Nelder—Mead单纯形法的推广及其在自动历史拟合中的应用

本在Ｎｅｌｄｅｒ－ｍｅａｄ单纯形法中增加了可行域判断和新的搜索点，使之成为一种可处理含不等式约束的非线性优化算法，且改善了收敛特征。将这种新的算法应用于油藏动态历史的自动拟合，取得了较好的效果。     

多策略改进的天鹰优化算法及其应用

为改善天鹰优化算法(aquila optimizer, AO)在求解复杂优化问题时存在易陷入局部最优等不足,提出一种多策略改进的天鹰优化算法(multi-strategy improved aquila optimizer, MIAO)。首先,提出镜像单纯形法策略扩大天鹰搜索范围,提升种群多样性和逃离桎梏能力;其次,在天鹰算法的X3阶段融入社会自由觅食策略,摆脱全局平均值的束缚,提升迭代后期天鹰个体的多样性;同时,将阶梯步进策略引入X4阶段,保证当前优势个体加快向全局最优前进的趋势,增加收敛速度;最后,改进原有开发机制,提升算法寻优能力。对10个常用基准函数以及CEC2017部分函数进行寻优实验,实验结果与Wilcoxon符号秩和检验结果均表明改进算法具有更好的寻优精度、收敛性能和稳定性。另外,通过一个机械优化设计实验进行测试分析,进一步验证所改进算法的优越性和实用性。     

两种优化方法在湿法冶金试验研究中的应用

介绍了二维空间中单纯形法及坐标轮换法寻找最优条件的实现过程,讨论了两种方法在确定湿法冶金浸出工艺条件方面的应用及确定浸出工艺条件的可行性。研究表明,以单纯形寻优试验得到的最佳参数值作为坐标轮换法的初始值进行优化试验,计算简便,可用较少的试验次数动态地寻求到最佳试验工艺参数。     

两种参数寻优方法及其改进的研究

分析单纯形法和ＬＪ法的优缺点，在此基础上把二者结合起来，提出了一种综合寻优的方法（简称为ＣＰＬ法）。经仿真实验表明，综合寻优方法具有较宽的初值设定范围、快速收敛于最优值的特点，与ＬＪ法相比搜索时间可缩短２０％－５０％左右。     

混合蜂群算法及其在混凝土坝动力参数反演中的应用

介绍了一种新颖的群集智能优化算法—人工蜂群算法(ABCA)，同时为提高算法的搜索效率，在ABCA算法中引入Nelder-Mead单纯形算子，提出了一种用于材料参数反演分析的混合单纯形人工蜂群算法。将所提出的算法用于混凝土重力坝动力材料参数识别问题，建立了基于不完全模态测试数据动力材料参数识别的优化反演模型。算例分析表明，混合算法融合了两种算法的优点，具有收敛速度快、识别精度高等特点，是一种高效的系统优化和参数识别方法。     

单纯形法在PTT DTY生产工艺中的应用探讨

介绍了一种试验最优化方法——单纯形法,并以其在PTT DTY生产工艺中的应用为例,对该法的使用和寻优过程进行了探讨。结果表明:单纯形法能明显降低试验工作量,可用较少的试验次数优化PTT DTY生产工艺条件,并获得后加工性能良好的PTT DTY产品。     

基于Nelder-Mead算法的插装阀AMESim仿真模型优化设计

详细分析二通插装阀的数学模型,建立其流量与进出口压差之间的关系,利用AMESim中的Hydraulic Component Design(HCD)库搭建二通插装阀的仿真模型。根据无导数的Nelder-Mead单纯形优化算法理论,借助Matlab对模型的结构参数进行优化。采用优化结果仿真得到的流量-压降特性曲线与期望特性曲线相当接近,验证了仿真模型的准确性和优化方法的有效性。     

改进搜索机制的单纯形法引导麻雀搜索算法

为了改善基本麻雀搜索算法在处理优化问题时存在的收敛精度不高、速度慢和易陷入局部极小值的问题,提出一种改进搜索机制的单纯形法引导麻雀搜索算法。首先,针对发现者搜索过程随机性过高的问题,改进发现者搜索机制,提高算法收敛速度和稳定性;其次,改进麻雀搜索算法侦察机制,提高算法跳出局部极小值能力;最后,对每一次迭代适应度较差的部分个体采用单纯形法的相关操作,提高算法搜索能力。在8个基准测试函数以及部分CEC2014测试函数上的性能对比,同时结合Wilcoxon秩和检测分析,验证了改进算法的鲁棒性。