Matlab软件优化工具箱的应用

简要介绍了Matlab软件工具箱的特点和功能 ;对优化工具函数进行了分析 ;探索其在最优化设计中的应用。基于Matlab语言的结构优化设计具有语言简单、函数丰富、编程效率高、扩展能力强等特点 ,具有很好的应用前景 ,值得推广。     

Matlab优化工具箱在钻臂设计中的应用

Matlab优化工具箱具有强大的科学计算能力，在工程设计领域得到了广泛的应用。基于优化设计中Kuhn-Tucker（K-T）方程解的原理，本文给出了利用Matlab优化工具箱进行钻臂设计的方法。首先，合理设置优化目标函数和约束条件。然后，使用Matlab优化工具箱进行编程计算。与其他方法相比，使用Matlab优化工具箱进行优化，不仅可以提高计算精度，而且可以减少计算时间，因此在工程设计领域有较强的实际应用价值。     

Matlab优化工具箱在干酪根成烃动力学参数标定中的应用

主要针对干酪根成烃动力学参数的特点,应用MATLAB优化工具箱,对动力学参数已知的干酪根的生烃热解曲线进行固定指前因子和变指前因子方法进行标定。并将MATLAB优化工具箱函数标定的结果与已知的动力学参数在实验室热解生烃曲线和地质条件外推生烃曲线分别进行了比较。结果表明,MATLAB优化工具箱函数完全可以标定出可以满足要求的动力学参数。提出了对不同复杂结构的干酪根样品固定指前因子法和变指前因子法的两种标定方法。对于活化能近似正态分布和活化能分布较为单一的样品可以用固定指前因子的方法进行标定,其他活化能分布较为复杂的样品可以用变指前因子的方法进行标定,且结果均可以达到较为满意的结果。     

基于Matlab遗传算法工具箱的函数优化问题求解

介绍了遗传算法的基本原理和求解流程,详细阐述了Matlab遗传算法工具箱的使用方法,并通过使用遗传算法工具箱对一个典型的函数优化问题进行求解,验证了该工具箱在解决函数优化问题上的有效性和实用性     

遗传算法求解函数优化问题的Matlab实现

本文介绍了遗传算法的基本原理,并重点分析了Matlab遗传算法工具箱的使用方法。在此基础上,给出了一个函数优化问题的实例,以验证Matlab遗传算法工具箱在解决基于遗传算法的函数优化问题上的有效性和实用性。     

Matlab遗传算法工具箱在非线性优化中的应用

投影寻踪是一种降维处理技术,通过它可以将多维分析问题通过投影方向转化为一维问题分析.应用该法的关键在于寻求最佳投影方向,这可以转化为一个复杂的非线性优化问题来进行解决.选取某地区大气环境质量评价的投影寻踪评价模型,编制相关的目标函数和约束函数,应用基于MATLAB的遗传算法和直接搜索工具箱进行优化求解.结果表明:该工具箱在求解此类非线性优化问题上的有效性和方便性,从而为各领域应用投影寻踪模型提供了强有力的优化工具.     

遗传算法及其工具箱在函数优化问题中的应用

函数优化是遗传算法的经典应用领域,也是对遗传算法进行性能评价的常用算例。由此,该文首先对遗传算法的基本原理和定义,以及其工具箱作了简介,最后结合实例,简述了遗传算法及其工具箱在函数优化问题中的应用。     

Matlab符号对象在求解多维非线性方程组中的应用研究

讨论了利用Matlab符号对象进行函数绘图，确定解的存在区间，再利用Matlab功能函数求解数值解的方法。以空间力或势能平衡问题的非线性方程组为例进行了求解。由于采用了Matlab工具箱函数，编程简单，特别适合计算各类发散的非线性方程组。     

基于Matlab的0-1背包问题的动态规划方法求解

背包问题是经典的NP-hard组合优化问题之一,在经济管理、资源分配、投资决策、装载设计等领域有着重要的应用价值。文中用动态规划方法解决0-1背包问题,通过在Matlab6.5环境下对其算法进行测试和与其他方法对比分析,表明应用该方法可节省大量的计算时间,因而具有更高运行效率。     

求解约束优化问题的改进型免疫算法

为了提高免疫算法求解约束优化问题的性能,给出了一种融合乘子法的免疫算法。设计了乘子法对约束条件的转换过程,给出了基于实数编码的克隆变异算子、浓度抑制算子和免疫算法框架,并对标准测试函数进行了实验验证。实验结果表明,该算法优于文献算法,具有较好的应用价值。     

应用改进PSO算法求解待约束优化问题

为解决高维复杂CO问题,可将进化算法中保持物种多样性的思想引入基本PSO算法的方法。针对基本PSO算法在迭代后期粒子活性减弱的问题,引入‘吸引’和‘扩散’两个算子,对基本PSO算法的速度更新公式进行改进和考虑固定惩罚函数无法有效引导粒子向可行解方向搜索的缺点,提出LPFM方法替代固定惩罚函数法,以有效引导粒子进入可行解域,并在迭代后期加强对粒子的约束,使其不至因违背约束所获的收益大于所受的惩罚而收敛到不可行解域。最后对改进的PSO算法进行了试验,试验结果表明改进PSO算法对解决高维复杂CO问题是有效的。     

混沌神经网络在求解优化问题中的应用

本文运用GCM混沌神经网络对Hopfield神经网络在求解优化方面的问题进行了改进。通过混沌遍历,可使Hopfield网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值。通过对一个对弈的实例进行实验,结果显示Hopfield网络的寻优特性获得了较大改进。     

遗传算法求解多模态优化问题的动力性

多模态函数一般存在多个局部极值解, 局部极值解处适应值的大小很大程度上影响了它们被遗传算法搜索到的概率. 为了弄清楚这种影响机制, 通过分析基因池遗传算法的无限种群动力系统, 刻画了双峰函数局部极值解的适值差与系统不动点之间的解析关系, 进一步分析推广了理论结果的适用范围. 最后, 提出针对多模态优化问题的两阶段遗传算法, 给出了应用理论结果改善遗传搜索性能的范例, 实验结果表明该算法对多模态函数的搜索性能有明显改善, 从侧面证明了理论结果在实际应用中的正确性.     

应用遗传算法求解函数优化问题的程序实现

分析了应用遗传算法求解函数优化问题的程序设计中的常见问题，并分别提出了适用方法。     

求解约束优化问题的中心引力优化算法及其工程应用

为了平衡算法的全局探测能力和局部搜索能力,提出一种基于交叉与变异的中心引力优化算法用于求解约束优化问题。该算法首先利用佳点集方法构造初始种群以保证粒子的多样性。以一定概率随机选择粒子与当前最优粒子进行算术交叉操作,引导粒子向全局最优解靠拢。对当前最优粒子进行多样性变异以避免算法陷入局部最优。标准测试函数和工程优化应用问题的实验结果表明,新算法能有效求解不同的约束优化问题。     

面向高维复杂多模态问题的教与学优化求解算法

针对教与学优化算法（Teaching-Learning-Based Optimization：TLBO）在求解一些高维多模态复杂优化问题时,存在种群容易过早陷入局部搜索,导致丢失全局最优解的问题,提出一种改进的TLBO优化算法（MTLBO）。该算法以更接近人类的学习方式,对标准TLBO中的“教”和“学”过程进行了改进,并引入了新的“自学”机制来加强学员的创新学习能力,从而有效提高了算法的全局探索能力。通过10个复杂的多模态优化问题测试表明,在求解复杂多模态问题方面,与5个具有优异性能的TLBO算法和3个经典的群智能计算方法(SaDE,CLPSO, NGHS)相比,本文算法具有全局搜索能力强,稳定性好等明显优势。     

求解约束优化问题的改进果蝇优化算法及其工程应用

针对基本果蝇优化算法收敛速度慢、求解精度低、易于陷入局部极值以及算法候选解不能取负值等不足,提出一种用于解决约束优化问题的改进果蝇优化算法.该算法利用果蝇个体历史最佳记忆信息和种群全局历史最佳记忆信息构建多策略混合协同进化的搜索机制,以达到有效平衡算法的全局探索与局部开发的目的,同时也能够较好地避免算法的早熟收敛问题;...     

自组织分治求解分布式约束优化问题

分布式约束优化问题(DCOP)是在大规模、开放、动态网络环境中的优化问题,在计算网格、多媒体网络、电子商务、企业资源规划等领域中都有广泛应用.除了具有传统优化问题的非线性、约束性等特点,DCOP还具有动态演化、信息区域化、控制局部化、网络状态异步更新等特点.寻求一种解决DCOP的大规模、并行、具有智能特征的求解方法已成为一个具有挑战性的研究课题.目前已提出多种求解DCOP的算法,但大多不是完全分散的算法,存在集中环节,需要网络的全局结构作为输入,不适合处理由规模巨大、地理分布、控制分散等因素导致的全局结构难以获取的分布式网络.针对该问题,提出一个基于自组织行为的分治策略求解DCOP.在不具有全局网络知识的情况下,分布在网络中的多个自治Agent基于局部感知信息、采用自组织的方式协作求解.与已有算法相比,它是一个完全分散式算法,并在求解效率和求解质量方面都展现出很好的性能.     

基于Python的大规模复杂优化问题求解平台设计与应用

优化问题广泛存在于工业生产过程的各种应用层面,且往往描述为大规模复杂优化问题,该类问题的有效求解对于提高经济效益意义重大。现有的商业性通用建模优化软件普遍存在价格昂贵、专用性差、应用门槛高及难以维护和再开发等局限,因此研究一种低门槛、便捷高效的应用开发模式及开发一款理想的优化求解平台十分必要。鉴于此,本文提出基于Python的大规模复杂优化问题求解平台的设计思路,并给出了一般化的设计流程。该平台在通用性、可扩展性和可移植性等方面存在优势。通过与一个基于C#编写的炼厂全厂调度优化软件连接使用,验证了本平台求解优化问题的有效性。