非光滑优化算法的研究

探讨一种求解非光滑优化特殊问题-分片光滑问题的算法.在分析了非光滑优化两类基本算法以及最速下降法要素的基础上,提出了一种求解非光滑优化问题的思路,形成了算法.给出了算法的步骤及几种实现方式,对算法与次梯度法和光滑最速下降法的关系做了说明;最后,通过应用举例对所提出来的算法进行验证,将算法与其他几种经典算法进行了比较.     

一种新的线搜索下CD型共轭梯度法的全局收敛性

根据一种具有可行性的线搜索条件,结合CD型共轭梯度法的计算公式,给出了一种无约束优化问题的算法,证明了这种线搜索可保证CD方法下降搜索方向的充分下降性,也提供了算法的全局收敛性结果及证明过程．     

基于粒子群算法的曲柄滑块机构优化设计

针对带有约束条件曲柄滑块机构优化设计问题,提出将混合惩罚函数法与粒子群优化原理相结合算法,使带有约束条件问题转化为无约束优化问题,通过实例进行测试,将其结果与常规优化设计结果进行比较,结果表明PSO算法在曲柄滑块机构优化设计中具有实用性强、有求解准确可靠等优点,是一种有效的求解方法。     

一个新的对于无约束非凸优化问题渐近的算法

针对数学规划中的非凸函数的优化问题,根据已知的凸函数的优化结果及相应算法,构造新的渐进算法,并运用Kurdyka-Lojasiewicz不等式,对真下半连续的非凸函数的无约束非凸优化问题进行了收敛分析,得到了由改进的渐进算法生成的序列具有有限长且收敛于该函数的一个临界点.同时给出了序列收敛速率的结果表示.     

间歇蒸煮过程的分层多目标优化

对制浆生产间歇蒸煮过程进行了详细分析，建立了包括环境污染为目标函数的多目标分层规划数学模型，将传统分层多目标优化的方法和遗传算法相结合，提出了一种新的目标优化方法，遗传算法中综合并列选择和小生境方法，采用了池点编码和算术交叉操作，应用罚数法将有约束优化问题转化成无约束优化问题，应用实际间歇蒸煮过程数据的优化仿真结果表明，该方法可以在保证纸浆质量的前提下，减少排放废液中碱的含量，降低生产成本，达到清洁生产的目的。     

改进混合遗传算法在自动配棉上的应用

为解决多约束条件下配棉难的问题,通过研究原棉性能与纱线质量之间的关系以及分析基本遗传算法在解决该问题时的优缺点,设计了新的计算机自动配棉数学模型,并运用群体排序和局部寻优等关键技术,提出一种改进的混合遗传算法。分别运用基本遗传算法和改进的混合遗传算法对自动配棉模型进行实验。结果表明：改进的混合遗传算法给出的配棉方案比较合理,混合棉质量指标精度较高;同时由于增加了局部寻优算子和最速下降因子,算法的寻优能力和收敛速度得到了加强。     

积分的超渐近展开与Stokes不连续性的光滑化

渐近分析中的经典最速下降法近十年来出现的重要新发展－超渐近展开，使人们对于历史上名的Stokes现象实质有了更深刻的认识。然而，有关这方面的资料却各自独立且不易读懂，尤其缺少思路清晰的综述。本力求通俗自然概括整理出其中的主要成果，有些地方不得不根据作的理解作了屐与补充，一些概念的中译名亦仅供参考。     

基于综合排序的高维多目标进化算法研究

当前大部分多目标进化算法在求解高维目标优化问题时出现效率与精度迅速下降的问题。针对该问题,提出了综合排序方法,并设计了基于综合排序的多目标进化算法,所提算法搜索能力不会受到优化目标个数增加影响。通过仿真实验对所提算法进行了验证。     

等式约束下一个带线搜索的信赖域算法

提出了一个等式约束下凸二次规划问题的带强Wolfe线搜索的信赖域算法.该算法利用增广Lagrange函数将约束问题转化为无约束问题,在传统信赖域算法的基础上结合线搜索技术,当试探步失败时不用重解信赖域子问题,减少了计算量.在适当的条件下,证明了此算法的全局收敛性.     

基于人工鱼群算法的车辆平顺性优化分析

平顺性是汽车重要特性之一,平顺性优化分析属于组合优化问题,同时其非线性特性导致优化实质上是一个非线性多峰的优化问题,为了有效解决此类复杂优化的求解问题,近年来基于随机搜索优化算法建立了一种新型的人工鱼群算法。该文将人工鱼群算法应用到汽车平顺性优化分析研究中,以某 8×4载货车为研究对象,建立 9自由度汽车平顺性模型,对影响汽车平顺性的重要参数进行优化分析。优化结果表明,加速度均方根平均下降 16.82%,在 60 km/h时下降最大,加速度均方根下降 21.24%,有效提高了重型车的平顺性能。因此,利用该模型可对汽车平顺性进行预测或评估。     

An optimization algorithm for estimation of microbial survival parameters during thermal processing

Isothermal microbial survival curves are usually described by either linear or nonlinear time-dependent models, from which non-isothermal survival curves can be generated if the parameters describing the survival kinetics of the microbial population are known. In order to estimate these parameters, an algorithm based on the steepest decent optimization method was developed. The algorithm searches the values of the survival parameters which minimize the sum of the squared differences between the experimental data and the calculated values provided by the model. The difference of the proposed algorithm with a typical optimization technique is that each data point used is not necessarily coming from the same thermal treatment; instead, data from different non-isothermal processes can be used. The developed algorithm was tested by using published non-isothermal survival data of Salmonella. The data showed that the survival curves can be described by the Weibull model, an already accepted and frequently used nonlinear model. Salmonella's survival parameters were estimated from the end points and all data points, respectively, of three non-isothermal survival curves. The results obtained showed that the number of survival data points must be sufficiently large to obtain true or statistically sound values of the survival parameters. A suitable way to achieve this is to implement the algorithm using all data points of multiple non-isothermal survival curves or a large number of end points of non-isothermal treatments. Mathematically, the developed algorithm should be applicable to any microbial survival kinetics accurately describing the inactivation of the microorganisms because no specific survival kinetics has to be pre-assumed to run the algorithm.     

基于模拟退火算法优化波长的面粉品质检测

模拟退火算法（simulated annealing algorithm,SAA）是一种随机搜索、全局优化算法,为提高近红外光谱检测面粉品质模型的准确度与稳健性,实验提出基于SAA优化波长,再结合偏最小二乘（partial least squares,PLS）法建模预测的定量模型,并对SAA中冷却进度表参数设置进行对比分析。实验依据面粉中灰分含量梯度,随机选取126 份样本的近红外光谱建立SAA-PLS模型。结果发现,SAA从2 074 个波数优选出70 个波数,结合PLS建立的定量模型相关系数为0.976 0,交互验证均方根误差（root mean square error of cross validation,RMSECV）为0.022,预测均方根误差（root mean square error of prediction,RMSEP）为0.030 1,全谱建立的PLS模型相关系数为0.778 5,RMSECV为0.066 6,RMSEP为0.076 8。结果表明,基于SAA优化特征谱区,建立灰分定量模型是可行的,且准确度与稳健性明显优于全谱定量分析模型。     

纤维螺旋缠绕管的缠绕角优化

为提高材料强度的利用效率,实现纤维缠绕管强度比沿壁厚的均匀分布,在内压和轴向力作用下,基于Tsai-Wu 准则,以沿壁厚方向的最小强度比最大化为目标,建立变缠绕角纤维缠绕管的最优化模型。提出将复合形法和梯度法相结合的改进优化算法,通过优化逐层变化的缠绕角使最小强度比最大化,实现强度比沿壁厚更均匀分布。以玻璃纤维管为例,在纯环向应力、环向应力与轴向应力之比为2：1和1：1的3 种工况下,研究不同壁厚条件下最优缠绕角分布及其强度比提升效果和均匀程度。结果表明：优化后结构的材料利用率明显提升,不同工况、壁厚对最优缠绕角的分布规律影响很大;最优缠绕角可以实现沿壁厚等强度。     

基于改进蚁狮优化算法的黄酒发酵过程模型的参数辨识

针对基于Levenberg-Marquardt方法辨识黄酒发酵过程模型参数时易陷入局部最优,收敛速度慢,很难准确获取具有强泛化能力的模型参数的问题,提出了一种具有莱维飞行机制和柯西变异的蚁狮优化算法(ant lion optimization with Levy flight and Cauchy mutation,LCALO),该算法采用基于莱维飞行和柯西变异来解决这类问题。莱维飞行可以提高算法的全局搜索能力,而柯西变异有助于避免陷入局部最优。结果表明,相比于遗传算法、粒子群算法和蚁狮算法,LCALO的收敛速度快,具有全局搜索能力和局部开发能力好的优点。最后将改进算法应用于黄酒发酵模型的参数辨识,仿真结果证明该算法具有较好的参数辨识能力。     

Lactobacillus paracaseiW2合成苯乳酸培养条件的优化

对苯乳酸(PLA)高产菌株副干酪乳杆菌Lactobacillus paracaseiW2 的培养条件进行优化,以提高PLA 合成能力。采用Plackett-Burman(PB)试验设计法,筛选出3 个主要影响因子：葡萄糖、吐温-80、苯基丙酮酸(PPA)。通过最陡爬坡法和响应面分析方法(RSM)确定葡萄糖质量浓度19.5g/L、吐温-80 4mL/L、苯基丙酮酸质量浓度3g/L。在此优化条件下,Lactobacillus paracaseiW2 发酵合成苯乳酸的产量达到801mg/L,比优化前提高1.4 倍。     

Plackett-Burman法和中心组合法优化罗非鱼下脚料酶解工艺

采用Plackett-Burman(PB)试验、最陡爬坡试验和中心组合设计法对木瓜蛋白酶和风味蛋白酶复合酶解罗非鱼鱼头鱼排酶解工艺进行优化。首先,采用Plackett-Burman设计从影响酶解效果的6因素中筛选出水解时间、固液比2个显著影响因素,在此基础上,通过最陡爬坡试验逼近最大水解度区域,然后通过中心组合设计试验对显著因素进行优化。得出最佳工艺条件为水解时间4h、固液比1:6.25(g/mL),温度45℃、自然pH值、酶用量0.3%、复合酶(风味蛋白酶:木瓜蛋白酶比例)1:3,酶解条件优化后实验测得罗非鱼鱼头鱼排的水解度为22.38%,与预测值21.50%接近。说明本优化工艺具有可行性。     

蝙蝠算法的全局收敛性分析

为了研究蝙蝠算法的收敛性,本文基于随机搜索算法的全局收敛性判断准则对蝙蝠算法的收敛性进行了分析,并通过仿真实验进行了验证．结果表明,蝙蝠算法不完全满足随机搜索优化算法的2个全局收敛准则,无法确保全局收敛,因此蝙蝠算法属于局部搜索优化算法．     

汽车结构耐撞性分析中的冲击接触算法

汽车碰撞过程是一个典型的大变形动态接触过程 ,在汽车结构耐撞性分析研究过程中 ,除了有限单元和材料模型方面的因素外 ,接触算法在计算时间和计算精度方面起着很重要的作用 .用于大规模动态接触问题的接触搜索过程大体可分为两阶段 :全局搜索和局部搜索 .目前使用较普遍的、有影响的全局搜索算法主要包括主从面算法、单曲面算法、级域算法、位码算法及NBS算法 ;局部接触搜索算法主要有基于“点面算法”、基于“小球算法”、基于光滑曲面 (曲线 )算法三大类 .接触界面算法目前主要有拉氏乘子法和罚函数法 ,以及扰动拉氏法和扩大拉氏法 .此外 ,接触问题的并行计算也是不可忽视的研究内容 .分析接触算法的研究现状 ,可以推动汽车耐撞性分析的进一步研究     

基于差分进化的BP网络学习算法

提出了一种基于差分进化的BP网络学习算法,该算法是一种全局随机优化算法.利用差分进化算法的全局寻优能力,可以很好的训练BP网络的权值和阈值.将所提出的算法与BP算法作对比实验,结果表明,所提出的算法相对于BP算法在分类准确度上有较大的提高,而且具有良好的收敛性和泛化能力.