基于GA 的系统分解协调算法Agen t实现

为解决实际工程问题，将Agent的设计思想引入分解协调算法，实现了大系统的分解和生产单元之间的协作，并采用GA算法进行参数协调。改进后的分解协调算法具有较好的适用性。     

分解协调的多Agent约束优化算法及应用

针对约束优化系统易陷局部优化的问题,提出了基于分解协调的多Agent约束优化算法（DCMACOA）。对可分系统,不同于传统的分解协调算法,DCMACOA选用各子系统间的关联变量为协调变量,借助于多Agent及生物免疫的进化思想,对各子系统优化及系统协调采用了多Agent免疫优化方法,优化搜索算子主要包括：邻域克隆选择、邻域竞争及邻域协作。工业流程和换热器面积优化仿真实例表明,相比传统的分解协调算法,DCMACOA能改善整体与局部的搜索性能,提高对可分系统的约束优化求解能力,具有较好的全局搜索性能。     

高弹性配电网网架分解协调联合调度策略优化

综合考虑网架结构与分布式电源出力的协调组合问题,研究高弹性配电网网架分解协调联合调度策略优化,降低运行费用,提升电压水平。利用二进制粒子群算法求解网架结构调度策略优化模型,利用改进粒子群算法求解分布式电源出力调度策略优化模型,获取联合调度策略优化结果。实验证明：该方法能够降低网损费用,使运行费用降至最低;能够同时考虑网架结构与分布式电源出力的优化目标,提升收敛速度,获取联合调度最优解;提升电压水平。     

一类优化问题的分解算法

讨论一类大规模系统的优化问题,提出一种递阶优化方法．该方法首先将原问题转化为多目标优化问题,证明了原问题的最优解在多目标优化问题的非劣解集中,给出了从多目标优化问题的解集中挑出原问题最优解的算法,建立了算法的理论基础．仿真结果验证了算法的有效性．     

城市供水系统调度的分解-协调优化方法

本文建立了含蓄水池城市供水系统优化调度问题的数学模型.根据分解-协调原理,提出了解决该优化调度问题的一种算法,并对算法进行了仿真计算,获得了满意的结果.     

大规模化工过程系统的分解协调优化并行算法

该文针对大规模化工过程系统优化中计算能力不够的情况,研究一种适合于大系统求解的分解协调算法。在SQP算法分解计算的基础上,利用无约束优化算法进行协调,同时采用并行技术以提高求解效率。利用单机与机群系统建构仿真计算环境,对一换热器系统进行了实际解算。算例结果表明,此算法是行之有效的,在大规模过程系统优化计算中可进行推广应用。     

基于协调优化算法的滑模变结构控制研究

本文提出一种基于协调优化算法的滑模变结构控制方法.它以稳态误差和控制切换频率作为系统优化性能指标.边界层宽度调节率作为优化参数.采用基于遗传算法的多目标优化方法优化滑模变结构控制的设计.能使滑模变结构控制系统获得很好的综合性能.尤其是,在滑模变结构控制的设计中,使用多目标优化技术,可以为强非线性时变液压伺服系统系统提供强鲁棒性和高精度控制.     

工业大系统多目标优化问题的分解协调方法

本文针对工业大系统多目标优化问题的特点,提出"一致单调性"概念、"目标诱导性决策"方法以及与分解协调方法有关的两个定理,使分解协调问题得以简化.     

基于人工智能算法的主动配电网分解协调多目标优化研究

为了更好地促进中国电力行业的健康、平稳发展,对主动配电网分解协调进行了多目标的优化研究。采用了电源管理单元(power management unit, PMU)拓扑分析研究法,根据全局和分区的思想,对IEEE-30的数据进行了研究。结果表明：分区优化与全局优化相比能够明显降低网络损耗、运行成本和更新次数,分区的求解思路在拓扑分析模型中更加有效。然后将IEEE-30、IEEE-51和IEEE-112测试系统中得出的时间与免疫遗传算法的时间进行比较,发现拓扑约束分析能够使电源管理单元得到良好的优化效果。结论证实了本文所选取模型的有效性以及这种研究方法在企业管理的适用性。     

竞选算法及其在函数全局最优化问题中的应用

竞选算法是借鉴人类竞选活动中所蕴涵的优化思想而建立的一种优化算法,其搜索机制模拟的是竞选人在整个竞选过程中追求最高支持率的行为。介绍了算法的基本思想、基本原理和计算步骤,并将竞选算法应用于求解函数的全局最优解。通过对标准测试函数优化的数值实验结果表明,竞选算法可快速搜索到函数的全局最优解,并具有较好的稳定性。     

Crashworthiness optimization of helicopter subfloor based on decomposition and global approximation

This work deals with the development of an optimization procedure under crashworthiness requirements applied to a typical helicopter subfloor. The difficulties due to the nonlinear design space and structural behaviour are overcome by developing an optimization procedure based on decomposition, where the structure to be optimized is converted into a set of smaller and linked substructures. To evaluate the response of each substructure, global approximation strategies, based on neural networks, are used. Size variables (dimensions, thickness) and geometrical variables (element number and position) are considered in order to maximize the global crashworthiness performance. The energy absorbed per unit mass by the subfloor is chosen as objective function and acceleration constraints are considered. Genetic algorithms are used to find the optimal configuration. The optimization allowed an increase in the crush force efficiency of 12% and a decrease in the subfloor mass of 4%. A significant CPU time saving was also obtained.     

全局优化的蝴蝶优化算法

针对基本蝴蝶优化算法中存在的易陷入局部最优值、收敛速度慢等问题,提出一种全局优化的蝴蝶算法,引入limit阈值来限定蝴蝶优化算法陷入局部最优解的次数,从而改变算法易陷入早熟的问题,结合单纯形策略优化迭代后期位置较差的蝴蝶使种群能够较快地找到全局最优解;将正弦余弦算法作为局部算子融入BOA中,改善迭代后期种群多样性下降的缺陷,加快算法跳出局部最优。在仿真模拟实验中与多个算法进行对比,结果表明改进算法的寻优性能更好。     

全局引导和相互作用的郊狼优化算法及其应用

针对新型的郊狼优化算法（COA）在解决复杂优化问题时收敛速度慢、全局搜索能力不足的问题,提出了一种嵌入全局引导和相互作用的郊狼优化算法（GCCOA）。首先在组内所有郊狼的成长过程中,构建一种全局引导的alpha狼,增强开采能力,提高收敛速度;然后提出一种相互作用的文化趋势,使得组内的文化趋势受到组内郊狼相互作用的影响,以此提高算法全局搜索能力;最后,将GCCOA运用到CEC2017复杂函数优化和医学图像增强上。大量实验结果表明,与COA、HFPSO、CSPSO和β-GWO等算法相比,在29个函数上,GCCOA获得22个第一,有更好的全局搜索能力和收敛质量。应用于医学图像增强的实验结果表明,与COA等算法相比,GCCOA能更好地解决医学图像增强中参数优化问题。所以,GCCOA是一种很有潜力的优化算法。     

正交文化算法及其在布局优化问题中的应用

布局优化问题是工程应用中普遍存在的一种组合优化问题,属于NP完备问题。针对布局优化问题,将差异演化算法和郭涛算法融入文化算法的框架,利用正交设计方法初始化种群,提出了一种正交文化算法。通过对一个带约束的和一个较大规模的不带约束的布局优化问题进行性能比较,验证了该算法的可行性和有效性。     

一种求解全局优化问题的新混合遗传算法

把简化的二次插值法融入实数编码遗传算法,构成适于求解全局优化问题的混合遗传算法,该混合算法可以较好解决遗传算法的早熟收敛问题,提高了收敛速度,改善了解的质量,并减少了计算量.由于该混合遗传算法对目标函数的性质没有要求,适合求解大规模问题和工程实际问题.通过对23个标准测试函数的仿真实验,并和已有算法的比较,结果表明本文提出的混合遗传算法是非常有效的.     

一种改进的量子粒子群优化算法及其应用

为提高基于概率幅编码的量子粒子群算法的优化效率,提出了一种改进的量子粒子群优化算法。在改进的算法中,采用量子Hadamard门实现粒子位置的变异,将概率幅对换变异改进为更具柔韧性的旋转调整,有效避免了种群在搜索空间中多样性的丢失;通过分析惯性因子、自身因子和全局因子的关系,提出了一种根据粒子当前适应度自适应确定全局因子的方法。以函数极值优化问题为例,仿真结果表明改进算法的搜索能力和优化效率优于原量子粒子群算法。     

Web服务组合QoS全局优化算法

Web服务技术的发展使得组合Web服务的应用成为可能,组合服务的QoS优化问题的重要性越来越明显。遗传算法与蚁群算法是解决QoS全局优化的两种方法,针对采用蚁群算法进行优化时易出现的收敛速度缓慢及遗传算法易陷入局部最优解、效率不高的问题,结合两种算法的优势,充分发挥蚁群算法正反馈特性与遗传算法的快速全局搜索能力,改善QoS全局优化算法,提高了算法的优化能力,从而更好地解决了Web服务的QoS全局优化问题。     

FOA-LM算法及其在语音信号稀疏分解中的应用

信号的稀疏表示在信号处理的许多方面有着重要的应用,但稀疏分解计算量十分巨大,难以产业化应用。粒子群优化（PSO）及果蝇优化（FOA）等智能算法具备前期收敛速度快,全局搜索能力强的优点,应用到语音信号的稀疏分解中,虽然大大提高了语音信号稀疏分解的速度,但是该类算法后期的收敛速度较低,稀疏分解速度仍然偏低。拉凡格氏（LM）算法具有收敛速度快,精度高的特点,但是LM算法依赖初值,这使它的应用受到了限制。结合智能算法FOA及LM算法的优点,采用FOA算法求出Gabor原子参数初值,利用这些初值进行LM迭代搜索最优原子。仿真结果表明,基于FOA优化算法和LM算法相结合的方法,具有收敛速度快,精度高的特点,有较高的实用价值。     

多策略融合算术优化算法及其工程优化

针对算术优化算法(AOA)在搜索过程中容易陷入局部极值点、收敛速度慢以及求解精度低等缺陷,提出一种多策略集成的算术优化算法(MFAOA)。首先,采用Sobol序列初始化AOA种群,增加初始个体的多样性,为算法全局寻优奠定基础;然后,重构数学优化器加速函数(MOA),权衡全局搜索与局部开发过程的比重;最后,利用混沌精英突变策略,改善算法过于依赖当前最优解的问题,增强算法跳出局部极值的能力。选用12个基准函数和部分CEC2014测试函数进行实验仿真,结果表明MFAOA在求解精度和收敛速度上均有明显的提升;另外,通过对两个工程实例进行优化,验证了MFAOA在工程优化问题上的可行性。