算法、遗传算法,根据云关联规则自适应控制蚁群算法参数。 DHACO有效减少无效迭代次数,加快收敛速度。仿真结果表明,与其他相关的启发式算法相比,DHACO优于某些实例的已知最优解。     

一种配电网故障区间定位改进算法的研究

当前配电网故障定位的研究主要关注遗传算法等智能算法。本文着眼于常规遗传算法在局部收敛、寻优速度等方面存在的缺陷问题,提出了一种改进方法。该方法以遗传算法全局寻优能力为基础,通过引入自适应调整系数对参数进行优化编码,对种群多样性水平进行综合考量,在保持高收敛性和寻优能力的基础上,增强了全局寻优能力,有效规避了局部最优解,同时在变异操作过程中进行个体优选,提高了算法的寻优速度,减少了迭代次数,显著提升了寻优效率。通过最后通过对一个20节点的配电网络进行了故障定位实验仿真,证明了该方法该算法在信息完整与信息畸变的情形下都能完成准确的故障定位,并且寻优效果显著优于传统算法,具备很好的有效性与优越性。     

基于云控制的自适应遗传算法

遗传参数的自适应调整是一个复杂的不确定性过程。为此,利用云模型优良的不确定性知识表示能力,提出一种改进的自适应遗传算法。该算法以自然语言为切入点,用云模型表达先验规则知识,通过云控制器调整遗传参数。函数优化实验表明,该算法能够较好地模拟迭代中参数的自适应调整过程,算法性能是可行、有效的。     

罚函数凸优化迭代算法及在无人机路径规划中的应用

针对无人机路径规划问题,建立了具有定常非线性系统、非仿射等式约束、非凸不等式约束的非凸控制问题模型,并对该模型进行了算法设计和求解。基于迭代寻优的求解思路,提出了凸优化迭代求解方法和罚函数优化策略。前者利用凹凸过程(CCCP)和泰勒公式对模型进行凸化处理,后者将经处理项作为惩罚项施加到目标函数中以解决初始点可行性限制。经证明该方法严格收敛到原问题的Karush-Kuhn-Tucker(KKT)点。仿真实验验证了罚函数凸优化迭代算法的可行性和优越性,表明该算法能够为无人机规划出一条满足条件的飞行路径。     

移动锚节点凸规划定位算法研究及改进

为了提高无线传感器网络的节点定位精度,对相关文献进行了研究,提出了一种改进的移动锚节点凸规划定位算法。该算法对原算法作了以下改进:利用正半定松弛方法扩大求解问题的可行域,以降低求解优化问题的计算复杂度;采用局部梯度下降法进行迭代优化来逼近最优估计,以提高优化问题的求解精度。实验结果表明,改进算法比原算法具有更高的定位精度,并可以更好地适应不同的网络规模。     

基于自适应云粒子群算法的Wiener模型辨识

针对非线性系统Wiener模型的系统辨识问题,提出一种基于自适应云模型的粒子群优化(ACMPSO)算法的辨识方法。ACMPSO算法利用云模型实现优秀粒子的遗传和进化操作,根据进化状况动态调整云模型的参数,自适应地控制云模型算法的寻优范围和精度,有较强的全局搜索和局部求精能力。仿真实验证明该算法寻优精度高于其他主要PSO算法;将该算法应用于Wiener模型的系统辨识,通过实验证明了该辨识方法优于当前其他方法。     

基于自适应动态邻域结构的人工鱼群算法

针对人工鱼群算法易陷入局部最优且寻优精度不高的问题,提出了一种基于自适应动态邻域结构的人工鱼群算法。算法中,每条人工鱼先根据鱼群中其他人工鱼与自身的距离及当前迭代次数自适应调整动态邻域结构,再根据该动态邻域结构自适应计算视野和步长;还结合粒子群算法信息策略和公告板对人工鱼的行为进行了改进。仿真实验结果表明,该算法克服局部极值实现全局寻优的能力更强,优化精度更高。     

改进型遗传蚁群混合算法求解0/1背包问题

针对原有的遗传蚁群混合算法收敛速度慢、运行时间长等缺陷,提出了一种新混合算法,该算法从蚁群中选取部分优良个体采用遗传算法寻优,所选个体数目随迭代次数自适应变化,同时,对算法中的交叉、变异操作以及赋值等方面进行了一些改进。仿真结果表明,该算法在搜索能力、收敛速度以及程序运行时间方面都有明显的提高,由此证明了该算法的有效性。     

A convex relaxation approach to set-membership identification of LPV systems

Identification of linear parameter varying models is considered in this paper, under the assumption that both the output and the scheduling parameter measurements are affected by bounded noise. First, the problem of computing parameter uncertainty intervals is formulated in terms of nonconvex optimization. Then, on the basis of the analysis of the regressor structure, we present an ad hoc convex relaxation scheme for computing parameter bounds by means of semidefinite optimization.     

Optimization strategies for discrete multi-material stiffness optimization

Design of composite laminated lay-ups are formulated as discrete multi-material selection problems. The design problem can be modeled as a non-convex mixed-integer optimization problem. Such problems are in general only solvable to global optimality for small to moderate sized problems. To attack larger problem instances we formulate convex and non-convex continuous relaxations which can be solved using gradient based optimization algorithms. The convex relaxation yields a lower bound on the attainable performance. The optimal solution to the convex relaxation is used as a starting guess in a continuation approach where the convex relaxation is changed to a non-convex relaxation by introduction of a quadratic penalty constraint whereby intermediate-valued designs are prevented. The minimum compliance, mass constrained multiple load case problem is formulated and solved for a number of examples which numerically confirm the sought properties of the new scheme in terms of convergence to a discrete solution.     

基于改进磷虾群算法的SVDD参数优化

支持向量数据描述（SVDD）是构造单类数据描述的分类算法,惩罚参数[C]和核参数[σ]作为影响SVDD分类效果的关键,其合理选取一直是个难点。针对这一问题,提出了一种基于改进磷虾群算法的SVDD参数优化算法（IKH-SVDD）。依据仿真实验,分析参数[C]和[σ]对描述边界的影响;引入磷虾群算法并分析其优劣,通过在随机扩散行为中定义扰动因子,增强算法的全局搜索能力;将一种新的精英选择和保留策略引入迭代过程,提高算法的收敛精度;将改进的磷虾群算法引入SVDD参数优化过程,构建了IKH-SVDD参数优化模型。基于UCI标准数据库进行实验并与其他几种参数优化算法进行比较,结果表明了IKH-SVDD算法具有更高的分类准确性。     

Bounded error identification of Hammerstein systems through sparse polynomial optimization

In this paper we present a procedure for the evaluation of bounds on the parameters of Hammerstein systems, from output measurements affected by bounded errors. The identification problem is formulated in terms of polynomial optimization, and relaxation techniques, based on linear matrix inequalities, are proposed to evaluate parameter bounds by means of convex optimization. The structured sparsity of the formulated identification problem is exploited to reduce the computational complexity of the convex relaxed problem. Analysis of convergence properties and computational complexity is reported.     

最优化凸分组在目标检测中的应用研究

针对不同场景下静态图像中单目标的检测问题,结合自然界各个目标特有的凸属性特点,提出了一种基于最优化凸分组的目标检测方法。比较系统地论述了最优化凸分组的基本原理,介绍了详细的实现过程,主要包括Canny边缘检测参数的设置、基于边缘点的线段拟合、凸分组中凸多边形的构造以及最优化凸多边形的判定。实验结果表明,该方法对任意场景下的单目标检出率和检测准确性良好,结合目标凸属性的最优化判定方式具有检出速度快,且不受机器学习中的样本数据影响的特点,具有很好的普遍适应性。     

A Path Following Algorithm for the Graph Matching Problem

We propose a convex-concave programming approach for the labeled weighted graph matching problem. The convex-concave programming formulation is obtained by rewriting the weighted graph matching problem as a least-square problem on the set of permutation matrices and relaxing it to two different optimization problems: a quadratic convex and a quadratic concave optimization problem on the set of doubly stochastic matrices. The concave relaxation has the same global minimum as the initial graph matching problem, but the search for its global minimum is also a hard combinatorial problem. We, therefore, construct an approximation of the concave problem solution by following a solution path of a convex-concave problem obtained by linear interpolation of the convex and concave formulations, starting from the convex relaxation. This method allows to easily integrate the information on graph label similarities into the optimization problem, and therefore, perform labeled weighted graph matching. The algorithm is compared with some of the best performing graph matching methods on four data sets: simulated graphs, QAPLib, retina vessel images, and handwritten Chinese characters. In all cases, the results are competitive with the state of the art.     

基于DC规划的鲁棒模糊核聚类算法

对以径向基核函数和欧拉核函数为代表的鲁棒模糊核聚类算法进行非凸优化,以改善聚类算法目标函数非凸导致的局部解问题.采用凸差规划(DCP)将目标函数转化为2个凸函数之差的形式,减缓局部解的不良性,提高聚类性能.采用凸差算法(DCA)优化求解DCP问题,能快速搜索到相对更优的解,并保持聚类的鲁棒性.在UCI数据集上的实验验证基于DCP的鲁棒模糊核聚类算法对大规模数据集表现出相对更优的聚类性能.     

特征向量的归一化比较性研究

特征提取和分类器的参数优化是提高分类准确率的主要途径,对公用数据库UCI的相关数据进行特征向量的归一化处理,采用KNN、PNN和SVM进行分类。讨论了特征归一化对分类准确率和分类器参数的影响。实验结果表明：归一化能有效提高分类器的分类准确率,SVM尤为明显,且参数的寻优范围缩小,缩短训练周期。     

A duality-based convex optimization approach to L2 -gain control of piecewise affine slab differential inclusions

This paper introduces the dual parameter set of a piecewise affine (PWA) system. This is a key concept to enable a convex formulation of PWA controller synthesis for PWA slab differential inclusions using a new convex relaxation. Another important contribution of the paper is to present PWA L₂-gain analysis and synthesis results for PWA systems whose output is also a PWA function of the state (as opposed to a piecewise-linear (PWL) function). Unlike other results existing in the literature, the sufficient LMI conditions in this paper are valid for synthesis, even when the PWA systems include sliding modes. A numerical example with sliding modes illustrates the new approach.