求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法，已在许多领域得到了非常成功的应用。本以约束优化问题为对象，首先介绍了采用罚函数法将约束优化问题化为无约束优化问题，和将约束优化问题转化为minmax问题，然后对无约束优化问题和minmax问题，采用PSO算法进行进化求解；在此基础上，以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

基于遗传算法的机器人接触摩擦补偿

目的 提出一种在线学习算法来学习机器人操作臂摩擦模型的摩擦系数，通过摩擦补偿控制输入，根据所得摩擦系数获得摩擦力，消除未知摩擦的影响．方法 建立机器人接触摩擦力模型，采用基于自然选择原则的遗传算法进行学习训练、优化，找出优化后的摩擦系数，以优化摩擦力模型，更好地消除未知摩擦．结果 采用遗传算法，快速地获得了摩擦系数值，优化了摩擦力模型，对约束机器人接触摩擦进行了补偿．结论 遗传算法的引入可以优化摩擦力模型，实现约束机器人接触摩擦的在线补偿，仿真结果证明，该方法在接触摩擦补偿上具有有效性，可以在线进行约束机器人接触摩擦补偿。     

基于遗传算法的有限推力轨道拦截优化研究

遗传算法是一种具有通用性、鲁棒性及全局最优性等优点的自适应优化技术。文中建立了空间飞行器的有限推力轨道拦截数学模型，并以空间飞行器燃料消耗最小为优化目标函数，运用遗传算法对空间飞行器的拦截变轨参数进行了优化设计。为了解决轨道拦截这一多约束优化问题，在遗传算法中引入了罚函数方法，并通过动态改变算法参数来改进优化的收敛性。在对低地球轨道目标的拦截仿真中，选择发动机燃料质量秒耗量、推力作用方向和作用时间为优化参数，仿真结果证明了该方法在带约束有限推力轨道拦截优化中的有效性。     

混合GA与SA求解非线性约束优化

在蜚 线性约束优化中，处理好约束条件和增强局部搜索能力是解决这类问题的关键。本文在给出问题一般形式的基础上，设计了一个模型退火和遗传算法结合的算法。它用模拟退火算法来增强局部搜索能力，用线性交叉来处理约束以外的解，将可行解与不可行解用适应值的正负来区分。仿真试验表明，该算法收敛速度快、搜索能力强、稳健性好，本方法是对应用遗传算法求解非线性约束优化问题的又一次深入探索。     

升力式再入飞行器多约束多阶段弹道优化设计

结合再入飞行器实际任务需要,以升力式再入飞行器机动突防弹道优化设计为研究目的,给出了多约束多阶段弹道优化模型,研究了弹道优化数值解法理论,将该多约束多阶段优化问题的多个阶段弹道优化模型统一于1个优化算法;采用直接法＋序列二次规划法解该优化问题,得到了满足相应约束的再入机动突防弹道.仿真结果表明,采用该方法能够进行升力式...     

约束线性系统的最优控制

以预测控制的滚动优化原理为基础提出了一种约束线性系统的最优控制方法。此方法采用无限预测时域和有限控制时域 ,既能保证闭环稳定性又易于实现。带约束的三容系统的仿真结果表明了此方法的有效性     

基于决策优化模型的驾驶行为建模方法

为了能在微观交通仿真模型中对复杂交通环境下的驾驶行为进行统一的数学描述，提出一个基于决策优化模型的驾驶行为建模方法.通过扩展Helly跟车模型并将其等式约束变换为不等式约束，建立驾驶员的可行加速度决策空间，再依次求解轨迹最优目标和速度最优目标，得到一个满意的横纵加速度.该建模方法将跟车、换道、超车、穿插、制动等驾驶行为统一地在驾驶行为决策优化模型进行描述中，模型结构灵活，模型参数校正方法简单明了，适用于交通环境复杂的混合交通流微观仿真建模.     

约束线性系统的最优控制

以预测控制的滚动优化原理为基础提出了一种约束红性系统的最优控制方法,此方法采用无限预测时域和有限控制时域,既能保证闭环稳定性又易于实现,带约束的三容系统的仿真结果表明了方法的有效性。     

一种实现导纳矩阵宏模型无源性的快速方法

传统的二次规划方法使用不等式约束,并利用数值优化来补偿无源性违背,仿真时间很长.针对上述问题,提出了一种新的二次规划方法来实现宏模型的无源性.该方法在二次规划方法的基础上,用等式约束代替不等式约束,采用拉格朗日乘数法进行优化.由此优化算法所产生的线性系统通过Krylov子空间方法进行求解,可以充分利用矩阵的稀疏性,从而使求解时间大大减小.同时还给出了无源性违背的频率选择策略.实验表明,该方法的仿真时间小于传统二次规划方法的1/10.     

建筑结构优化的进退搜索算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立了建筑结构优化模型。并提出了离散变量结构优化设计的进退搜索算法。算例结果表明，该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化问题，也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题，是一种理想建筑结构优化设计方法。     

考虑时域硬约束的T-S模糊系统最优控制

针对带有时域硬约束(控制输入约束和状态约束)的T-S模糊系统,提出了一种基于状态反馈的优化控制算法。在系统初始状态小于某个界的情况下,将性能输出的能量作为优化的性能指标,通过最小化系统的不变椭圆域来实现系统优化控制,同时得到依赖于该不变域的满足时域硬约束的充分条件。该多目标控制问题最后归结为求解在一组非线性不等式约束条件下的优化问题,本文给出了该优化问题的解决方法,并分析了该方法的可行性。在倒立摆系统中应用的仿真结果验证了该方法的有效性。     

基于HyperStudy的乘员约束系统参数优化

在Madymo中建立了乘员约束系统模型,运用实验设计、近似代理模型技术及自适应响应面法对乘员约束系统参数进行优化,使得对乘员的伤害指标值降到最小。仿真结果表明,该优化方法减少了实验次数,节省了计算时间,同时保证了优化精度,优化WIC值减小了24.37%,其他各项指标均在法规要求的范围以内。     

多变量约束快速动态矩阵控制算法研究

针对快速动态过程与低维非方多变量系统，提出了一种多变量约束快速动态矩阵控制（DMC）算法。采用动态优化和经济优化两层结构，自动实现非方系统的控制结构转换。在满足基本控制目标的基础上，利用多余的自由度实现经济目标优化。算法采用阶跃响应模型与参数模型相结合的方法改进了预测模型，消除了截断误差，仅取每个输出未来的一点进行优化并计算单步控制作用。与常规多变量约束DMC算法比较，该算法有效地减小了计算负荷，而性能损失很少，可以直接在现有集散控制系统（DCS）上实现。工程应用实例与仿真证明了该控制算法的有效性。     

基于改进原对偶对数障碍法的最优潮流算法

在原对偶对数障碍法的基础上，提出一种改进算法用于解决最优潮流问题. 利用障碍参数对改进障碍函数的影响，使改进算法能有效地处理最优潮流问题中的不等式约束，避免了计算中对有效约束的识别问题. 将改进算法与原有算法用于IEEE 30节点系统无功优化问题的仿真计算，结果证明了改进方法是有效可行的，且与原有方法相比，可求得更优解.     

基于改进原对偶对数障碍法的最优潮流算法

在原对偶对数障碍法的基础上，提出一种改进算法用于解决最优潮流问题．利用障碍参数对改进障碍函数的影响，使改进算法能有效地处理最优潮流问题中的不等式约束，避免了计算中对有效约束的识别问题．将改进算法与原有算法用于IEEE 30节点系统无功优化问题的仿真计算，结果证明了改进方法是有效可行的，且与原有方法相比，可求得更优解．     

约束优化问题的免疫混沌算法

结合免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点，提出了一种新的免疫混沌算法.从一组可行解出发，采用免疫算法通过克隆选择、克隆扩增、高频变异和审查形成记忆细胞，并将其作为全局近似最优解，然后采用混沌优化方法按照混沌运动规律在近似最优解的邻域内进行局部搜索并审查，从而获得全局精确最优解.审查过程包含了对约束条件的处理，即对新产生的候选解进行审查，保留满足约束条件的可行解.利用该算法对几个经典约束优化问题进行了仿真测试，与以往方法相比获得了更优的结果，表明该算法是一种解决约束优化问题的有效方法.     

基于Hopfield神经网络的状态观测器设计

基于神经优化计算原理，给出了线性定常系统的状态观测器的设计方法。将观测器设计问题转化为约束非线规划问题，利用Hopfield神经网络在线的计算观测器的增益矩阵和输入矩阵，能够保证观测器输入信号的平均幅值接近最小。数字仿真结果表明了该方法的有效性。     

薄壁结构约束阻尼板减振降噪优化设计

针对薄壁结构约束阻尼减振降噪问题,采用耦合有限元和间接边界元的方法对约束阻尼层厚度进行了优化设计。根据声辐射功率与结构表面振动速度之间的关系,选取振动速度的平方和作为目标函数,各层厚度和总质量分别作为设计变量和状态变量,对一块四角固定的矩形约束阻尼板进行优化仿真,并对优化前后的约束阻尼板进行振动和声学响应分析。结果表明,约束阻尼层厚度配置对阻尼减振有确定性定量影响关系,优化后声辐射功率得到明显降低。     

离散变量结构优化的斐波那契算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立了建筑结构优化模型。利用斐波那契数列的规律，提出了离散变量结构优化设计的斐波那契算法。算例结果表明，该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化问题，也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题。是一种理想建筑结构优化设计方法。     

基于DDPG的无人机轨迹规划及功率控制算法

针对无人机辅助地面用户下行通信的场景，以用户的最小平均可达速率最大化为目标，提出了无人机轨迹约束、功率约束和用户接入调度的优化问题。考虑到约束条件的耦合性和优化问题的非凸性，将构建的优化问题建模为马可科夫决策过程，提出了一种基于深度确定性策略梯度(DDPG)的无人机轨迹规划和功率控制算法。仿真结果表明，所提算法能够有效地提高用户的最小平均可达速率。