基于Arena的仿真优化系统架构设计

利用Arena软件建立了航空兵场站飞行保障过程模型。针对Arena的第三方优化软件OptQuest不能对用户设置的属性进行优化并且不能处理多目标优化问题的局限,以及利用Visual Basic程序从外部分别获取Arena模型和优化算法的仿真优化架构的运行效率低等问题,设计了1种新颖的仿真优化系统架构。该架构是利用Arena内嵌的VBA技术和VBA block模块联合编程实现了以下功能：控制仿真模型、集成优化算法以及向仿真模型重新输人参数3个功能。仿真优化结果表明,这种通过内部调用仿真模型的仿真优化架构是成功有效的。     

基于自适应响应面的拉延筋参数反求

引入移动最小二乘响应面方法(MLS)建立拉延筋几何参数反求方法.该方法通过均匀拉丁方试验设计方法提取适当的设计参数样本构造响应面近似模型,并不断自适应优化响应面模型反求拉延筋几何参数.整个反求过程采用拉延筋有限元模型进行仿真计算,避免有限元模型的网格重划分及由真实拉延筋模型引入的计算效率问题.数值算例表明该方法可在设计域内快速寻优,有助于加快模具设计进程,减少生产成本.     

基于云免疫算法的认知无线网络参数优化

为了提高认知无线网络的参数优化效果,提出了一种基于免疫优化的认知引擎参数调整算法。免疫克隆优化是一种有效的智能优化算法,适合求解认知无线网络的引擎参数调整问题。免疫优化中,变异概率影响着算法的搜索能力;利用正态云模型云滴的随机性和稳定倾向性特点,提出了一种基于云模型的自适应变异概率调整方法,并用于认知无线网络的参数优化。在多载波环境下对算法进行了仿真实验。结果表明,所提算法收敛速度较快,参数调整结果与对目标函数的偏好一致,能够实现认知引擎参数优化。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

基于HYSYS的催化重整流程模拟及其应用

选取催化重整18集总31反应集总动力学模型,以流程模拟软件HYSYS为工具,建立了催化重整过程稳态模型。将模型参数估计问题转化为优化问题,在MATLAB中使用ActiveX技术调用HYSYS模型,利用Marquardt算法对模型进行参数估计,并利用工业数据对模型进行了验证。基于HYSYS稳态模型对催化重整过程进行了灵敏度分析,得出操作参数、进料性质和产品指标之间的关系,仿真结果与理论分析一致,从而能够对催化重整过程的监控和优化提供指导。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

Robust optimization of constrained mechanical system with joint clearance and random parameters using multi-objective particle swarm optimization

Joint clearance and uncertainty are inevitable in mechanical systems due to design tolerance, abrasion, manufacture error, assembly error and imperfections. In this study, kinematic analysis and robust optimization of constrained mechanical systems with joint clearance and random parameters were performed. Joint clearance was modeled by Lankarani-Nikravesh contact force model, and probability space was applied for characterizing uncertain parameters. A kinematic analysis method based on Baumgarte approach and confidence region method was presented to predict kinematic error of the mechanical system. Slider-crank mechanism, an illustrative example was presented to show the influence of clearance and uncertainty on the kinematic accuracy. Then, a novel multi-objective robust optimization methodology was presented for kinematic accuracy robust optimization design of the constrained mechanical system. In this approach, a multi-objective robust optimization model derived from 95% confidence region is constructed to reduce the effects of clearance and parameter uncertainty on 95% confidence region of kinematic error. The robust optimization model is a double-loop process. A multi-objective robust optimization strategy, combing Kriging surrogate model, multi-objective particle swarm optimization, confidence region and Monte Carlo methods, was proposed to search the design variables for minimizing the optimization objectives derived from confidence region while balancing computational accuracy and efficiency of the optimization process. The optimal results of the slider-crank mechanism demonstrated the validity and feasibility of the proposed robust optimization method.     

基于改进鲸鱼优化算法的血液供应链网络多目标鲁棒优化设计

为解决血液供应链网络设计中的不确定性问题,建立了一种血液供应链网络多目标鲁棒优化设计模型。首先,针对带有5个节点的血液供应链网络,建立考虑安全库存的、目标为成本最小、存储时间最短的优化函数,并采用ε约束、Pareto最优和鲁棒优化方法对已建模型进行处理,将多目标问题转化为单目标鲁棒问题;其次,对原有鲸鱼优化算法（WOA）进行改进,引入差分算法的交叉和变异理念,增强了搜索能力并改善了局限性,从而得到差分鲸鱼优化算法（DWOA）,并采用此算法对处理后的模型求解。通过数值实例,验证当测试问题相同时,优化模型在需求短缺方面比确定模型的短缺量平均少76%。因此,所提优化模型在应对需求短缺时更具优势;通过仿真对比分析图像,得出DWOA相比WOA、粒子群优化（PSO）算法和遗传算法（GA）中断时间更短并且成本更低。     

基于混沌粒子群优化的约束状态反馈预测控制算法

提出一种基于混沌粒子群优化的约束状态反馈预测控制算法,用于解决带有输入约束和状态约束的控制问题.将混沌粒子群优化引入到约束状态反馈预测控制的滚动优化过程中,增强了算法在约束范围内的局部搜索和全局搜索能力.通过对一个实际的带有约束的线性离散系统控制优化问题的解决,验证了基于混沌粒子群优化的状态反馈预测控制算法的可行性和有效性,与传统的二次规划算法的比较结果说明了此算法的优越性,证明了状态反馈预测控制系统良好的鲁棒性.     

基于ROC曲线寻优的支持向量机性能研究

支持向量机在小样本模式识别领域具有优势,但其性能评估及核参数、正则化参数的选择尚未有标准算法.将受试者操作特性曲线(Receiver Operating Characteristic,ROC)引入支持向量机分类性能分析和建模参数优化问题.在核参数及正则化参数所构成的二维空间中,调整模型参数阈值描绘ROC曲线,通过比较不同分类器ROC曲线下面积实现模型的性能分析,研究了基于ROC曲线最佳工作点的模型优化问题.工程实例表明,ROC曲线下面积有效地量化了模型的识别性能,并给出了一定寻优范围内的模型参数最优点,可以在SVM模型参数优化问题中推广应用.     

城市轨道交通车站序列瓶颈系统优化分析

针对城市轨道交通车站进站设施瓶颈疏解缺乏系统的定量分析、成本模糊的问题,提出车站瓶颈定量分析模型,并在此基础上提出一种新优化策略。首先,建立乘客进站流程图,基于串联和并联混合的排队网络构建系统优化模型;其次,在现有优化策略基础上提出一种新的控制优化策略——变更设施序列,即交换安检设备和自动检票闸机的物理顺序;最后选取上海莘庄地铁站并根据两种优化策略给出具体优化方案,进行仿真实验。3种优化方案均有效减少了乘客排队时间,但总成本差异很大。到达率一定时,与无优化方案相比,优化方案1增加1台安检设备,减少了92.5%的等待时间,总成本增加了3.2%;优化方案2交换安检设备和闸机顺序,减少了80.3%的等待时间,总成本下降了50.4%;而优化方案3即方案1和2的叠加,几乎完全消除了乘客排队等待时间,但总成本却增加29.6%。结果分析表明,该模型能够很好地模拟瓶颈疏解成本,新策略在降低总成本上明显优于传统策略。     

基于过程集成的迫击炮内弹道参量优化

针对迫击炮内弹道参量在优化设计中存在的效率低、全局搜索性差、过程复杂等问题,基于迫击炮内弹道模型,提出了一种过程集成优化设计方法;首先利用MATLAB/Simulink软件搭建了迫击炮内弹道模型并通过仿真计算得到迫击炮的膛压、速度随时间变化曲线,得到的膛压和速度参量与试验结果具有较好的一致性;然后通过集成优化平台ISIGHT集成MATLAB/Simulink软件,结合带精英策略的改进非支配排序遗传算法对其进行了以最大膛压和炮口速度为目标函数的多目标优化设计;优化结果表明：优化后的最大膛压降低了13.63%,炮口速度提高了10.46%,该方法在提升内弹道性能的同时提高了优化效率,为武器的内弹道优化设计提供了一种新思路。     

Design optimization of a runflat structure based on multi-objective genetic algorithm

Runflat structure plays an important role in determining the sustainable mileage after the tire is shot. Lightweight, stiffness and strength are highly relevant to the overall performance of the structure. A parameterized model was built based on the full study of the structure, and a new adaptive meshing method is proposed to ensure the quality of the model. The accuracy of the new model was verified by comparing to the traditional finite element model. The parameter study was carried out to investigate the response of the performance and mass. Multi-objective optimization model was established by applying optimal Latin square design method and response surface model approach. Non-dominated sorting genetic algorithm-II (NSGA-II) was applied to obtain the optimization design. The results indicate that the combination of parameterized model and multi-objective genetic algorithms successfully achieve the goal of multi-objective optimization for mass and displacement while ensuring the stress. Meanwhile, the optimal topology, shape and thickness optimization for the runflat structure have been achieved at the same time.     

随机风作用下高速列车动力学参数的可靠性优化设计

建立随机风作用下高速列车动力学参数的可靠性优化设计方法．首先考虑自然风的脉动特性，采用Cooper理论和谐波叠加法模拟随车移动点的脉动风速，给出随机风作用下高速列车非定常气动载荷的计算方法．然后建立高速列车车辆系统动力学模型，计算高速列车的运行安全性，并基于可靠性理论，给出随机风作用下高速列车失效概率的计算方法．在此基础上，以高速列车动力学参数为优化设计变量，以失效概率和轮轴横向力为优化目标，采用多目标遗传算法NSGA—II进行动力学参数的自动寻优，建立随机风作用下高速列车动力学参数的可靠性优化设计模型．经可靠性优化计算，高速列车的失效概率由原始的0．4884降低为0．1406，轮轴横向力由原始的45．13kN降低为43．01kN．通过优化高速列车动力学参数可以显著改善随机风作用下高速列车的运行安全性．     

基于李雅普诺夫优化的容器云队列在线任务和资源调度设计

为在保证任务服务质量（QoS）的条件下提高容器云资源利用率，提出一种基于李雅普诺夫的容器云队列任务和资源调度优化策略。首先，在云计算服务排队模型的基础上，通过李雅普诺夫函数分析任务队列长度的变化；然后，在任务QoS的约束下，构建资源功耗的最小化目标函数；最后，利用李雅普诺夫优化方法求解最小资源功耗目标函数，获得在线的任务和容器资源的优化调度策略，实现对任务和资源调度进行整体优化，从而保证任务的QoS并提高资源利用率。CloudSim仿真结果表明，所提的任务和资源调度策略在保证任务QoS的条件下能获得高的资源利用率，实现容器云在线任务和资源优化调度，并且为基于排队模型的云计算任务和资源整体优化提供必要的参考。     

A REDUCED-ORDER PHOTOCHEMICAL AIR QUALITY MODEL

We report on reduced-order photo-chemical model (TAPOM-Lite) designed for calculating ozone levels for varying urban scenarios and calibrated for the city of Geneva, Switzerland. The TAPOM-Lite model is an atmospheric-environmental model designed to be incorporated into a larger energy–economy–environment (E³) model and run in an optimization framework. The motivation for the TAPOM-Lite model was the design of a fast ozone calculator needed for the CPU-intensive optimization environment where many iterations are potentially required before a best solution is found. Three principal advances in this model are (1) a simplified chemical scheme for O₃ production, (2) linearization of the O₃ production function needed for the overseeing linear optimization program, and (3) the extraction of gradient (sensitivity) information calculated from the O₃ production function which in turn is needed as “directional” information in the optimization method. Results show that the TAPOM-Lite model is consistent with the full-scale TAPOM model throughout the optimization/iteration process. The TAPOM-Lite model provides a first coupled E³ program for optimization and also provides a framework for global application such as the linking of global indicators (e.g., mean temperatures) and world energy consumption.     

混合动力汽车模型预测控制策略研究

针对传统混合动力汽车控制方法无法实现实时最优控制的问题,提出了基于简化混合动力汽车系统模型的预测控制智能优化策略.通过将3自由度的系统模型简化为1自由度的系统模型,并采用连续广义最小残量方法求解模型预测控制问题.运用MATLAB/Simulink与GT-POWER联合仿真平台进行仿真,实验结果验证了系统模型简化的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能.     

考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染，提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先，结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征，以最小运营成本和最小环境影响为目标建立选址-路径优化模型；其次，对多目标进化算法进行改进，提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法；最后，对该优化算法进行算法性能分析，并以重庆市某企业为例进行了模型和算法验证。结果表明，所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率，所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。     

特征模型驱动的网构软件构件组装与优化方法

面向特征的领域分析方法可为网构软件中资源的有序化提供有效支持.从领域工程的角度出发,提出一种特征模型驱动的网构软件组装与优化方法,该方法以iJackson图描述网构软件的特征模型,结合软件体系结构特点,分析了将特征模型转换为面向业务构件、基于工作流图技术的组合模型的机制,通过应用图论方法,将组合模型建模为以领域特征簇为中心的构件组装结构图,围绕面向多目标需求的QoS模型,建立了Internet环境下网构软件构件组装问题的数学模型,提出了一种基于蚁群优化算法的全局优化方法.最后,以网上书店系统为倒,介绍了仿真实验过程,并说明了方法的有效性和可行性.     

Robust aerodynamic shape design based on an adaptive stochastic optimization framework

Optimization techniques combined with uncertainty quantification are computationally expensive for robust aerodynamic optimization due to expensive CFD costs. Surrogate model technology can be used to improve the efficiency of robust optimization. In this paper, non-intrusive polynomial chaos method and Kriging model are used to construct a surrogate model that associate stochastic aerodynamic statistics with airfoil shapes. Then, global search algorithm is used to optimize the model to obtain optimal airfoil fast. However, optimization results always depend on the approximation accuracy of the surrogate model. Actually, it is difficult to achieve a high accuracy of the model in the whole design space. Therefore, we introduce the idea of adaptive strategy to robust aerodynamic optimization and propose an adaptive stochastic optimization framework. The surrogate model is updated adaptively by increasing training airfoils according to historical optimization results to guarantee the accuracy near the optimal design point, which can greatly reduce the number of training airfoils. The proposed method is applied to a robust aerodynamic shape optimization for drag minimization considering uncertainty of Mach number in transonic region. It can be concluded that the proposed method can obtain better optimal results more efficiently than the traditional robust optimization method and global surrogate model method.