基于改进FCM的脱硫系统优化运行策略

为了降低火电厂脱硫系统能耗,确定运行参数基准值,提出一种基于模糊聚类方法的优化运行策略,以较低脱硫成本为目标选取决策样本,采用麻雀搜索算法优化的模糊C均值聚类方法求解脱硫系统可调参数的基准值,将聚类中心作为优化变量,模糊C均值聚类算法的目标函数作为麻雀搜索算法的适应度函数,迭代计算得到全局最优解.分析了某660 MW机...     

机会频谱接入中能量有效感知接入策略联合设计

在非时隙主用户网络中,为了提高认知无线网络中认知用户的能量有效性,基于序贯决策理论提出了一种新的自适应机会频谱接入算法。该算法以最大化能量有效性为目标,通过建立感知接入联合优化模型,使得认知用户能够以最优的信道感知时间和传输功率接入信道。同时,在功率控制过程中引入认知用户请求数据包长度,使得传输功率可以基于数据包长度自适应控制。上述目标优化求解过程中,借助于非线性分式规划理论将其转化为线形规划问题,并运用二分搜索算法寻求最优解。仿真结果表明,所提算法能够实现感知性能和感知能耗的有效折中,有效提高认知用户的能量有效性。     

加热炉炉温优化算法研究

炉温制度的优化是炉子优化控制的基础,它包括炉温优化目标函数的确定和目标函数极值的求解两方面．本文建立了连续加热炉板坯加热的稳态数学模型和炉温优化模型．应用所建立的稳态数学模型定量分析了各段炉温变化对钢坯加热过程的影响,形成了启发式算法规则集．建立了考虑出炉钢坯平均温度及断面温差的目标函数,采用启发式搜索算法对钢坯加热过程的炉温制度进行了优化,对优化前后的钢坯平均温度及断面温差的进行了对比分析．计算结果表明,本文所归纳的启发式搜索规则可以满足该模型启发式算法的要求,也表明启发式搜索算法可作为加热炉炉温优化的基本算法．     

基于新模型的多目标遗传算法

给出了个体的序和密度定义及目标空阃中解的密度分布方差和均匀性分布指标函数。其中序是Pareto解的质量的一个度量。密度是Pareto解的分布均匀性的一个度量．对任意多个目标函数的优化问题转化成两个目标函数的优化问题。并对转化后的优化问题设计了遗传算法，同时把均匀性分布指标函数引入算法的变异操作中。用于自适应地调节搜索向Pareto最优解集移动和更好地获得解的均匀性分布。直到满足终止条件．数据实验表明该方法对Pareto解的质量及其均匀性分布是有效的．     

一种基于佳点集的类电磁机制算法

提出了一种改进的类电磁机制算法——基于佳点集的类电磁机制算法.该算法运用数论中的佳点集理论构造初始种群;改进了局部搜索算法;运用改造后的公式计算粒子之间的作用力;设计了一种自适应移动算子来更新粒子.实验结果表明,改进后的算法能更快、更精确地收敛于问题的全局最优值.     

遗传算法参数和操作的序优化

遗传算法的优化质量和效率很大程度上依赖于算法参数和操作，包括种群大小、交叉和变异概率、选择、交叉和变异操作等，然而确定合适的参数和操作通常需要大量的试验和比较，需确定最佳参数和操作．为此，基于序优化和最优计算量分配技术，通过将问题描述为随机优化问题，提出了一种确定有限计算量下最佳GA参数和操作的系统性方法．仿真研究表明，该方法能够合理地确定最佳参数和操作，并同时给出GA的合理性能评价．     

有指导机器学习超参数的交叉验证智能优化

不合理的模型超参数会导致有指导机器学习过拟合或欠拟合,文中提出模型超参数的交叉验证智能优化方法:利用交叉验证评价不同参数下的学习性能,在此基础之上构建智能寻优技术路线.实验结果表明:利用交叉验证性目标函数,智能优化算法自适应地根据目标函数和约束求解,可高效、准确地优化学习器超参数.     

基于作用集的一类支持向量机递推式训练算法

为了求解一类支持向量机（1-SVM）的二次规划问题（QPP）,利用该QPP的稀疏解集性质,提出了基于作用集的1-SVM递推式训练算法. 将支持向量集设定为作用集,迭代地局部优化作用集以获得全局最优解,并引进递推式算法降低计算复杂度。不同于序贯最小优化（SMO）收敛目标函数的思路,该算法寻找支持向量在最优状态下的分布,对Karush-Kuhn-Tucker（KKT）条件不敏感,并可获得解析的最优值。仿真结果表明,本算法在计算时间和精度上均优于SMO,可有效地应用于1-SVM的大样本学习。     

基于改进的自适应粒子群算法的给水管网优化设计

针对粒子群算法在优化给水管网设计时易陷入局部最优难以寻找到最优解的问题, 提出改进的动态自适应粒子群算法 (modified dynamically adaptive particle swarm optimization, M-DAPSO) .定义趋同因子和参数调整函数, 使算法能根据种群内部信息自适应调整参数, 提出自适应变异策略增加种群多样性.最后, 将M-DAPSO算法应用到Hanoi管网优化中, 仿真结果表明:该算法能以最小的计算代价求得最优的工程造价;与其他优化算法相比, M-DAPSO算法具有较强的全局搜索能力和较快的收敛速度.     

曲面搜索法推求暴雨强度公式参数

目的为解决暴雨强度公式参数在传统推求方法中所存在的非线性函数拟合的问题．方法应用黄金分割法将参数b和n的值固定，即将非线性函数进行线性化，并在由这两个参数所确定的曲面上，通过计算机的特性来搜索参数A1和C的最优值．结果通过对线性函数的拟合，可以依次得到4个参数的值，近而推得暴雨强度公式．结论经过对多个城市的暴雨强度公式推求与比较，曲面搜索法能够快速、精确地得出计算结果．有效地解决了传统推求方法存在的诸多弊端，计算误差远远小于国家规范要求．     

基于并行文化微粒群优化算法的非线性方程组解法

并行文化微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力。将非线性方程组的求解问题转化为函数优化问题,应用并行文化微粒群优化算法求解非线性方程组的解。计算中不需要使用目标函数的导数信息和初始点信息,数值实验结果表明了该算法的有效性和可行性。     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

二次规划问题的一个全局收敛的内点型算法

目标函数是二次函数而约束函数是线性函数的规划问题称为二次规划问题,它是最简单的一类非线性规划问题,利用二次规划问题的约束函数为线性函数的这个特点,结合约束优化问题的一阶最优性条件,提出了二次规划问题的一个全局收敛的内点型算法.算法比较简单,每一步只需要求解一个线性方程组,不需要大量的计算就可以得到可行下降方向,再设置一组参数,沿着该方向进行线性搜索.算法每次迭代都能保持不等式约束函数的严格可行性,具有内点法的特点,而且在不需要凸性的假设下证明了算法是具有全局收敛性的.最后给出了数值实验,进一步证实了算法的可行性与收敛性.     

遗传算法在求解时间表问题中的应用研究

时间表问题（TTP）是一类特殊的资源调度问题，属于NP完全问题．排课问题是时间表问题的一个实例，属于多目标优化问题，本文给出了其数学模型．由于遗传算法具有良好的全局搜索能力，在优化问题中有着广泛的应用．本文根据排课问题的特点对普通遗传算法作了改进，设计了一种新的染色体编码方法，通过线性加权法将各目标优化函数进行整合转化成为单目标优化问题，并将此作为遗传算法的适应度函数．最后给出了一个计算实例，用MATLAB进行了仿真，算法最终收敛到稳定状态，所得的结果能够满足要求．     

冷连轧过程控制中轧制力和前滑模型的综合自适应

为了提高冷连轧过程控制系统中轧制力模型的设定精度,提出了一种轧制力和前滑模型的综合自适应算法.通过建立综合自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,并采用Rosenbrock算法求解目标函数,可以同时得到满足轧制力模型和前滑模型计算精度的自适应系数.该模型自适应算法可成功应用于某1 450 mm冷连轧机组.结果表明,采用该模型的综合自适应算法后,轧制力设定精度显著提高,且满足在线控制要求.     

一种约束非线性离散优化问题的直接搜索法

本文针对整数梯度搜索方向的局部性以及有时因取整而方向发散的缺点,提出了在离散设计空间中,利用离散坐标邻域点的目标函数值信息和适当的延伸探索直接构造离散搜索方向,并进行离散一维搜索的寻优方法,对此称之为离散直接搜索法(A Discrete Direct Search Method),简称DDSM法。本文运用DDSM法成功地解决了14个工程考题和数学考题,实践表明:DDSM法的求解速度和可靠性比较令人满意,尤其是计算效率相对现有的某些离散优化方法有较明显的提高。     

改进的粒子群优化算法

粒子群优化算法是一种基于群体的自适应搜索优化算法,存在后期收敛慢、搜索精度低、容易陷入局部极小等缺点,为此提出了一种改进的粒子群优化算法,从初始解和搜索精度两个方面进行了改进,提高了算法的计算精度,改善了算法收敛性,很大程度上避免了算法陷入局部极小.对经典函数测试计算,验证了算法的有效性.     

基于多级惩罚函数的粒子群约束优化算法

基于多级惩罚函数和粒子群算法解决多约束优化问题,采用粒子种群中的多个粒子并行寻优,避免多约束优化问题收敛于局部优化解。定义了多级分配函数作为约束因子表达惩罚函数与约束条件间函数关系,约束因子按照约束条件的不同分为多个等级。提出了粒子群多级惩罚函数算法,应用于三个经典约束优化问题,均在较少迭代次数内得到高精度优化解。     

基于改进蚁群算法的外卖配送路径规划研究

从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization, IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization, ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search, LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.