基于近似技术的双层规划进化算法

双层规划涉及上层和下层两个最优化问题,上层规划问题的约束域由下层规划问题隐式确定,双层优化以上层目标为主,而下层目标在下层变量方面必须达到最优。双层规划问题的递阶结构使其具有很高的计算复杂度,特别是频繁计算下层问题会累计很大的计算量。为了有效求解这类问题,提出一种基于近似技术的进化算法。首先,采取多种群协同进化,分别利用交叉和变异算子平衡算法的开采和勘探能力;其次,基于灵敏度分析理论,设计了新个体的近似评价方式以减少算法的下层求解次数。一个算例的近似效果演示结果表明,由近似技术得到的近似后代个体与精确后代个体的位置大部分是重合的。除此之外,在10个常用算例上的结果显示,所提算法比多值映射算法获得了更好的最优解;并且根据CPU时间比较,说明近似技术有效地提高了找到最优解的速度,减少了运行时间,验证了所提算法采取的近似技术的有效性。     

求解双层规划优化问题的层次风驱动优化算法

针对双层规划的求解问题, 提出一种层次风驱动优化算法. 初始化上层优化变量后, 首先对下层规划进行求解, 满足约束条件的同时, 更新下层规划中的空气质点速度和位置; 然后, 利用风驱动优化算法对上层规划问题进行求解; 最后, 在优化解集合中, 选择上下层规划目标值次序之和最小的解作为最终优化解. 实验结果表明, 所提出的层次风驱动算法是一种有效的求解双层规划问题的方法.

     

数据中心制冷系统非线性模型预测控制

数据中心制冷系统具有非线性、强耦合和大滞后特性,目前常用的PID方法无法实现系统整体能效提升,而现有非线性优化算法计算量大,不易工程实现.鉴于此,提出一种数据中心制冷系统模型预测控制策略,上层优化层设计预测控制器,其目标为在满足制冷要求的前提下降低系统能耗,优化层采用神经网络作为反馈控制器,将系统整体优化目标函数作为神经网络控制器优化性能指标,结合变分法与随机梯度下降法,通过滚动优化求取下层各回路被控变量最优设定值,算法占用存储区适中、计算量小;下层现场控制层通过实时控制使各回路被控变量跟踪最优设定值,可以在不破坏原有现场控制系统的情况下实现性能优化.构建Trnsys-Matlab联合仿真平台,针对系统夏季、过渡季和冬季的控制策略进行仿真实验.结果表明,所提出控制策略能够在满足数据中心安全运行的前提下,实现系统整体能效提升,且具有良好的鲁棒性.     

求解一类特殊的双层规划问题的遗传算法

主要研究上层函数及其约束函数不要求具有凸性和可微性,下层是关于下层决策变量是凸二次规划的双层规划模型,通过Karush-Kuhn-Tucher 条件转化为一个单层规划,利用下层是正定二次规划,将下层的决策变量表示为关于 Lagrangian乘子的表达式,从而降低了搜索空间的维数,设计了遗传算法,并通过数值实验表明该遗传算非常有效。     

一类二层规划问题的区间算法

讨论下层规划问题以最优值反应到上层的二层规划问题的数值解法,其中目标函数和约束函数均为Lipschitz连续函数,构造了二层规划问题目标函数的区间扩张和无解区域删除检验原则,建立了求解二层规划问题的区间算法,并进行了数值实验。理论证明和数值实验均表明算法是可靠和有效的。     

基于双层规划的多供应商物料配送期量优化

为有效解决多供应商单制造商构成的二级供应链中供应商配送批量不经济、配送时间无序导致物流成本高和卸货拥堵等问题,建立多供应商配送期量的双层规划模型.上层模型从库存与配送联合优化视角,考虑供应商配送批量经济性,以供应链物流总成本最低为目标,确定最优配送批量;下层模型基于上层优化结果,考虑制造商生产时序性,以供应商时间惩罚成本最小化为目标,确定供应商配送时间序列.采用遗传算法和动态规划相结合的方法求解上下层模型,得到供应商最优配送期量标准.通过实例运用,验证了模型与算法的有效性及可行性.     

基于双层规划的多供应商物料配送期量优化

为有效解决多供应商单制造商构成的二级供应链中供应商配送批量不经济、配送时间无序导致物流成本高和卸货拥堵等问题,建立多供应商配送期量的双层规划模型.上层模型从库存与配送联合优化视角,考虑供应商配送批量经济性,以供应链物流总成本最低为目标,确定最优配送批量;下层模型基于上层优化结果,考虑制造商生产时序性,以供应商时间惩罚成本最小化为目标,确定供应商配送时间序列.采用遗传算法和动态规划相结合的方法求解上下层模型,得到供应商最优配送期量标准.通过实例运用,验证了模型与算法的有效性及可行性.     

超短波无线网络规划方法研究

为改进超短波无线网络的构建方式,研究在给定若干必要网络节点的条件下,增加机动节点构成最优网络的方法。为平衡网络的建设成本、可靠性和通信质量的关系,设计一个分层优化模型,并提出分层多目标优化近似算法求解该模型,根据目标函数的优先层次求得满足约束条件的近似最优解。仿真结果表明,该算法能找到与最优解近似甚至相同的解。与GLiD算法相比,其规划的网络成本更低,可靠性和通信质量更好。     

基于AIWCPSO算法的三次样条气动参数插值方法

针对飞行仿真建模过程中气动参数以矩阵的形式给出, 大都存在着非线性关系, 提出一种基于自适应惯性权重的混沌粒子群优化(AIWCPSO) 算法的三次样条气动参数插值方法. 首先建立粒子与三次样条插值函数中系数的映射关系; 然后利用AIWCPSO 算法对三次样条插值函数的系数进行寻优, 将获得的最优解近似看作三次样条插值函数的系数; 最后计算得到离散点的气动参数. 仿真实验结果表明, 所提出的方法能有效地解决飞行气动参数插值问题.     

一类区间系数线性双层规划问题的遗传算法

针对一类上层目标函数带区间系数的线性双层规划问题,提出了一种基于双适应度函数评估的遗传算法(GA)。该算法的特点是在一次运算中同时获得最好最优解和最差最优解。首先,利用双层规划约束域的顶点进行个体编码,以上层目标函数中系数的上下端点构造两个适应度函数;其次,利用适应度函数排序种群中的个体,并按从好到差的次序验证个体的下层最优性,直到找到一个可行个体;最后,在算法运行中更新找到的可行个体。通过对4个算例的仿真实验,表明算法是可行且有效的。