一种具有全局快速寻优的多学科协同优化方法

针对协同优化算法迭代次数多、易收敛于局部极值点问题,提出一种全局快速寻优的协同优化算法。在系统级一致性等式约束中采用改进后松弛因子,改进动态松弛因子使优化设计点快速收敛于极值点,静态松弛因子使优化设计点跳出局部极值点,确保系统目标函数得到全局最优解;子学科目标函数由一致性目标函数和子学科最优目标函数两个部分以不同权重相加组成,考虑一致性的同时,又兼顾子学科独立性。采用减速器优化案例对改进协同优化算法进行验证。仿真结果表明,改进后算法在保证最大约束值较小的前提下,可快速得到全局最优解且鲁棒性好。     

一种改进的协同优化算法

针对协同优化过程对初始点敏感以及容易陷入局部最优点的问题,提出了一种改进的协同优化算法。改进后的协同优化算法综合考虑学科级优化设计点与系统级设计点的距离以及子学科级内部最优设计点,能较好地减弱优化结果对初始点以及松弛因子选择的依赖性,更容易找到优化问题全局最优设计点。最后,通过两个经典算例验证了改进算法的有效性及稳定性。     

基于动态罚函数法的协同优化算法

为保证协同优化的系统级优化存在可行域,采用动态罚函数法,将学科间一致性约束条件下的系统级优化问题转化为无约束优化问题,提出了应用更为普遍的学科间不一致信息的定义形式,对各种定义形式进行了分析比较,并利用该值构造动态罚因子的表达式.从增强算法可靠性的角度,使用遗传算法来取代系统级优化问题中基于梯度的优化算法,同时减少了对优化函数的连续性要求,利用减速器典型算例对该方法进行了验证,结果表明该方法具有良好的优化性能.     

基于NSGA-II 的具有多目标子学科的协同优化方法

针对子学科具有物理目标的多目标协同优化问题, 研究基于NSGA-II 的求解策略. 鉴于子学科个体满足约束可行性的进化过程与系统级分配期望值无关, 提出具有良好的可行性和多样性的初始种群生成方法, 以提高多目标子学科的计算效率和计算精度. 为了解决由一致性目标函数与物理目标函数的作用不同而造成的NSGA-II 非支配级排序困难, 提出将子学科一致性目标函数转化为子学科自身约束的策略. 最后, 利用工程算例对所提出方法的有效性进行了验证.

     

基于动态罚函数法的协同优化算法

为保证协同优化的系统级优化存在可行域,采用动态罚函数法,将学科间一致性约束条件下的系统级优化问题转化为无约束优化问题.提出了应用更为普遍的学科间不一致信息的定义形式,对各种定义形式进行了分析比较,并利用该值构造动态罚因子的表达式.从增强算法可靠性的角度,使用遗传算法来取代系统级优化问题中基于梯度的优化算法,同时减少了对优化函数的连续性要求.利用减速器典型算例对该方法进行了验证,结果表明该方法具有良好的优化性能.

     

基于改进鱼群算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键,为解决单目标函数构建的任务分配模型不能满足决策者对战场环境大量信息的需求,以最大航程和最长任务执行时间作为多无人机任务分配的两个目标函数,依据多目标优化理论,建立了协同任务分配多目标优化模型.并采用了一种借鉴遗传算法中的变异思想的改进鱼群算法进行求解,得到多无人机任务分配的多目标最优解集,然后根据决策者的偏好选择最佳任务分配方案.最后将上述算法应用于多无人机协同任务分配中并进行了仿真,仿真结果验证了改进鱼群算法的收敛性及有效性,为多无人机协同任务分配优化提供了参考依据.     

基于改进粒子群算法的削峰填谷用储能系统经济运行策略

本文以蓄电池损耗最低、购电费用最低和削峰填谷后负荷曲线的方差值最小为目标建立削峰填谷用储能系统运行优化模型。利用多目标粒子群优化算法进行寻优,求解过程中针对粒子超出可行域的问题提出了一种改进的多目标粒子群算法,使该算法能求解线性约束多目标优化问题,并采用TOPSIS法从最优Pareto解集中选取最优方案。最后建立负荷与削峰填谷用储能系统模型进行仿真,结果表明该方法的有效性。     

耦合系统协同进化多学科设计优化算法研究

针对耦合系统的优化问题,为提高系统的自适应性,提出了协同进化多学科设计优化算法.算法受生态系统内生活在同一地域物种间既有竞争又有合作的协同进化关系的启发,将协同进化算法的分解与协作思想和MDO方法的分解与协同思想相结合,在域值分解的基础上将复杂耦合系统分解成学科间相对独立并保持自治的多学科系统.隐含迭代策略协调学科间耦合约束的一致性.建立了多个优化过程模型.并提出的算法应用于多学科耦合系统进行测试,优化结果与MDF、IDF和AAO三种单级优化方法的优化结果进行比较,显示有较强的搜索能力以及较快的收敛速度和自适应性.     

软硬件协同设计算法的嵌入式人脸识别系统

研究人脸识别系统的软硬件设计优化问题,软硬件协同设计是一个多约束条件、多目标的组合优化问题,单一方法难以找到最优协同设计方案.为此,提出一种采用遗传-蚁群算法的嵌入式人脸识别系统软硬件协同设计方法.首先建立软硬件协同设计问题的数学模型,然后利用遗传算法找到问题的可行解,最后采用蚁群算法在可行解中找到全局最优协同设计方案.仿真结果表明,遗传-蚁群算法很好的利用了两种算法优势,解决了单一算法存在局部极优、早熟等难题,提高了软硬件协同设计方案的求解效率,可以找到更优的嵌入式人脸识别系统软硬件协同设计方案.     

分区引导种群进化的拟态物理学多目标优化算法

针对基本拟态物理学优化（artificial physics optimization,APO）算法易陷入局部最优、分布性不佳等问题,提出一种分区引导种群进化的改进多目标拟态物理学优化（multi-objective APO improved by partition-guided evolution,PEMOAPO）算法。首先,采用tent映射与反向学习相结合的策略进行种群的初始化,增强种群的多样性;其次,提出分区引导个体进行进化的机制,对处于可行域与不可行域的个体,采取不同的质量函数及虚拟作用力计算规则进行迭代更新,增强算法的收敛性能。选取MW系列和C_DTLZ系列作为基准测试函数进行仿真实验,通过综合性能评价指标对比分析、统计学分析、收敛性分析及时间复杂度分析,表明改进算法具有良好的多样性及收敛性,能快速收敛到Pareto前沿。     

基于蚁群算法的短波侦收资源调度方法研究

为解决短波侦收中任务执行时间长和侦收资源利用率低等问题,以最大侦收概率为目标,结合约束条件建立短波协同侦收资源调度模型,设计运用改进型蚁群优化算法对模型求解,采用粒子群参数优化技术改进蚁群优化算法,利用全局异步与精英策略相结合的信息素更新策略,使算法具有更强的寻优能力和运算速度,不仅提高了系统资源利用率而且能够快速确定出最佳调度方案。实验结果验证了所提方法的可行性和有效性。     

ATC与CO方法对比及其在卫星设计问题中的应用

针对解析目标分流(analytical target cascading,ATC)与协同优化(collaborative optimization,CO)方法对比及ATC方法在卫星多学科设计优化(MDO)中的应用等问题,研究ATC与CO方法的原理差异;将其应用到两个数学解析算例,通过对比ATC与CO方法在优化过程中系统、子系统问题以及全部问题所需的函数运算次数,可以看出ATC方法可以大大减少子系统问题函数运算次数,计算效率较高.采用ATC方法求解某观测卫星MDO问题得到合理结果,表明了ATC方法的有效性,可为同类航天器MDO问题求解提供参考.     

New Approximation Assisted Multi-objective collaborative Robust Optimization (new AA-McRO) under interval uncertainty

Existing collaborative optimization techniques with multiple coupled subsystems are predominantly focused on single-objective deterministic optimization. However, many engineering optimization problems have system and subsystems that can each be multi-objective, constrained and with uncertainty. The literature reports on a few deterministic Multi-objective Multi-Disciplinary Optimization (MMDO) techniques. However, these techniques in general require a large number of function calls and their computational cost can be exacerbated when uncertainty is present. In this paper, a new Approximation-Assisted Multi-objective collaborative Robust Optimization (New AA-McRO) under interval uncertainty is presented. This new AA-McRO approach uses a single-objective optimization problem to coordinate all system and subsystem multi-objective optimization problems in a Collaborative Optimization (CO) framework. The approach converts the consistency constraints of CO into penalty terms which are integrated into the system and subsystem objective functions. The new AA-McRO is able to explore the design space better and obtain optimum design solutions more efficiently. Also, the new AA-McRO obtains an estimate of Pareto optimum solutions for MMDO problems whose system-level objective and constraint functions are relatively insensitive (or robust) to input uncertainties. Another characteristic of the new AA-McRO is the use of online approximation for objective and constraint functions to perform system robustness evaluation and subsystem-level optimization. Based on the results obtained from a numerical and an engineering example, it is concluded that the new AA-McRO performs better than previously reported MMDO methods.     

An optimization algorithm inspired by propagation of yeast for fleet maintenance decision making problem involving fatigue structures

To minimize airline maintenance costs and maximize fleet availability, we developed a fleet maintenance decision-making model based on CBM with collaborative optimization (CO) for fatigue structures. The model is divided into two levels: a system level and a subsystem level. Different optimization routines are used at these two levels. The system level focuses on maximizing fleet availability and the subsystem level focuses on minimizing aircraft maintenance costs. Moreover, we proposed an optimization algorithm inspired by the propagation of yeast (OA/PY) to handle the situation where optimal solution is not unique. Finally, a case study regarding a fleet of 10 aircrafts is conducted, and the results demonstrated the effectiveness of the proposed algorithm. In the case study, aircraft maintenance planning (subsystem level) was obtained, and then it was adjusted with OA/PY to obtain optimal fleet maintenance plan (system level). Total incremental maintenance cost caused by the adjustment in the proposed method was reduced by 70.65%.     

基于协同优化算法的流速仪检定系统设计

提出了一种小型轻便的流速仪检定系统的设计方案,并运用改进的多学科协同优化方法求解各学科设计变量的最优解。首先介绍了算法思想及改进措施,并根据系统设计要求建立了各学科的设计变量、目标函数和约束条件；其次,运用遗传算法求解各学科设计变量的最优解,并根据优化结果完善了系统的设计方案,同时运用计算机仿真等方法验证了优化结果的可行性。结果表明,优化后的检定系统满足流体力学效应、匀速运动时间、系统重量等设计要求,同时证明了协同优化算法解决多学科设计优化问题的有效性。     

磁共振成像重建的新算法

提出了一种高效的磁共振成像重建算法,将磁共振成像重建看作标准的线性求逆问题,基于变量分离技术重新建立线性求逆问题的目标函数,用交替最小化方法处理新目标函数的优化问题.新目标函数的优化包含两个交替的过程:一个凸的光滑函数的优化和一个凸的非光滑函数的优化.为处理非光滑函数的优化问题,引入投影算法对其求解.实验结果表明了该磁共振成像重建算法的有效性,与同类算法性比,重建的磁共振图像的均方误差(MSE)最小,重建的速度最快.     

基于一种小波核优化学习的KSPP子空间故障特征提取*

针对电子系统故障诊断中有效特征提取困难,核属性约简方法中核函数与核参数选择繁琐等问题,提出了一种基于自优化小波核稀疏保持投影的子空间特征提取方法。通过对核极化准则的改进,使得新准则不仅可以处理多类别信息,而且可以保留同一类别数据间的局部结构特征。以墨西哥帽小波核函数为对象,基于改进的核评估准则构建优化目标函数,并采用粒子群优化算法进行核参数选择。将优化的小波核作为核稀疏保持投影的核函数,最终实现了在核子空间中对有效特征的提取。实验结果表明,相比于其它流形的子空间特征提取方法,提出的方法有效提升了分类精度,具有良好的泛化性能。     

On the development of Bi-Level Integrated System Collaborative Optimization

Bi-Level Integrated System Collaborative Optimization (BLISCO) is a new multidisciplinary design optimization (MDO) method based on Bi-Level Integrated System Synthesis (BLISS) and Collaborative Optimization (CO). The key ideas of BLISCO are to replace compatibility constraint with the sum of coupled outputs as an integrated objective of subsystems and to decompose design variables into system design variables and subsystem design variables, while maintaining the collaborative mechanism of CO. One mathematical example and two engineering problems are used to test the effectiveness of BLISCO under the platform of iSIGHT^TM. Results from the test cases show that BLISCO has satisfactory convergence, accurate result and reliable robustness.     

融合认知负荷的用户界面布局优化

为了优化项目管理系统界面, 提升界面的可用性, 提出一种融合认知负荷的界面布局优化设计方法. 该方法将客观认知规律与用户主观认知相结合, 形成布局设计原则, 并转化为可计算的界面布局多目标优化函数. 在此基础上, 利用麻雀搜索算法对目标函数编码, 寻求空间最优解, 得到布局优化方案. 为验证本文方法的有效性, 以某铁路项目管理平台首页为例, 使用该方法对其进行优化, 并将眼动生理测量方法引入评价过程中, 以测量眼动负荷大小为目标进行可用性测试. 实验结果表明优化后的界面布局相较于初始界面可用性指标有了明显提升, 证明了该方法的有效性且具有一定的实用性.