求解有约束非线性规划的混合混沌算法

针对带有约束的非线性规划问题,提出了一种新的算法.首先把有约束的非线性规划转化为含有2个目标的无约束的优化问题,然后利用混沌优化算法和最速下降法来混合求解.数值计算结果显示,该算法是可行有效的.     

结构多目标优化非劣解集的遗传算法

提出了一种遗传算法求解结构多目标优化非劣解集的方法。该方法提出了劣解罚项的概念,把劣解罚项和约束罚项之和作为设计点的总的罚项并将其转化为适应度,采用遗传算法进行求解。算例采用三杆和十杆多目标优化问题。计算结果表明,该方法是可行和有效的,计算的结果是有利于多目标决策。     

约束优先边值固定最优控制嵌套优化方法

针对边值固定的最优控制问题,提出一种约束优先嵌套优化方法,将边值固定问题转化为嵌套的2个边值无约束最优控制问题.将两点步长梯度法实行内层优化求解满足边值约束的可行控制策略,与无记忆拟牛顿法实行外层优化求解最优目标函数相结合,避免了罚函数法的不足,提高了优化算法收敛的稳定性和高效性.同时引入一种特殊的控制变量转换方法,通过中间变量和函数转换消除控制边界约束.经典实例的研究结果表明,该算法在收敛性能和求解效率方面具有显著的优越性.     

编队接近非合作目标PSO多脉冲制导方法

为解决地球静止轨道(GEO)非合作目标远距离自主接近中的双视线导航约束以及制导精度问题,提出了一种双星编队接近的粒子群优化(PSO)多脉冲制导方法,该方法将C-W双脉冲制导律转化为带中途修正的多脉冲制导律,然后将时间固定的多脉冲燃料消耗最优问题转化为带双视线夹角约束和制导精度约束的多目标优化问题,接着将带约束的多目标优化问题转化为PSO规划问题并给出规划算法.通过在不同条件下的对比仿真验证结果表明,该方法能够有效的完成对非合作目标远距离的制导.     

几何约束求解的BFGS混沌混合算法

为了提高约束求解的效率和鲁棒性，提出了一个将混沌方法嵌入BFGS算法的约束求解混和算法.将
约束求解问题转化为优化问题，并对多变量函数求全局极值，用混沌算法跳过局部搜索陷阱.算法分析确
定几何元素的初始搜索范围，并利用BFGS方法的超线性收敛速度和混沌优化方法的内在特点进行求解.对
Camel函数极值和正五边形约束求解的实验结果表明，该混合算法能够处理欠/过约束问题，有效克服BFGS
算法容易陷入局部最优以及无法越过临界点的情况，可以高效鲁棒地进行约束求解.     

一类带工艺约束生产调度的随机梯度遗传算法

随机梯度遗传算法(Stochastic Gradient Genetic Algorithm简称SGGA),在求解多目标优化问题方面显示了很强的优越性.本文把SGGA算法应用于单目标优化问题.首先将多目标综合优化问题,利用权系数法转化为单目标优化问题,然后将标准遗传算法与SGGA算法有机结合,对一类带工艺约束的生产调度方法进行了优化设计.实验证明:SGGA算法可用于单目标优化问题,且能得到较好的最优解.     

两通道正交图滤波器组设计新算法

针对两通道正交图滤波器组频率特性差的问题,提出了一种基于二阶泰勒近似的迭代算法．首先,该算法将两通道正交图滤波器组的设计问题归结为一个带约束优化问题．将图滤波器组的重构误差作为目标函数, 滤波器的阻带衰减作为约束函数;然后,通过泰勒近似将高度非线性非凸的目标函数转化为关于增量的凸的二次函数,将非凸优化问题近似为凸的优化问题;最后,采用迭代方法求解该优化问题．仿真结果表明,与伯恩斯坦多项式逼近的算法相比,新算法设计的两通道正交图滤波器组重构误差减小了约1个数量级,信噪比提高了约8dB．     

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.     

解非线性约束规划问题的新粒子群优化算法

给出非线性约束规划问题的一种新解法.首先把带约束的非线性规划问题转化成为2个目标的优化问题,在对搜索算子及各种参数进行合理设计的同时,提出了一种新粒子群优化算法(TS-MC),最后的数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

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.     

求解约束优化问题的引导多目标差分进化算法

将约束优化问题转化为带偏好的双目标优化问题,用差分进化算法求解转化问题。为了克服基于Pareto支配关系的多目标算法求解转化问题时没有考虑问题偏好、收敛慢等缺点,借助多目标α-支配关系的特点,提出了基于动态α-支配的新适应度函数。新适应度函数根据种群中可行解的比例动态平衡进化过程中对两个目标的偏好,引导算法不断向问题的偏好区域靠近,从而快速收敛到约束优化问题的最优解。对6个标准测试函数的数值实验结果表明:基于α-支配的动态引导多目标差分进化算法能快速收敛到问题的最优解。与3种经典高效算法的比较说明,所提出算法的鲁棒性强且效率高。     

自适应两阶段大规模约束多目标进化算法

针对求解大规模约束多目标优化问题时遇到的收敛速度慢和可行解难以找到的困难,提出了一种自适应两阶段大规模约束多目标进化算法。首先,算法在第一阶段根据决策变量的性质,自适应地选择部分变量进行优化,且不考虑任何约束使种群快速跨过不可行区域,逼近无约束帕累托前沿。其次,算法在第二阶段考虑全部的约束,利用ε约束处理技术对变量进行整体优化;同时,利用存档将进化过程中获得的可行且非支配的解保存并更新,以不断地提高种群的收敛性与多样性。最后,将所提算法与其他6种算法在37个测试函数上进行实验对比,结果表明：所提算法在25个函数上取得了最佳结果,且分别至少在31个函数上优于对比算法;所提算法在90%以上函数中的可行率都能达到100%,可以有效地解决大规模约束多目标优化问题。     

求解约束优化问题的混沌类电磁算法

针对约束优化问题, 提出了基于混沌优化的一种新的类电磁机制算法. 采用多目标优化的约束处理技术, 将约束优化问题转化为无约束的双目标优化模型来求解; 对于转化后的新模型, 设计粒子的电荷和粒子间的受力公式. 同时, 为了加快算法的收敛速度, 结合混沌优化改进种群中的粒子. 采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试, 并将测试结果与已有算法的结果进行比较, 结果表明, 新算法能够快速找到问题的全局最优解或近似最优解, 是一种非常有竞争力的优化算法.     

斜拉桥成桥后误差调整的优化方法

将斜拉桥成桥后的误差调整问题归结为一个多目标、多约束的优化问题,并采用综合参数法进行求解,该方法的特点是通过凝聚函数将此问题转化为一个可微的单目标、单约束优化问题,在此基础上,采用乘子惩罚函数法进行求解,该优化方法不但适合成桥后的误差调整,同样适合斜拉桥施工过程中的误差调整。     

基于MLD模型的预测控制可行性与约束优先级研究

为了在安全可控的范围内提高多变量控制系统的经济性能和控制性能,在不确定因素下将报警阈值优化和过程操作控制统一在一个框架下,提出基于随机优化算法的报警限约束处理方法确定最优工作点. 尤其对报警阈值组成的约束条件优先级和不可行问题,利用混合逻辑表达报警优先级处理约束控制的优先级和不可行问题,将多变量报警阈值优先级优化处理问题转化为满足逻辑约束的问题,解决了报警系统稳态优化中报警优先级调整与目标协调问题,同时提高了系统的经济性能. 仿真实例验证了算法的有效性.

     

一个新的求解非线性等式约束的QP-free非可行域方法

提出了一个求解非线性等式约束优化问题的无罚函数无滤子的非单调QP-free非可行域方法.利用乘子和原始变量,构造一个等价于原约束问题一阶最优KKT条件的方程组.通过牛顿-拟牛顿迭代得到满足一阶KKT条件的解.采用了非单调的无罚函数无滤子线搜索方法,每次迭代使得目标函数或者约束违反度函数具有充分的非单调下降,可以取得更好的试探步长.该算法具有全局收敛性,在较弱条件下可以证明该方法具有超线性收敛性.     

独轮机器人的非完整运动规划研究

研究独轮机器人非完整运动规划问题,提出了一种新的路径规划优化算法.首先通过控制参数化方法将无穷维优化控制问题转化为有限维优化问题,然后把控制空间分为受完整约束的子空间和受非完整约束的子空间,将控制空间的优化问题转换成第二个子空间的控制优化的问题.采用粒子群优化技术设计了独轮机器人非完整运动规划算法.最后进行了数值仿真,并和牛顿算法、改进的牛顿算法进行了比较,结果表明该方法是可行的,同时所需的能量更低.     

基于SFLA-PSO算法的几何约束求解

为提高求解几何约束问题的效率和收敛性,将几何约束问题等价为求解非线性方程组问题。并将约束问题转化为一个优化问题,采用基于混洗蛙跳（SFLA：Shuffled Frog Leaping Algorithm）和粒子群优化（PSO：Particle Swarm Optimization）算法求解该问题。SFLA-PSO算法采用将SFLA和PSO二者相结合的方法,利用PSO算法进行族群局部搜索,利用SFLA的多种群的进化方法进行族群的混选,相互取长补短,以达到收敛速度快和全局搜索的目的。实验表明,该方法可以提高几何约束求解的效率和收敛性。     

求解约束多目标优化问题的Agent进化算法

针对目前Agent进化算法难以处理含约束多目标优化的问题,把标准化的约束违反程度作为一个优化目标,从而对Agent所具有的能量产生影响;设置了最优解集和最优可行解集两个外部存储集,以便在寻优过程中保持Agent群体的多样性;对可行解以及约束违反程度小的Agent进行局部爬山操作,更加有利于寻找最优可行解。将算法应用于数值实例和焊接梁的设计优化问题中,表明该算法既保持了种群的多样性,又能够快速收敛。     

利用NSGA-Ⅱ算法求解供水管网优化改造模型

为提高供水管网优化改造模型的客观性,给出更合理的优化结果,对供水管网改造单目标优化模型进行适当处理,将水力约束条件转化为独立的目标函数,建立供水管网改造多目标优化模型.利用面向多目标优化问题求解的非控制排序遗传算法-II(NSGA-Ⅱ)求解多目标管网优化改造模型.通过算例验证,算例管网中低压节点问题、管段负荷过大问题、管段改造投资问题,由于都作为目标函数进行求解,给出综合考虑三方面问题的优化结果.通过多目标建模思想以及面向多目标问题优化算法(NSGA-II)的引入,解决单目标模型无法描述管网改造为多目标问题的矛盾,克服采用权重系数或惩罚函数带来的不确定因素.并通过引入人工诱导基因变异算子,加快种群向可行解域的收敛速度,提高算法的收敛速度,而且改善解的合理性.