间歇用水系统中废水回用的调度与操作周期调优

针对单杂质间歇用水网络中的新鲜水消耗量最小化问题,本文建立了基于连续时间的优化模型,用于废水直接回用的用水调度优化,并提出了操作周期长度调优的方法。目的在于通过调度优化增加废水回用机会以提高用水系统的废水回用率。采用GAMS软件对所建立的MINLP模型进行求解。研究表明:本文的数学优化模型能够有效地提高单杂质间歇用水过程的废水回用率并具有最优的操作周期长度。通过2个实例阐明了本文优化方法的有效性。     

水夹点技术的应用研究

水资源的逐年匮乏和环境污染的日趋严重对过程工业提出了废水最小化的要求.本文介绍了应用水夹点技术进行单杂质用水网络设计的过程,尤其是格子图的构造和网络调优.针对多杂质系统,除了应用单杂质系统的设计方法,必须很好地选择参考杂质,并在网络设计时注意浓度转移的表示.最后,比较了水夹点技术设计单杂质和多杂质用水系统的异同.     

基于列队竞争算法的多杂质水网络集成优化

对于多杂质的用水和水处理集成优化问题,建立了以总费用最小为目标的混合整数非线性规划(MINLP)模型,并提出了一种将列队竞争算法(Line-up competition algorithm,LCA)和序列二次规划(Sequential Quadratic Programming,SQP)法相结合的求解策略。其中,用LCA优化整数变量,而用SQP法优化连续变量,通过这两种方法的交替求解来逼近最优解。将所提出的计算方法对文献中的2个典型实例进行了求解,求解结果优于文献。实例计算表明,本文所提出的计算方法是有效的。     

间歇过程多杂质用水网络的研究

对含有多个杂质的间歇用水网络进行综合研究,提出了用水周期的概念,基于不失问题的内在特性原则,提出了模型简化的基本假设,并通过增加中间储罐来跨过时间约束,提出了基于超结构的多杂质用水网络模型,建立了该超结构模型的数学规划模型;提出了该数学模型的分步求解策略:①不考虑时间约束,将看成1个拟连续过程,获得间歇用水的目标网络;②引入时间约束,调整间歇用水网络结构,优化未稳定用水单元,向目标网络逼进;③最终获得最优的间歇用水网络结构.实例研究表明,本文提出的方法是问歇过程多杂质用水网络结构设计的有效工具,可在较少周期后获得稳定的网络结构,新鲜水用量可节省34.9%.     

用水与换热网络同步优化综合

通常采用分步策略进行用水与换热网络综合集成,难以实现新鲜水与公用工程的同时权衡。因此本文提出首先序贯求解用水网络综合子问题的非线性规划和换热网络综合子问题的混合整数非线性规划,以获取可行初值;然后,进行流程完备结构拓扑,并构造连接方程实现相关变量的传递;最后,联立用水与换热网络优化综合问题,基于GAMS平台采用DICOPT求解器,通过MATLAB接口控制求解程序流程,采用随机初值策略强化获得全局最优解的机会,以获取高置信度的全局最优解。最后通过对单杂质和多杂质系统实例计算,结果表明本文提出的方法能实现用水和用能网络的权衡,不但获得了比文献结果更好的优化网络方案,而且找出了包括文献结果的若干近优方案,为过程设计提供了多种备用选择。     

基于MOPSO算法的卫星共形阵列天线多波束形成

针对共形阵列天线多波束方向图综合问题,提出一种基于最大方向性系数方法得到初始非劣解的多目标粒子群算法,求解满足多个期望波束和低副瓣要求的Pareto最优解。算法首先采用多目标分解策略,由多个单波束最优解的加权线性组合得到近最优解的非劣解。然后结合该非劣解,基于粒子空间和目标空间同时约束的局部搜寻策略,使用多目标粒子群算法优化多个波束,并降低副瓣。仿真结果表明,该算法有效地实现了卫星共形阵列天线的多波束形成和低副瓣,且能快速得到Pareto最优解分布。     

热敏电阻网络参数的计算方法

提出一种用改进的基因算法优化热敏电阻网络参数的方法，举例说明了该方法的应用，并将其与传统的优化方法进行比较，结果表明，该方法不要求预先假定接近最优解的初始参数值，且比传统优化方法有效。     

基于改进果蝇算法求解混合整数非线性规划问题

在科学及工程系统设计中存在许多混合整数非线性规划MINLP(Mixed-Integer Non Linear Programming)问题,该类问题变量类型丰富且约束条件较多,难以求解,为此提出一种改进果蝇算法。该算法对不同类型变量的更新采取不同的策略,并采用周期性的步长函数指导果蝇的寻优,使其避免陷入局部最优。并通过与另外两种常用的算法在稳定性、收敛速度等方面进行了比较,实验结果表明该改进的果蝇算法效果较优,能有效地解决MINLP问题。     

网络多播路由优化与仿真研究

研究网络多播路由优化问题,由于网络数据流要求实时性和准确性,而网络多播路由是一个多约束条件的复杂问题,传统优化算法对其进行求解耗时长,效率低,难以找到最优路由.为了快速找到最优多播路由,提出了一种人工免疫-蚂蚁算法的多播路由优化方法.人工免疫-蚂蚁算法首先将多播路由的目标函数和约束条件作为抗原,目标函数的优化解作为抗体,通过人工免疫算法生成蚁群算法的初始信息素分布,以多播路由解的收敛方向,然后利用蚁群算法产生和更新抗体求得多播路由优化解.仿真结果表明,相对于其它优化算法,人工免疫-蚂蚁算法该算法的多播路由优化效率更高,能快速、有效地找到多约束条件的最优多播路由.     

间歇过程多杂质用水网络的超结构模型及求解

增加中问储罐摆脱时间约束,将间歇过程多杂质用水网络看成一连续过程.先建立引入分配因子的间歇用水网络的超结构模型,求解出最优网络,其次引入时间约束,确定再用次序,在最短的周期内使网络结构达到稳定,最后通过优化储罐和分配器的数量,找出间歇过程多杂质用水网络的最优结构.实例证明本文的方法可以有效解决间歇过程多杂质用水网络的问题.     

Pi-sigma神经网络混合学习算法及收敛性分析

将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力,又利用了单纯型法的局部搜索能力,因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解,而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。     

求解可重入并行机调度的混合禁忌搜索算法

为解决带有一台远程服务设备的可重入并行机调度问题,设计了一种混合禁忌搜索算法。针对传统禁忌搜索算法只从单起始点搜索、容易陷入局部最优等缺点,混合禁忌搜索算法设计了一种Restart策略。当传统禁忌搜索算法陷入局部最优时,用Restart策略重新产生初始解以进行禁忌搜索,将传统的禁忌搜索算法从单起始点搜索改进成多起始点搜索。数值实验中将混合禁忌搜索算法与启发式算法CS相比,结果表明该算法具有较高的求解质量,且其计算时间是可接受的。     

应用PSO与GA混合算法重建超分辨图像

结合粒子群优化算法和遗传算法中的交叉与选择操作,提出了一种混合算法,对提出的混合算法用两个具有多个局部极值的函数进行了测试,测试结果表明混合算法寻优能力优于粒子群优化算法;利用该混合算法对低分辨率图像序列重建出一幅高分辨率图像。实验结果表明,该方法重建图像的视觉效果和信噪比均优于遗传算法与梯度下降算子相结合的混合算法重建图像的效果。     

过程工业水分配网络系统集成的NLP模型

针对单组分杂质用水和废水处理网络同步集成最优化问题,以最小总操作费用为目标,建立了非线性规划(NLP)模型。该模型既考虑了新鲜水费用和水处理费用之间存在的耦合关系以实现二者的优化均衡,又考虑了环境排放标准及分散式处理网络对水网络集成的影响。采用商业优化软件GAMs对算例问题进行求解,结果表明本文提出的模型能有效处理工业水分配网络系统的优化集成问题,与用水网络和废水处理网络分别集成相比,在年总费用上有不同程度的减小,较好地实现了过程工业在满足环保排放规定前提下的经济效益最大化。     

免疫粒子群算法在神经网络训练中的应用

神经网络能够用来检测结构损伤,但是其训练方法容易陷入局部最优。粒子群算法具有全局搜索能力,将免疫系统中的抗体抑制机理引入粒子群算法以保持粒子多样性,采用免疫粒子群算法（ImPso）训练前向神经网络。计算机仿真结果显示,训练后的网络性能优于使用一般BP算法训练的网络。     

基于混合遗传算法的输气管压气站优化运行研究

本文提出了一种将模拟退火算法和遗传算法相结合的混合遗传算法,并将其引入输气管压气站优化运行问题中。结合实例,对不同算法进行了分析比较,结果表明由该算法获得的解比其它算法更优,且具有较好的优化性能、较高的优化效率和较强的鲁棒性。     

融合黄金正弦混合变异的自适应樽海鞘群算法

针对基本樽海鞘群算法收敛速度慢、收敛精度低、易陷入局部最优的缺点,提出了一种融合黄金正弦混合变异的自适应樽海鞘群算法AGHSSA（Adaptive Salp Swarm Algorithm with Golden Sine Algorithm and Hybrid Mutation）。该算法引入了自适应变化的权重因子以加强精英个体的引导作用,提升收敛速度与精度。通过黄金正弦算法优化领导者位置更新方式,增强算法的全局搜索和局部开发能力。融合邻域重心反向学习与柯西变异对最优个体位置进行扰动,提升算法跳出局部最优的能力。通过对12个基准测试函数进行仿真实验来评估改进算法的寻优能力,实验结果表明,改进算法能显著提升寻优速度和精度,并且具备较强的跳出局部最优的能力。     

Solving nonlinear optimal control problems using a hybrid IPSO-SQP algorithm

A hybrid algorithm by integrating an improved particle swarm optimization (IPSO) with successive quadratic programming (SQP), namely IPSO-SQP, is proposed for solving nonlinear optimal control problems. The particle swarm optimization (PSO) is showed to converge rapidly to a near optimum solution, but the search process will become very slow around global optimum. On the contrary, the ability of SQP is weak to escape local optimum but can achieve faster convergent speed around global optimum and the convergent accuracy can be higher. Hence, in the proposed method, at the beginning stage of search process, a PSO algorithm is employed to find a near optimum solution. In this case, an improved PSO (IPSO) algorithm is used to enhance global search ability and convergence speed of algorithm. When the change in fitness value is smaller than a predefined value, the searching process is switched to SQP to accelerate the search process and find an accurate solution. In this way, this hybrid algorithm may find an optimum solution more accurately. To validate the performance of the proposed IPSO-SQP approach, it is evaluated on two optimal control problems. Results show that the performance of the proposed algorithm is satisfactory.     

机器人全局路径规划的混合蚁群系统算法

针对蚁群算法易陷入局部最优的缺点以及收敛速度与局部最优的矛盾,提出一种求解移动机器人全局路径规划的改进混合蚁群系统算法。该算法由两部分组成：Dijkstra算法用于规划出一条次优路径;进一步用改进的蚁群系统算法优化次优路径以获得最优路径。在改进的蚁群系统算法中,首先定义了一种新的启发信息函数来增加种群多样性;然后给出改进的交叉算子避免算法陷入局部最优,并进一步提高解的质量。仿真结果表明：所提出的算法与参考文献中的算法相比搜索效率更高,解的质量更好,性能更优。即使在障碍物复杂的环境中,对于多目标点问题,该算法仍能规划出较好的目标遍历路径,且用时时间较少。