An analysis,design and tuning of Cascade Control Systems in the presence of constraints in actuator and process outputs

In the presence of rate constraints in actuator, design of cascade controller based on the primary controller conditional integration can result into closed-loop system oscillations. Stability analysis, performed by the describing function technique and confirmed by simulation, demonstrates that the solution based on the Anti-Reset Windup Cascade Control System (ARW CCS) structure is successful. Design and tuning of the ARW CCS secondary controller is a standard ARW single-input single-output problem. In the present paper tuning is proposed for the ARW CCS primary controller. For the serial process modeling simple rules are derived and confirmed by experimental results, obtained on a drum type boiler of a 210 MWe lignite coal fired unit. General design of the ARW CCS is based on the parallel process modeling and optimization of the primary controller. Optimization is performed in the frequency domain, under constraints on the maximum sensitivity, multiplicative uncertainty bound and sensitivity to measurement noise. Simulation and experimental results on a laboratory thermal plant demonstrate effectiveness of the proposed optimization.     

A bi‐objective approach to reschedule new jobs in a one machine model

We consider a one machine scheduling model, minimizing a classical objective function—either the total completion time or the maximum tardiness—and with two sets of jobs: one with initial jobs already scheduled and one with new jobs that must be inserted in the schedule. As such rescheduling can create a modification of the schedule of the initial jobs, a disruption objective is considered in addition to the original objective. This additional objective can be formulated in four different ways. Such model has been introduced by Hall and Potts, minimizing either a linear aggregation of the two objectives or the initial objective under a constraint giving an upper limit of the disruption objective. In this paper, the aim is to obtain the set of efficient schedules in regard to the two objectives. Algorithms are provided for the eight possible bi‐objective problems and illustrated by some didactic examples.     

基于奇偶树型交互学习机与遗传算法的密文优化系统

为使图像加密系统具备优化功能,并解决当前遗传算法无法实现全局最优、收敛速率慢等问题,提出奇偶树型交互学习机耦合全局离散遗传算法的密文优化系统。定义权值更新机制,耦合混沌映射,构造奇偶树型交互学习机及其互扰模型。将切断型轮盘赌择取机制引入均匀交叉算子中,以图像分块的相邻像素相关系数和密文信息熵为目标,根据权重理论设计加权适应度函数,提出一种全局离散遗传算法,最终形成"初始加密-密文优化"的加密结构。实验结果表明,与超混沌算法、离散遗传算法、元胞自动机相比,该系统的加密质量较好,并且具备全局优化功能,可优化所有迭代结果,使最终输出密文的信息熵最大,相关系数最小。     

多交叉混沌选择反向小生境遗传算法

为提高小生境遗传算法的全局以及局部搜索能力,提出一种多交叉混沌选择反向小生境遗传算法。利用分段线性混沌映射函数生成一组混沌数序列,在每次进行交叉操作前,依据序列中对应元素的数值大小选择不同的交叉算子进行操作,通过小生境遗传算法产生较优的子代种群。针对子代种群,应用反向搜索策略获得反向种群,在子代种群和反向种群中进行精英选择得到最终新种群,以进一步加强算法的局部寻优能力。仿真实验结果表明,该算法在最优解及均值方面好于小生境遗传算法,从而证明其可行性和优越性。     

虚拟场景中有宽度物体移动路径的优化方法

提出一种虚拟场景中有宽度物体移动路径的优化方法,在地图掩码数据经过寻路算法搜索后,得到一组连续路径节点组成的节点集,从起始节点出发,沿着路径节点找出离起始节点最远且没有障碍物遮挡的可见节点,作为下一个起点,循环往复直至节点集的终止节点,并顺序连接这些可见节点,即可得到优化路径。通过合并节点集中的多余节点,使路径更平滑,从而减少物体移动过程中改变方向的次数,解决有宽度物体无法通过狭窄通道后,须重新计算路径的问题,达到了更好的用户体验效果。     

基于CUDA的并行粒子群优化算法研究及实现

应用图形处理器(GPU)来加速粒子群优化(PSO)算法并行计算时,为突出其加速性能,经常有文献以恶化CPU端PSO算法性能为代价。为了科学比较GPU-PSO算法和CPU-PSO算法的性能,提出用"有效加速比"作为算法的性能指标。文中给出的评价方法不需要CPU和GPU端粒子数相同,将GPU并行算法与最优CPU串行算法的性能作比较,以加速收敛到目标精度为准则,在统一计算设备架构(CUDA)下对多个基准测试函数进行了数值仿真实验。结果表明,在GPU上大幅增加粒子数能够加速PSO算法收敛到目标精度,与CPU-PSO相比,获得了10倍以上的"有效加速比"。     

FO-CA:一种基于距离差异度组合权重的多属性数据分类方法

为了解决多属性数据分类问题,提出了一种基于模糊优选模型与聚类分析的分类方法(FO-CA)。首先由模糊优选模型得到有序综合指标数据集,其中在权重阶段提出了距离差异度并以此为依据构建了一种组合主客观权重的赋权方法;然后采用聚类分析将有序综合指标数据集聚类为几个簇进而分类;最后选取UCI中的Iris、Wine和Ruspini 3个数据集进行仿真实验。实验结果表明,该分类方法相比模糊优选方法及K-Means算法能获得更好的分类结果,对决策者有一定的参考价值。     

一种基于混合量子粒子群的快速运动目标跟踪算法研究

量子粒子群算法在优化过程中需要权衡局部探索性和全局开拓性,进化后期由于全局开拓能力的丧失使得种群多样性减少,设计了一种基于欧式距离的混合量子粒子群算法,通过计算粒子的种群多样性,当种群多样性低于阈值范围时加入基于欧式距离的种群划分策略划分子种群,从而保证获得全局最优解。利用标准测试函数验证提出的混合量子群算法有效性。提出了基于混合量子粒子群的Mean Shift算法(HQPSO Mean Shift)完成目标快速跟踪,克服传统Mean Shift算法的在跟踪快速移动目标时出现"跟丢"的问题。     

一种基于CloudStack的企业级云资源平台网络优化研究

在对云资源平台的现状进行分析后,提出了一种基于Cloud Stack的企业级云资源平台网络优化方案,通过与现有3种解决方案进行对比,展示了该方案的可靠性和有效性。同时,针对可能存在的风险和不足进行了充分的考虑和论证,并给出了应对措施。     

微分进化算法整数编码策略实现研究

微分进化算法（DE）是模仿生物进化“优胜劣汰、适者生存”的一种随机优化算法,具有简单、快速、鲁棒性好等特点,已经得到广泛应用.通过运用微分进化算法的整数编码方法,在整数空间中求解,并在实数空间中计算解的适应度.使用测试函数对程序进行测试,证明了整数编码解对空间个体中寻优的快速性、准确性.