ATC与CO方法对比及其在卫星设计问题中的应用

针对解析目标分流(analytical target cascading,ATC)与协同优化(collaborative optimization,CO)方法对比及ATC方法在卫星多学科设计优化(MDO)中的应用等问题,研究ATC与CO方法的原理差异;将其应用到两个数学解析算例,通过对比ATC与CO方法在优化过程中系统、子系统问题以及全部问题所需的函数运算次数,可以看出ATC方法可以大大减少子系统问题函数运算次数,计算效率较高.采用ATC方法求解某观测卫星MDO问题得到合理结果,表明了ATC方法的有效性,可为同类航天器MDO问题求解提供参考.     

参数线性规划问题的新型光滑精确罚函数神经网络

针对不等式约束条件下,目标函数和约束条件中含有参数的线性规划问题,提出一种基于新型光滑精确罚函数的神经网络计算方法．引入误差函数构造单位阶跃函数的近似函数,给出一种更加精确地逼近于Ll精确罚函数的光滑罚函数,讨论了其基本性质;利用所提光滑精确罚函数建立了求解参数线性规划问题的神经网络模型,证明了该网络模型的稳定性和收敛性,并给出了详细的算法步骤．数值仿真验证了所提方法具有罚因子取值小、结构简单、计算精度高等优点．     

基于内部罚函数的进化算法求解约束优化问题

为解决现有约束处理方法可行解的适应度函数不包含约束条件的问题,提出了一种内部罚函数候选解筛选规则.该候选解筛选规则分别对可行解和不可行解采用内部罚函数和约束违反度进行筛选,从而达到平衡最小化目标函数和满足约束条件的目的.以进化策略算法为基础,给出了基于内部罚函数候选解筛选规则的进化算法的一个实现.进一步地,从理论和实验角度分别验证了内部罚函数候选解筛选规则的有效性:以(1+1)进化算法为例,从进化成功率方面验证了内部罚函数候选解筛选规则的理论有效性;通过13个测试问题的数值实验,从进化成功率、候选解后代是可行解的比例、进化步长和收敛速度方面验证了内部罚函数候选解筛选规则的实验有效性.     

处理动态优化问题中控制变量路径约束的方法

目前国际上对动态优化问题中的状态变量路径约束已有一些研究,但专门处理控制变量路径约束的方法却鲜见报道. 本文首先介绍两种分别基于三角函数变换、约束算子截断来处理控制变量路径约束的方法,然后提出一种基于光滑化的二次罚函数方法. 光滑化罚函数方法不仅能够处理控制变量路径约束,而且还能同时处理关于状态变量的路径约束. 最后使用目前流行的控制变量参数化 (Control variable parameterization, CVP)策略对最终获得的、不再含控制变量路径约束的动态优化问题求解. 实例测试一展现了三种方法各自的特点;实例测试二表明了光滑罚函数方法的有效性和优越性.     

基于Oracle罚函数的自适应约束差分进化算法

为有效求解约束优化问题,减少算法参数,提出基于Oracle罚函数方法的自适应约束差分进化算法。为满足求解优化问题的常用标准,提出一种改进的Oracle罚函数方法。将改进的Oracle罚函数方法与三种自适应差分进化算法相结合,提出三种自适应约束差分进化算法。对11个典型测试函数的优化结果验证了Oracle罚函数方法与自适应差分进化算法结合的有效性。与参考文献中提出的算法的比较结果表明该方法具有良好的寻优性能,因此基于Oracle罚函数方法的自适应约束差分进化算法是一种有效约束优化方法。     

一种关于目标罚参数的精确罚函数法

罚函数法是一种将约束优化问题转化为无约束问题的重要方法.对于一般的约束优化问题,通过加入新参数,给出了一种改进的精确罚函数和这种罚函数的精确罚定理证明,提出了求解这种罚函数的算法.实验表明该算法是有效的.     

动态罚函数法求解约束优化问题

针对罚函数法在求解约束优化问题时罚系数不易选取的问题,提出一种基于动态罚函数的差分进化算法.利用罚函数法将约束优化问题转化为无约束优化问题.为平衡种群的目标函数和约束违反程度,结合ε约束法设计了一种动态罚系数策略,其中罚系数随着种群质量和进化代数的改变而改变.采用差分进化算法更新种群直到搜索到最优解.对IEEE CEC...     

基于改进粒子群算法的再入飞行器轨迹优化

采用基于距离量度和自适应惩罚相结合的约束处理技术的改进粒子群优化算法(PSO)应用于再入飞行器轨迹优化,避免适应值函数中复杂的罚函数及罚因子的设计,提高优化算法的通用性.以高超声速飞行器最小控制量再入轨迹优化为例,并对飞行器运动模型进行简化及控制量参数化.对两种不同的高超声速飞行器模型进行优化,仿真结果验证算法的有效性...     

基于融合Lasso的非参数加性分位数回归模型

加性分位数回归为非线性关系的建模提供一种灵活、鲁棒的方法.拟合加性分位数模型的方法通常使用样条函数逼近分量,但需要先验的选择节点,计算速度较慢,并不适合大规模数据问题.因此文中提出基于融合Lasso的非参数加性分位数回归模型(Nonparametric Additive Quantile Regression Model Based on Fused Lasso, AQFL),是在融合Lasso罚和l₂罚之间折衷的可对加性分位数回归模型进行估计和变量选择的模型.融合Lasso罚使模型能快速计算,并在局部进行自适应,从而实现对所需分位数甚至极端分位数的预测.同时结合l₂罚,在高维数据中将对响应影响较小的协变量函数值压缩为零,实现变量的选择.此外,文中给出保证收敛到全局最优的块坐标ADMM算法(Block Coordinate Alternating Direction Method of Multipliers, BC-ADMM),证明AQFL的预测一致性.在合成数据和碎猪肉数据上的实验表明AQFL在预测准确性和鲁棒性等方面较优.     

基于罚函数的小生境遗传算法在MATLAB中的实现

介绍了罚函数的基本概念及目的，阐述了基于罚函数的小生境遗传算法的基本思想及算法步骤，探讨了在MATLAB环境中实现该算法各算子的编程方法，并通过数值实验说明基于罚函数的小生境遗传算法具有较好的多峰搜索能力。