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。     

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。     

求解无功优化的线性规划最钝角松弛法

采用最钝角松弛算法求解无功优化问题的线性规划模型,为解决线性化步长调整问题在该模型中增加了信赖域约束。首先,根据最钝角原理定义主元标的概念及其计算公式,计算各个不等式约束的主元标。然后,根据不等式约束的主元标值对其进行筛选,形成一个松弛的线性规划问题,用原始单纯形法对其求解。如果松弛问题的最优解能满足原问题的不等式约束,则直接获得原问题的最优解。否则,将所有剩余的约束条件全部添加到松弛模型中,得到改变约束条件顺序后的原问题,再用对偶单纯形法进行新的求解。该算法本质上是一种2阶段单纯形法,并且第二阶段的求解可以充分利用第一阶段松弛问题的解信息,大大提高第二阶段的计算效率。以5个试验系统和1个省级538节点实际系统为测试系统,通过与单纯形法、信赖域内点法进行比较,验证其有效性。     

基于微粒群优化和模拟退火的约束广义预测控制算法

提出一种基于微粒群优化和模拟退火的约束广义预测控制算法,将微粒群优化和模拟退火引入到广义预测控制的滚动寻优过程中,增强对约束边界的搜索能力,并将约束条件构成约束违反度函数和适应度函数一起判断最优解的优劣,该算法可以有效地提高广义预测控制处理约束的能力.通过对一个工业对象的仿真,验证了该算法的可行性和有效性.     

多约束条件下矩阵方程AXA~T=B的最小二乘解

为了求解大型矩阵方程的多约束优化问题,基于Dykstra交替投影算法和相关的矩阵分解理论,提出了求解矩阵方程AXAT=B的多约束条件下的最小二乘解的迭代算法,并讨论了算法的收敛性。数值实验验证了算法的有效性。     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

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.     

隔震结构基于动力可靠性约束的优化设计

为系统研究多自由度基础隔震结构基于动力可靠性约束的优化设计方法.用复模态法获得了结构基于Kanai-Tajimi谱随机地震响应的解析解;以基础隔震结构和基础固定结构的上部结构一阶模态位移标准差之比作为优化目标,以隔震装置位移响应不超过其容许设计限值的动力可靠性为约束条件,运用罚函数法获得隔震装置的优化设计参数,并给出算例,从而建立了基础隔震结构基于动力可靠性约束的优化设计的一整套方法.     

一类解修补方法在厂级负荷优化分配中的应用

针对遗传算法解决厂级负荷优化分配问题时易早熟,约束条件难满足的问题,提出一种多精英保留策略和基于可分配区间信息的解修补方法,结合厂级负荷优化分配问题的特点,在初始化、交叉与变异过程中,给出新的指导性规则。提高种群的多样性,通过对不可行解进行修补,提高初始化成功率,并将遗传操作过程中,维持种群中可行解比例在一个较高的水平,提高了随机解约束方法的生成效率,解决了遗传操作过程中,罚函数法难以保证不可行解比例的难题。最后通过数值仿真实验说明其正确性与有效性。     

约束多目标人工蜂群算法

为提高约束多目标进化算法的收敛性和解集分布性,提出一种基于人工蜂群算法的改进约束多目标进化算法CMABC。在利用外部种群分别存储较优可行解和不可行解处理约束条件的基础上,根据约束多目标问题的特点,对外部种群的更新方式、迭代种群的更新方式及人工蜂群算法进行改进。实验仿真结果表明,CMABC相对于目前性能较好的MOABC及HPSO具有一定优势,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,适合于约束多目标优化问题的求解。     

混合人工鱼群算法在约束非线性优化中的应用

为了解决具有约束的非线性优化问题,本文将增广拉格朗日乘子法和鱼群算法相结合用于非线性问题的全局优化,即用人工鱼群算法寻找增广拉格朗日函数的近似最优解,并将该近似解用于拉格朗日乘子和惩罚因子等参数的更新．同时,简要分析了人工鱼群算法的随机收敛性．仿真结果证明,与自适应惩罚遗传算法相比,该混合算法在解决约束优化问题中具有优越性和有效性．     

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。     

局部安全系数法中约束对土坡稳定分析的影响

为研究局部安全系数法中不同约束条件对土坡稳定分析的影响,结合两典型土坡,对局部安全系数法这一双重优化问题中的约束条件进行了分析,约束条件主要包括极大化问题中条块间法向力、剪切力、条底法向力需满足的约束以及极小化问题中可行滑动面需满足的约束条件,研究结果表明,限制条块间法向力为正,而允许条间剪切力为负条件下,局部安全系数法所得结果较为合理.     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

非线性约束优化问题

把Powell方法作为一个与选择、交叉和变异平行的算子,嵌入到基本遗传算法中,在遗传算法中定义Powell算子,得到一种既有较快收敛性,又能以较大概率求得非线性约束优化问题全局最优解的混合遗传算法-Powell遗传算法。通过自适应的退火因子和罚函数来处理约束条件,使算法逐渐收敛于全局可行最优解。数值结果表明该方法优于基本遗传算法和Powell法。     

使用最优化理论推导全力扭方位计算公式

全力扭方位的数学本质是在给定的约束条件下求装置角,使得方位变化达到最大。文献中已有的几种求解方法在求解过程中没有考虑约束条件,这使得有关计算公式缺乏严格的数学基础。使用有约束极值问题的标准求解方法———拉格朗日乘数法对全力扭方位问题重新进行了数学表述、并推导出了最优解的计算公式。     

YT16拖式压实机动力参数的多目标优化

对拖式压实机工作轮下落阶段进行运动,建立冲击轮动力参数的多目标优化模型,以水平速度变化率最小和垂直速度变化率最大为两追求目标,运用多目标优化方法中的线性加权和法对其进行优化处理,化多目标优化问题为单目标优化问题,并运用单目标优化方法中的约束随机方向搜索法解得的最优解即为该多目标优化问题的有效解,使得优化后的冲击轮动力性能在水平方向和垂直方向上均有较大的改善。     

一种新的差分进化约束优化算法

对于约束优化问题,目前提出的差分进化算法大多采用罚函数法,但此方法对罚参数有很强的依赖性.基于此,把约束优化问题中的约束条件当作一个目标函数,从而把约束优化问题转化为有两个目标函数的多目标优化问题.借鉴多目标优化中的Pareto的概念,对种群中的个体规定等级,便于在优胜劣汰过程中确定选择概率.同时,在算法陷入局部最优时,采用一种不可行解替换机制来提高算法搜索能力.对13个标准测试问题的测试结果表明,与动态惩罚函数的进化算法、可行性规则的差分进化算法、采用随机排序的进化策略以及人工免疫响应约束进化策略相比,新算法在求解精度上均具有一定的优势.     

一般多目标优化问题的凝聚同伦内点算法

用凝聚函数把等价转化后的不等式约束条件进行光滑逼近,对目标函数进行线性加权转化成单目标函数,然后利用组合同伦内点方法求解多目标优化问题的最小弱有效解,并证明该方法是整体收敛的。     

双层优化的多无人机合作式冲突探测与解脱

为解决多无人机基于航向的合作式短期冲突探测与解脱问题,提出一种局部集中双层优化的合作式方法.首先将既有冲突约束与潜在冲突约束视为同一类型约束,以保证多无人机冲突问题在最大范围内求解,并设计了基于采样的冲突探测方法;通过旋转局部坐标系减少了搜索的可行区域数量,且分析了终点约束与切线约束两种解脱约束条件;然后运用图论的方法对多无人机冲突问题进行冲突关系划分,将由机动导致的无人机额外飞行距离作为解脱代价设计了机动代价函数,为求解所设计的机动代价函数这个非线性优化问题提出了双层优化策略,即先利用随机并行梯度下降法(stochastic parallel gradient descent,SPGD)搜索航向解脱的初始可行解,再运用序列二次规划(sequential quadratic programming,SQP)求得最优解以进行最优的航向解脱. 最后运用蒙特卡洛法对算法进行了可靠性评价.结果表明,本方法能够满足在线规划的需要,在解脱开始距离D_avo=τ×v_i（τ=25 s）的情况下能够实现100%的冲突解脱,该方法能够在保证多无人机冲突解脱安全性的基础上减少机动消耗.