混合离散变量的整型优化方法

本文对混合离散变量的优化问题进行了探讨，提出了将混合离散变量转换为单一的纯整型离散变量、并在整型空间内对全离散或混合离散变量、约束非线性问题进行优化设计的新方法。     

可逆线性变换的整型化研究

对可逆的线性变换进行了改造，使之成为整数到整数的变换。首先介绍了三类基本的整数可逆变换。在此基础之上，通过对给定线性变换的矩阵分解。给出了一个可逆线性变换整数数可逆变换，在此基础之上，通过对给定线性变换的矩阵分解，给出了一个可逆线性变换整型化的充要条件及其构造方法。变换本身是可逆的，因此非常适合于无失真的数据处理，如语音或图像的无损压缩。     

混合离散变量多目标模糊优化的最优约束水平解法

为了合理地解决混合离散变量多目标模糊优化问题，在文献「１，２」的基础上，提出了混了散变量多目标模糊优化的最优约束水平解法，并给出了混合离散变量多目标模糊优化的算例。     

变量化二维草图器设计

变量化二维草图器（２ＤＳｋｅｔｃｈｅｒ）是一个基于约束图的参数化变量化图形设计系统。该系统采用一面向对象的数据模型系统表示几何元素与约束；采用了基于图的约束求解机构，通过对约束图的构建、分解、规组，并用递归的方法求解方程组；最后由用户在交互方式下选择所需的无二义的解     

给水泵站最优调度的通用模型

本文以满足各水厂要求的供水二况为约束条件,以电耗最省为目标函数,给出了台数切换与变速调节综合控制情况下送水泵站最优调度问题的数学模型和通用程序,既可用于计算机辅助的人工调度,又可用于微机实时控制系统。模拟计算表明,按此方法进行离线调度或在线控制,节能效果显著。     

混合离散变量结构优化的遗传算法

提出了混合离散变量结构优化的遗传算法，给出了离散变量结构优化的算例，算例结果表明算法是有效的。     

考虑随机性局部约束的离散变量结构优化设计

随机性局部约束问题是结构优化设计中存在的一个普遍问题,该问题影响着结构优化设计软件的通用性。本文针对离散变量截面优化设计问题提出了一种处理随机性局部约束的算法及其程序实现并给出了几个实例。     

基于非线性最优化的服装混合维度放码方法

通过比较二维放码和三维放码的优缺点,提出了一种混合维度放码方法,将需要放码的二维裁片映射到三维人体上形成衣片,当三维人体变形时,对应的衣片也相应地发生变形.以三维衣片和二维裁片的边角特征作为放码的约束条件,构造非线性目标函数,问题转化为求解有约束的极小化问题,经过数学变换,问题最终转化为求解非线性方程组.多边形具有直角坐标和局部标架2种表示方法,充分结合直角坐标法便于添加放码约束以及局部标架法计算简便并具有良好收敛性的优点,利用局部标架法设定初值,通过直角坐标法实现对问题的最终求解.在求解迭代过程中通过对某些边和角的纠正来达到较好的放码结果.实例表明该方法非常有效.     

混合变量的最小势能原理及其应用

应用修正的功的互等定理,提出了小变形线性弹性理论混合变量的最小势能原理。混合变量总势能对位移和应力取变分极值的欧拉方程和自然边界条件分别为平衡方程,静力边界条件和位移边界条件。以该原理为基础,导出了弯曲矩形板的相应原理。同时,应用该原理计算了一悬臂矩形板的弯曲。推导和分析表明,该原理兼有最小势能原理和广义势能原理两者的优点。应用显示,这是一求解矩形板弯曲的一般方法。     

混沌—Powell混合算法在机械优化设计中的应用研究

基于机械优化设计问题,提出了一种混沌－Powell混合算法。计算实例表明：该算法具有优化效率高、全局收敛性好、无需求导等优点,是一种解决约束非线性优化问题的理想算法。     

离散变量结构优化设计的混合遗传算法

以力学准则法为基础，提出了一种求解离散变量结构优化设计的拟满应力方法；这种方法能直接求解具有应力约束和几何约束的离散变量结构优化设计问题。通过在遗传算法中定义拟满应力算子，建立了一种离散变量结构优化设计的混合遗传算法－拟满应力遗传算法，算例表明这种混合遗传算法适用性广，具计算效率高。     

离散变量结构优化的组合形遗传算法

针对遗传算法在迭代过程中经常出现早熟收敛、振荡、随机性太大和收敛速度缓慢等缺点,使用格雷码编码,对遗传算法运用海明距离控制种群的个体差异;并把组合形算法作为组合形算子嵌入到遗传算法中,从而建立了一种离散变量结构优化设计的混合遗传算法。算例结果表明这种混合遗传算法优于基本遗传算法和斐波那契遗传算法,既发挥了局部搜索能力强的特点,又发挥了遗传算法全局性好的特点,是可行且有效的离散变量结构优化设计方法。     

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。     

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.     

离散变量结构优化的改进组合型遗传算法

对离散组合型法进行改进,提出了一种新的初始点产生办法,提高了离散组合型法的局部寻优能力.把离散组合型算法作为组合型操作算子融合到遗传算法中,构造一种新的离散变量结构优化算法-组合型遗传算法.运用模拟退火技术构造惩罚函数来改造适值函数,使算法更稳定地收敛于全局可行最优解.与基本遗传算法和组合型算法的计算结果比较证明,改进的组合型遗传算法具有局部搜索快和全局性好的双重特点,是可行且有效的离散变量结构优化设计方法.     

基于N-S方程和序列二次规划的翼型优化设计

实际工程中的翼型设计通常是对某一性能良好的基本翼型进行局部改进以满足特定的工程要求。中将N—S方程流场分析程序和序列二次规划结合起来，发展了一种实用的翼型优化设计方法，用以提高基本翼型在多个设计点、在多种约束条件下的气动性能。由N—S方程计算得到的升力、阻力等气动参数构成目标函数，数值优化程序对其进行最优化。超临界翼型的设计算例表明，中发展的翼型优化方法设计质量高，所需机时少，易于实施，有较大的工程应用价值。     

变系数微分方程的常系数化方法研究

不同于解具有e∫φ(x)dx形式的待定函数法,给出了n阶变系数微分方程在不同情形下具体的因变量和自变量代换形式,指出了变系数微分方程在具体应用中令a1=0的简便性,并得出二阶变系数非线性微分方程的常系数化方法.     

离散变量结构形状优化设计的拟满应力遗传算法

为了弥补遗传算法局部寻优能力差的缺点,将拟满应力算法嵌入到遗传算法中构成一种结合二者优点的混合遗传算法,并将该算法应用于离散变量结构形状优化设计问题.将形状设计变量和截面设计变量统一考虑,编码表示在同一染色体中.既解决了两类变量间耦合上的困难,同时也避免了将两类变量分开考虑只能求得局部最优解的问题.算例的结果表明,该方法用于离散变量结构形状优化是有效的.