基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性，基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度，避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象．仿真试验表明，提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径，具有更强的鲁棒性．     

基于对偶定理的多目标二层规划算法研究

针对传统的多目标二层规划算法计算效率低,无法实现对多目标二层的直接规划问题,提出并设计基于对偶定理的多目标二层规划算法研究。实验结果表明,该算法可以提高多目标二层规划算法的计算效率,用时较短,可有效实现对多目标二层的直接规划。     

求解一类二层非线性规划问题的全局优化方法

根据模拟退火算法能够有效地求非凸数学规划全局最优解的特点,对一类二层非线性规划问题的上、下层问题求解,并根据二层规划的特点,给出了求解一类二层非线性规划问题全局最优解的有效算法。该算法思路清晰,易于在计算机上实现。     

线性—二次二层规划问题的性质及全局算法

二层规划是一类重要的优化问题．该文先给出线性－二次二层规划问题的性质,提出求解它的有效的全局算法,指出了算法的有限终止性．结果表明算法是可行的．     

两种线性二层规划最优解定义的探讨

为了更好地解决上层带有任意线性约束形式的线性二层规划问题,Chenggen Shi提出了有关线性二层规划解的新定义.本文对Chenggen Shi提出的线性二层规划解的定义与原线性二层规划解的定义之间的关系进行了分析.给出的一个算例表明,对同一个线性二层规划问题,两种最优解定义有可能得到不同的结果,进而提出了两种线性二层规划最优解定义的等价性条件.     

二层规划在矿务局计划产量决策中的应用

二层规划是一个较新的学科领域,本文以徐州矿务局为背景,利用二层规划的分枝定界法,研究了二层规划在煤炭系统中原煤产量优化的实际应用。     

灌溉规划大系统优化方法的研究

大系统优化技术作为解决大规模复杂的灌溉规划问题的一种有效手段，已经得到广泛应用。本文介绍了分解协调方法，并结合灌溉规划中的实际问题，提出了多层递阶结构模型。     

基于混沌控制的多目标不确定环境下移动机器人路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题，提出了一种新的规划算法——混沌控制算法．该算法利用混沌控制原理，根据检测到的目标位置信息，分别采用线性和非线性方法构造目标函数，然后通过牛顿定理，进行路径规划，求出规划节点．最后对算法进行了模拟仿真．仿真结果表明，构造的目标函数在每个目标点周围形成了收敛区域，机器人移向哪一个目标点，由它的初始状态所在的吸引域决定，不必再施加其它控制．这样减少了规划的计算量，提高了路径规划的速度和精度，为以后研究包含多障碍物的不确定环境下的路径规划奠定了基础。     

二层规划超有效解的最优性条件

讨论了下层以上层决策变量为参数，上层以下层的有效值作为响应的一类多目标最优化问题-二层多目标规划，在锥凸假设和广义Slater约束条件下，利用集值映射的相依上导数，给出其超有效解存在的Kuhn-Tucker型必要条件和充分条件。     

复合材料层合板的多脉冲混沌动力学研究

利用非自治系统的广义Melnikov方法研究了受面内与横向简谐激励共同作用的四边简支复合材料层合矩形板的多脉冲混沌动力学行为。基于含有多个相互耦合非线性项复合材料层合板的二自由度非线性常微分运动控制方程,利用非自治系统的广义Melnikov方法,从理论上证明了复合材料层合板存在多脉冲混沌运动,并根据理论结果作了相应的数值模拟研究,进一步验证了所得出的结论。     

混沌优化算法在非线性约束规划问题中的应用

综述了混沌优化算法在国内的研究历史与现状 ,介绍了算法的基本步骤 .针对非线性约束问题 ,提出了一种新的、可行的混沌优化算法 .实例计算表明 ,该算法稳定性好、简单、易于掌握 ,对于多维、非线性、复杂约束问题的求解具有普适性     

一种求解非线性方程组的混沌优化算法

针对非线性方程组的求解问题提出一种混合算法,将方程组转换成一个优化问题。利用优化问题的非线性共轭梯度法与混沌优化方法相结合,提出了一种新的混合优化算法。该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优。算法的收敛性也进行了证明,数值结果表明该算法是有效的。     

一种求解有约全局优化问题的新型混合方法

通过将模拟退火算法与非线性规划神经网络适当结合，本文提出一种求解有约束全局优化问题的新型混合方法．为了使该方法尽可能保持一般模拟退火算法通用性强的优点，在每一次迭代中不是采用非线性规划神经网络直接求原问题的局部最优解，而是通过求解一个辅助优化问题得到原问题的可行解．数值计算结果表明，与使用罚函数方法处理约束的模拟退火算法相比，本文提出的混合方法不仅可靠性高，而且可以显著地提高计算效率．     

求解有约束非线性规划的混合混沌算法

针对带有约束的非线性规划问题,提出了一种新的算法.首先把有约束的非线性规划转化为含有2个目标的无约束的优化问题,然后利用混沌优化算法和最速下降法来混合求解.数值计算结果显示,该算法是可行有效的.     

二层线性规划问题的全局收敛算法

基于单纯形法提出了一种具有全局收敛性质的算法来求解该问题.在该方法中,用下层的Kuhn-Tucker条件代替下层问题,将原二层线性规划转化为传统的单层规划问题.之后利用下层规划对偶问题可行域的顶点将该单层规划转化为一系列线性规划问题,从而用单纯形法来求解这些线性规划来得到原二层线性规划问题的解.最后,用实例验证了该方法的可行性.     

基于惯性因子的混沌粒子群优化算法研究

粒子群优化算法本身在多峰复杂函数时会出现早熟收敛现象,降低粒子的多样性,导致粒子群不能收敛到全局极值点。针对粒子群优化算法的局限性,把混沌优化思想引入到粒子群算法,采用混沌优化粒子群算法对测试函数进行仿真,并在此基础上加入惯性因子对混沌优化粒子群算法进一步改进,Matlab仿真结果表明,改进的混沌优化粒子群算法,结合了混沌和粒子群算法共同的优点,能快速、准确地搜索到全局最优值。     

Chaos quantum particle swarm optimization for reactive power optimization considering voltage stability

The reactive power optimization considering voltage stability is an effective method to improve voltage stablity margin and decrease network losses,but it is a complex combinatorial optimization problem involving nonlinear functions having multiple local minima and nonlinear and discontinuous constraints. To deal with the problem,quantum particle swarm optimization (QPSO) is firstly introduced in this paper,and according to QPSO,chaotic quantum particle swarm optimization (CQPSO) is presented,which makes use of the randomness,regularity and ergodicity of chaotic variables to improve the quantum particle swarm optimization algorithm. When the swarm is trapped in local minima,a smaller searching space chaos optimization is used to guide the swarm jumping out the local minima. So it can avoid the premature phenomenon and to trap in a local minima of QPSO. The feasibility and efficiency of the proposed algorithm are verified by the results of calculation and simulation for IEEE 14-buses and IEEE 30-buses systems.     

一种改进的混沌优化方法及其应用

根据混沌运动的遍历性提出了一种改进的混沌优化算法，其主要思想是把优化变量的取值范围细分为若干个等距区间，在各个区间内同时进行混沌搜索。由于每一次搜索都同时在细分区间内进行，从而加快了搜索的速度，并提高了得到全局最优解的近似精度。将改进算法应用于优化实例的仿真结果验证了这一结论。     

一类特殊的非线性双层规划问题及其遗传算法

利用Karush-Kuhn-Tucker条件,将下层为凸规划的非线性双层规划转化为一个单层规划问题.为了提高遗传算法求解该问题的效率,利用对线性不等式约束添加松弛项和计算非线性约束边界点的方法,给出了一种新的约束处理方法;通过构造一个辅助线性模型降低了搜索空间的维数;结合算法产生的最优个体,设计了一个有助于改善个体适应度的杂交算子.     

变尺度混沌优化方法在电站经济运行中的应用

变尺度混沌优化方法（Ｍｕｔａｔｉｖ Ｓｃａｌｅ Ｃｈａｏｓ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｅｍ,ＭＳＣＯＡ）利用混沌现象的特点,把混沌变量映射到待寻优变量区间,不断缩小优化变量的搜索空间和提高搜索精度,从而有较高的搜索效率。对几个测试函数的优化计算验证了该方法有的效性。电站经济运行问题是一个具有整型变量、连续变量及非线性函数的混合整数非线性规划,本语文将变尺度混沌优化方法首次应用到电站