随机仿真优化的一类遗传序优化框架

针对仿真优化问题存在随机性、计算费时、解空间巨大、多极小等难点,结合遗传算法的并行遗传搜索、最优计算量分配以及序优化的目标软化和序比较思想提出一类遗传序优化框架,进而讨论了该方法的收敛性和具体实施问题,最后指出了进一步的研究内容.     

仿真优化研究进展

仿真优化研究基于仿真的目标优化问题，具有很强的工程背景，但存在随机性、计算费时和NP—hard等难点。目前，仿真优化已成为国际上系统仿真和运筹学等领域共同关注的热点和前沿课题，尤其是在离散事件动态系统领域。因此在分析仿真优化特点的基础上，对仿真优化算法进行了综述，介绍了仿真优化的若干改进、应用和软件，并指出了仿真优化的进一步研究内容和方向。     

基于两阶段随机仿真优化算法的体检顾客预约调度

针对体检机构顾客排队等待时间长的问题，研究随机服务时间下的体检顾客调度，采用多人时间槽预约策略，并在预约调度策略的基础上优化每位顾客的体检项目顺序，提出一种包含粗糙仿真评估和精确仿真评估两阶段随机仿真优化算法。运用序优化思想将基于亲和度评估的多种群遗传算法作为迭代优化策略，并利用改进的最优计算量分配方法排除超级个体的影响，形成仿真资源的全局和自适应优化分配机制。实验结果表明，与不进行任何调度及使用体检顺序启发式调度规则的离散事件结果相比，该算法获得了更好的调度解。     

含分布式电源的改进PSO算法配电网无功优化

在电网无功供电性能优化问题的研究中,针对包含分布式电源的配电网无功优化的特点,利用一种改进粒子群算法,对含分布式发电的配电网系统进行了无功优化的计算.考虑了电网损最小、节点电压和发电机无功出力的约束作为优化目标函数,采用粒子群算法,在其速度进化方程中引入了自适应惯性权重和收缩因子以提高,并运用遗传算法中的交叉技术,对PSO算法产生的粒子进行遗传交叉运算来改善全局搜索能力,并在迭代后期将其取消来提高计算速度,仿真结果对比表明,提出的优化算法能够有效地提高电网电压质量和减少功率损耗.     

有限计算量下模拟退火算法的参数序优化

针对模拟退火算法作为一类全局随机搜索算法，其理论收敛条件难以严格实现，有限计算量下的算法性能在实际应用时对参数有严重的依赖性，并且确定合适参数的经验或试验方法缺少系统性等问题，提出将有限计算量下模拟退火的最优参数确定问题视为随机优化问题，并基于序优化和最优计算量分配技术研究出一种确定最优参数组合的系统性方法．典型调度问题的仿真结果验证了该方法的可行性和有效性．     

一种新的混合优化算法及其在车间调度中的应用

提出了一种解决车间调度问题的新方法, 该方法将序优化思想融入巢分区算法框架, 采用"序比较"的方法进行算法的局部寻优. "序"的指数收敛性加快了巢分区算法的局部收敛速度, 从而提高了算法整体的优化效率. 最优计算量分配技术则依据在线数据对计算量进行合理的分配, 进一步提高算法的收敛速度和结果的可靠性. 混合算法继承了巢分区算法的全局搜索特性以及序优化的快速收敛性. 用该算法解决标准 Jobshop 调度问题, 并与序优化方法和模拟退火算法进行比较, 发现本文算法在收敛速度与优化质量方面均优于这些算法.     

用遗传算法优化神经网络结构

本文介绍了一种用遗传算法对神经网络和连接权值同时优化的方法，该神经网络的神经元节点可以一定程度地反馈连接，再通过基因链矩阵把神经网络的结构完整地表示，遗传进化学习后，最优个体是结构最优的神经网络，使用该方法可以设计出结构未知的神经网络，本文最后对ＸＯＲ问题进行了计算。     

解多目标优化问题的新粒子群优化算法

通过定义的粒子序值方差和U-度量方差,把对任意多个目标函数的优化问题转化成为两个目标函数的优化问题。继而把Pareto最优与粒子群优化(PSO)算法相结合,对转化后的优化问题提出了一种新的多目标粒子群优化算法,并证明了其收敛性。新方法用较少计算量便可以求出一组在最优解集合中分布均匀且数量充足的最优解。计算机仿真表明该算法对不同的试验函数均可用较少计算量求出在最优解集合中分布均匀且数量充足的最优解。     

竞选优化算法实现及其仿真研究

研究寻找一种合适的优化算法是求解复杂优化问题成功的关键.传统数值方法对初始值的选择很敏感并需要对函数求导,许多现有的现代优化算法则存在容易陷人局部最优解或收敛速度较慢、计算效率较低的问题.一种新的智能优化竞选算法是模拟人类竟选活动中追求更高支持率所蕴涵的优化思想而建立的一种新的启发式优化算法.首先提出了算法的原理和实现...     

冷却塔水循环系统的集成优化

为求得冷却塔水循环系统循环水量最少及结构简单的水网络,建立了循环水量最少和流股数最少的多目标优化模型,并在模型中引入了流量柔性常数,以增加循环水网络的设计柔性.本文采用分步优化的策略,将多目标优化问题转化为序贯的单目标优化问题.应用本文所提出的方法对文献的实例进行了优化计算,得到了比文献结果更简单的水网络.此外,通过调节流量柔性常数,能进一步优化水网络结构.     

序优化理论在大规模机组组合求解中的应用

序优化理论以满足工程实际需要为目的,能够简化优化问题复杂程度,节省大量计算时间,保证以足够高的概率求得足够好的解.文中将煤耗费用、机组启动成本、购电费用、SO_2排放费用作为目标函数,考虑了带时间耦合关系的系统运行约束、机组特性约束、一次能源约束,建立了考虑火电、水电、核电、生物质、燃气多种类型电源的96时段机组组合动态优化模型,并引入序优化理论予以求解.最后,分别对10~100机24时段标准火电测试系统和128机96时段某省级实际电力系统进行算例仿真,并与其他优化算法的求解结果进行了详细的对比分析,进一步验证了采用序优化理论解决电力系统大规模机组组合问题的可行性和实用性.     

一种智能优化算法解质量评价方法

如何评价智能优化算法在有限时间内所得解的质量, 是计算智能基础研究和工程实践中都亟待解决的问题. 受序优化思想启发, 针对连续优化问题, 提出一种评价智能优化算法解质量的方法. 首先利用聚类方法对解记录均匀化分区, 然后根据适应度值分布计算对准概率作为解质量评价指标. 通过对均匀采样、非均匀采样、粒子群算法和遗传算法的寻优结果进行实验表明了所提出方法的有效性.

     

基于粒子群优化算法的约束布局优化

布局优化是NP难问题，也是复杂的非线性约束优化问题．针对这个问题，将新的基于粒子群优化的方法应用于布局参数的优化，提出了适合粒子群优化的约束处理，并通过与直接搜索算法的混合，加强了算法在局部区域的搜索能力．通过实例将该算法与乘子法以及基于遗传算法的布局优化方法进行了比较．仿真结果表明，该算法可以提高布局优化问题解的质量，同时降低计算费用．     

天然气地下储气库优化管理的仿真研究

针对天然气地下储气库的运行特点，通过建立储气库的注采动态数学模型，以库内各井注采量为优化运行变量，分别以夏季压缩机站最小的功率消耗向储库最大连度地注气，冬季储库能得到最大的调降采气量为目标函数，并建立相应的约束条件，在保证储库有最小平均地层压力变化的基础上，得到储库完整的优化仿真模型，利用系统动态模拟技术与多目标优化方法，在各个单目标优化计算结果的基础上，对系统进行多目标优化计算，有效地利用了储库生产能力，为实际天然气地下储气库的优化运行管理提供了理论分析依据。     

基于MATLAB遗传算法优化工具箱的优化计算

采用Matlab语言编制的遗传算法工具箱（GAOT）可实现二进制编码和真值编码的模拟进化计算，此工具箱在遗传操作方面非常灵活。介绍了用遗传算法工具箱解决了连续优化问题和旅行商问题，并给出了两个实例。     

基于广义遗传粒子群优化算法的供应链优化求解

供应链优化研究是供应链管理中的一个重要问题,也是一个难题,首先提出了一个新型供应链优化模型,针对该优化问题的求解,构造了融入特殊自然演化规则的广义遗传算法(GA),并且与粒子群优化结合,得到了广义遗传粒子群优化算法,克服了粒子群优化算法局部收敛的缺陷,提高了其全局收敛的能力。实验表明,对供应链优化问题的求解,广义遗传粒子群优化算法优于传统的遗传算法、粒子群优化算法和分枝界定法。     

交通控制中展宽段设计与信号配时的优化

针对展宽段设计与信号配时之间互相影响和制约的问题,本文提出了优化配时依据和相位相序的解决方法.分析了展宽段设计与信号控制之间的内在联系;提出了交叉口无空间限制条件下展宽段的设计思想,既应满足信号控制需求又要保证排队车辆不发生溢出,且要尽量减少对对向出口道车辆通行的影响,基于此思想综合运用交通控制理论及交通流理论建立了展宽段长度的计算模型;当交叉口空间受限制时,针对直左车流间无相互干扰的情况,提出了以当量饱和流率作为信号配时依据的控制思路,而对于直左车流间存在相互干扰较严重的情况,提出了优化相位相序的控制策略,结合韦伯斯特理论建立了以延误最小为目标的非线性优化模型,并采用遗传算法求解相关参数.最后利用VISSIM仿真软件对提出的方法和模型进行了模拟验证.     

基于仿真优化的飞机维修备件优化问题研究

飞机维修备件优化问题研究目标是寻求备件费用与飞机的战备可靠性之间的平衡。针对通常的解析方法假设过多的问题,提出了仿真优化的方法加以解决,在两种备件优化模型的基础上,建立更符合备件优化实际情况的仿真模型,在仿真模型中引入优化策略,对备件优化问题进行求解。最后,以具体应用遗传算法为例,简要介绍了仿真优化的基本原理、仿真优化算法及仿真优化方法的应用过程。结果表明,仿真优化的方法解决备件优化问题是合理可行的。     

缺陷板材非规则件优化排样

针对理论上属于NPC 问题的非规则件优化排样问题,论文提出一种基于 小生境技术的自适应遗传模拟退火算法与基于内靠接临界多边形最低点的启发式布局算法 相结合的方法。考虑到算法中交叉概率和变异概率的选择影响到算法收敛性,提出了自适应 的交叉概率和变异概率,通过基于小生境技术的遗传模拟退火算法对非规则件排样的最优顺 序和各自的旋转角度进行优化搜索。将非规则件定位在有缺陷原材料和非规则件多边形的内 靠接临界多边形最低点以实现个体的解码,同时避开了原材料表面缺陷。排样实例表明,该 优化排样算法行之有效,具有广泛的适应性。     

离散事件系统仿真中的优化算法

计算机仿真是研究离散事件系统的一类重要方法。在仿真环境下对离散事件系统的参数进行优化是设计高性能系统的必要保证。本文给出了随机型优化问题的分类，并综述了离散 参数和连续参数随机型优化问题中典型的求解算法。