一种利用膜计算求解高维函数的全局优化算法

鉴于传统优化算法在求解高维多模态优化问题时存在收敛速度慢,求解精度低的缺点,针对上述问题提出了一种基于膜计算的优化算法。算法首先对高维空间进行分割,分割后每个子空间作为一个基本膜,基本膜区域中采用差分局部搜索策略提高算法的局部搜索能力和收敛速度。基本膜区域将局部最优解定时传送给表层膜。表层膜区域中采用全局搜索策略寻找全局最优解。通过对5个benchmark函数仿真验证,实验结果表明,该算法在收敛速度,求解精度和稳定性方面都有较大优势。     

基于组合优化的Kriging参数估计算法

在使用常微分方程组描述的数学模型进行参数估计时,本文使用Kriging代理模型完成优化过程.该代理模型通过少量数据点的训练即可部分替代计算费时的原始目标函数优化过程,因此可以节省大量的计算时间.在Kriging代理模型精化过程中,查找新增点的优化算法对参数估计的结果有重要影响.本文针对非线性且具有sloppiness属...     

求解高维优化问题的混合灰狼优化算法

针对基本灰狼优化算法在求解高维优化问题时存在解精度低、收敛速度慢和易陷入局部最优的缺点,提出一种基于混沌映射和的精英反向学习策略的混合灰狼优化算法用于解决无约束高维函数优化问题. 该混合算法首先采用混沌序列产生初始种群为算法进行全局搜索奠定基础;对当前种群中的精英个体分别执行精英反向学习策略以协调算法的勘探和开采能力;在搜索过程中对决策层个体进行混沌扰动,以避免算法陷入局部最优的可能性. 选取10个高维(100维、500维和1000维)标准测试函数进行数值实验,结果表明混合灰狼优化算法在求解精度及收敛速度指标上明显优于对比算法.     

基于代理模型的武器装备体系优化算法研究

体系优化是装备体系研究的核心问题,但是基于仿真的武器装备体系优化方法存在寻优效率低、费用高昂的缺陷。本文结合武器装备体系优化问题的特点,提出基于代理模型的武器装备体系优化算法,其中选用Kriging模型作为代理模型,通过均匀设计方法生成初始样本点,运用EI函数进行代理模型更新,采用最速下降法进行迭代优化。示例验证表明,较之仿真方法及多项式响应曲面方法,该算法具有较高的寻优精度和收敛速度,对提高武器装备体系优化的效率具有较高的理论和实用价值。     

Kriging模型的增量构造及其在全局优化中的应用

为了解决高效全局优化算法(EGO)中迭代次数增多时构建Kriging模型速度过慢,以及对于某些响应值变化范围较大的目标函数出现过早收敛的问题,提出了增量Kriging方法和基于此方法的改进EGO算法.增量方法利用已经得到的关联矩阵的逆矩阵和新增的数据点忽略关联系数优化的过程,直接进行一系列矩阵运算,得到新关联矩阵的逆矩阵,进而得到更新后的预测模型.改进的EGO算法使用上述的增量方法和更加严谨的停止规则,包括改善期望、自变量和响应值的停止准则.最后使用标准函数分别对增量方法和EGO算法进行测试,结果表明,增量方法可在损失少量精度的情况下大大缩短模型更新的时间,改进的EGO算法具有更高的效率和稳定性.     

基于Kriging代理模型的序列优化

Kriging代理模型通过对某预测点周围的信息加权的线性组合来预估该点的未知信息,因其加权选择由最小化预估值的误差方差来确定而被视为最优的线性无偏估计。本文研究Kriging代理模型的序列优化,提出了一种新的加点规则—DH最大点插值法,并利用遗传算法的全局搜索能力搜索模型迭代的插值点,进而提高了Kriging模型的建模精度。     

基于DE 和SA 的Memetic 高维全局优化算法

针对高维复杂多模态优化问题,传统的进化算法存在收敛速度慢,求解精度低等缺点,提出一种面向高维优化问题的Memetic全局优化算法。算法通过全局搜索和局部搜索结合的混合搜索策略,采用多模式并行差分进化算法进行全局搜索,基于高斯分布估计的模拟退火算法进行局部搜索。改进后的Memetic算法不仅继承了差分进化算法能发现全局最优解的优点,而且能大幅度提高搜索效率。最后,通过对4个高维多峰值Benchmark函数进行仿真实验,实验结果表明本文算法有效提高了算法的收敛速度和求解精度。     

基于自适应Kriging模型的不确定可靠性功能优化算法研究

产品研发中功能失效是一个复杂的系统性工程,失效过程包含大量不确定性因素。为此,构建了自适应Kriging的不确定可靠性功能优化算法,进行产品总体功能失效分析、认知集合可信任度、样本点的生成、自适应Kriging计算及优选功能组合,获取在指定的概率约束下的最优解。以大数定律及极限定理为基础,保证了样本点在重要区域及Kriging模型的收敛条件。以工程机械储能系统为例,说明算法的迭代性、收敛性、准确性及稳定性。结果表明,该算法能够得出准确的敏感度,节省计算时间,提高计算效率。     

求解高维函数优化的反馈多智能体遗传算法

针对多智能体遗传算法收敛速度慢,求解精度有待提高的问题,提出一种新的反馈多智能体遗传算法。该算法融合了均匀设计思想,丰富了初始种群的多样性并予以验证;添加反馈算子,提升了算法的收敛速度,大大降低了函数评价次数。同时,对邻域竞争,变异和自学习算子大幅改进,结合算术交叉,以及二进制竞争的方式保留精英个体。高维函数优化实验表明,改进后的算法在很大程度上能避免陷入局部极值窘境,具有很好的全局寻优能力和更高的求解精度。     

细菌觅食算法求解高维优化问题

针对细菌觅食优化算法中,以往的自适应步长公式引入参数过多,统一的经验性参数无法适应各类不同问题的情况,提出了改进的自适应步长公式,通过在步长公式中引入当前细菌的进化代数、寻优范围,并发挥当前最优细菌的引导作用,灵活的调整步长,真正达到自适应调整步长的目的;其次对高维优化问题进行分析,将其分为可分解可分组、不可分解可分组和不可分解不可分组三大类,针对不同类型的问题,采用不同的分组方式,降维、细化来求解,将复杂的问题简单化,极大的提高了求解的效率和精度。将改进的自适应步长公式应用于高维优化问题的求解方法中,通过对多个标准测试函数在多维空间特别是超高维空间（500维、800维、1000维）进行测试,并将其结果同其它算法进行比较,实验证明本文改进算法在寻得最优解的精度和效率上比其它改进方案有显著提高。     

基于Kriging代理模型的自适应序贯优化方法

提出了一种基于Kriging代理模型的自适应序贯优化算法。首先分析了代理模型使用不当引发的局部收敛问题,然后采用小生境微种群遗传算法求解EI函数来得到校正点,用以更新Kriging模型。这种选择校正点的方法使得优化过程避免陷入局部极值点。通过对4个典型函数优化实例进行实验,并与其他算法的结果作比较,其结果表明,新算法在解的精度、收敛性和收敛速度上表现出很好的性能,并且对所优化的问题没有特殊的要求,具有很强的工程实用价值。     

基于Kriging函数的聚合反应过程分子量分布的回归建模与优化

以分子量分布作为聚合物产品的质量指标越来越受到关注,针对分子量分布机理建模较复杂的问题,提出了利用克里金插值方法获得了基于数据的分子量分布模型。首先,建立了分子量分布的离散化模型,可以较为准确地估计特定链长处的分子量,从而实现对分子量分布曲线的离散化表征。进一步,提出了一种多维插值建模方法实现了对分子量分布的整体建模,可以对于任意链长处的分子量进行估计。最后将基于数据的分子量分布模型替代机理模型,实现了对分子量分布的静态优化,获得了较好的效果。     

解决高维优化问题的差分进化算法

针对高维优化问题难以解决并且优化耗费时间长的问题,提出了一种解决高维优化问题的差分进化算法。将协同进化思想引入到差分进化领域,采用一种由状态观测器和随机分组策略组成的协同进化方案。其中,状态观测器根据搜索状态反馈信息适时地调用随机分组策略重新分组;随机分组策略将高维优化问题分解为若干较低维的子问题,而后分别进化。该方案有效地增强了算法解决高维优化问题的搜索速度和搜索能力。经典型的实例测试,并与其他一流差分进化算法比较,实验结果表明:所提算法能有效地求解不同类型的高维优化问题,在搜索速度方面有明显提升,尤其对可分解的高维优化问题极具竞争力。     

A multistate high gain antenna based on metasurface

A multi‐state high gain antenna based on metasurface is proposed. The antenna is composed of two stacking layers and a ground plane. The metasurface is constituted by two layers with the same size. And both of the two layers contain a copper patch array which is formed by 4 × 4 square copper cells uniformly distributed along x and y directions. The metasurface antenna is excited by the aperture coupled structure. The structure is consists of an anomaly microstrip line and a narrow slot etched in the ground plane. Genetic algorithm (GA) is adopted to optimize all the parameters and obtain the best performance of the metasurface antenna. By appropriately choosing the dimensions of the antenna, the proposed antenna can be achieved with the impedance bandwidth (RL≥10 dB) of about 340 MHz (7.8% at 4.36 GHz), 180 MHz (3.6% at 5.02 GHz), and 2800 MHz (41.1% at 6.81 GHz). The peak gain of the proposed antenna is 10.1dBi, 6.9 dBi, and 10.5dBi at 4.26 GHz, 5 GHz, and 7 GHz. In addition, the proposed metasurface antenna can work in multistate, which makes it an excellent candidate for practical applications.     

基于相对距离哈希方法的一种高维索引

人们设计了许多索引以有效地处理高维空间中的近邻查询和区域查询。已经证明,维数较高时利用高维索引处理这两类查询几乎不可能比线性扫描快。提出了一种两层索引以自适应地识别数据集中的聚簇;数据集具有聚簇特性时,用该索引处理邻近查询和区域查询比现有的索引结构快;对其他数据集,利用该索引处理邻近查询和区域查询与线性扫描大致相当。该索引的上层结构将一些参考点组织成一棵二叉树,下层结构是一系列动态哈希表。数据集中的数据点根据它们到参考点的相对距离被哈希到相应的哈希桶中。查询处理时用查询点到参考点的距离进行剪除搜索。实验表明,提出的索引结构具有良好的性能。     

求解高维复杂优化问题的改进人工蜂群算法

为了提高人工蜂群算法求解高维复杂优化问题的能力,提出一种改进人工蜂群算法（artificial bee colony algorithm with attractor,BAABC）。在观察蜂阶段,BAABC算法摒弃轮盘赌选择策略,并通过引进吸引子改变观察蜂的搜索方式。首先,全局最优解波动产生吸引子。然后,观察蜂以吸引子为中心等比例收缩,共同开发同一区域,从而提高了算法的开发能力。实验结果表明,BAABC开发能力显著增强。关于迭代次数和时间,收敛速度都明显提高。在解决高维复杂优化问题方面,BAABC算法优势明显。值得一提的是,BAABC算法的收敛效果与问题维数无关,具有很好的鲁棒性。     

Operation optimization of hydrocracking process based on Kriging surrogate model

Hydrocracking is one of the key technologies in oil refining. It has become a critical secondary processing unit in the refinery for improving the quality of product oil and increasing the light oil volume of production. As such, operation optimization for this process is significant. The basis of operation optimization is the model, and several mechanisms for hydrocracking models have been proposed and studied. However, these models usually require time consuming and exhibit low efficiency especially when applied to optimize operating conditions. In this study, a Kriging surrogate model of hydrocracking is developed based on the mechanism and industrial data. An optimization algorithm is then proposed to optimize operating conditions. The proposed algorithm integrates adaptive step-size global and local search strategy (GLSS) for minimizing the predictor. Simulation results indicate that this optimization strategy integrating GLSS and Kriging surrogate model obtains better revenue of the process production than conventional algorithms such as EGO, DDS, and CAND.     

基于Kriging代理模型的动态云任务调度方法

任务调度在云计算环境中发挥着重要作用。提出一种基于Kriging代理模型的动态云任务调度方法。通过对云任务在不同资源组合下的性能表现进行Kriging代理模型建模并优化,从而得到对应于该云任务的最优资源分配方案;利用云平台的API,可动态对该云任务实施资源调度。基于OpenStack开源云平台,对两个工程计算应用进行了任务调度性能测试,结果表明该方法可有效动态调整云任务中的资源配给,按需按优对平台中的云任务进行资源调度。     

Simulation‐based optimization for rigorous assessment of ground plane modifications in compact UWB antenna design

Introducing ground plane modifications is a popular approach in the design of compact UWB antennas. Yet, specific topological alterations are normally reported on case to case basis without thorough investigations concerning their general suitability for antenna miniaturization. In particular, detailed performance comparison of different ground plane modifications is lacking in the literature. In this article, the effect of selected ground plane modifications on achievable miniaturization rate is considered based on a set of four UWB antennas. EM‐driven optimization is carried out to minimize the antenna footprints while maintaining acceptable matching within the UWB frequency range. In each case, all geometry parameters of the respective structures are utilized in the design process. For the sake of fair comparison, all antennas are implemented on the same dielectric substrate. Our results indicate a clear performance pattern, here, an advantage of the elliptical ground plane slit below the feed line over the rectangular one (average size reduction ratio of 26% versus 19% across the benchmark set). Our conjectures are confirmed by physical measurements of the fabricated antenna prototypes.     

求解高维复杂函数的遗传-灰狼混合算法

高维函数优化一般是指维数超过100维的函数优化问题,由于"维数灾难"的存在,求解起来十分困难.针对灰狼算法迭代后期收敛速度慢,求解高维函数易陷入局部最优的缺点,在基本灰狼算法中引入3种遗传算子,提出一种遗传-灰狼混合算法(hybrid genetic grey wolf algorithm,HGGWA).混合算法能够充分发挥两种算法各自的优势,提高算法的全局收敛性,针对精英个体的变异操作有效防止算法陷入局部最优值.通过13个标准测试函数和10个高维测试函数验证算法的性能,并将优化结果与PSO、GSA、GWO三种基本算法以及9种改进算法进行比较.仿真结果表明,所提算法在收敛精度方面得到了极大改进,验证了HGGWA算法求解高维函数的有效性.