多学科混合变量协同设计优化方法研究

为解决同时含有离散和连续两种变量形式的混合变量复杂产品设计优化问题,利用“分而治之”的混合参数处理思想,在协同设计优化算法的基础上,提出一种多学科混合变量协同设计优化方法．该方法先将优化问题解耦分解成相对简单的多个子系统进行优化计算,然后利用协同设计优化算法的协同机制求得全系统最优解．算例验证结果表明了所提出方法的可行性和有效性．     

新型多学科设计优化算法研究

研究多学科系统优化问题,针对工程系统的复杂性,通过多学科设计优化算法框架协同优化算法的研究,根据现有协同优化算法由于系统级一致性约束的存在计算量大,容易发散等缺点,提出了一种新的多学科设计优化算法框架.算法通过对设计变量的重新分配,简化了耦合变量的解耦过程,从而达到简化优化过程的目的,解决了协同算法的上述缺点.采用iSIGHT软件,对具体算例进行仿真,并与协同优化算法进行对比,验证了该算法的有效性.     

软硬件协同设计算法的嵌入式人脸识别系统

研究人脸识别系统的软硬件设计优化问题,软硬件协同设计是一个多约束条件、多目标的组合优化问题,单一方法难以找到最优协同设计方案.为此,提出一种采用遗传-蚁群算法的嵌入式人脸识别系统软硬件协同设计方法.首先建立软硬件协同设计问题的数学模型,然后利用遗传算法找到问题的可行解,最后采用蚁群算法在可行解中找到全局最优协同设计方案.仿真结果表明,遗传-蚁群算法很好的利用了两种算法优势,解决了单一算法存在局部极优、早熟等难题,提高了软硬件协同设计方案的求解效率,可以找到更优的嵌入式人脸识别系统软硬件协同设计方案.     

求解连续函数优化问题的合作协同进化布谷鸟搜索算法

为改善布谷鸟搜索算法求解连续函数优化问题的性能,提出合作协同进化的布谷鸟搜索算法.改进算法通过应用合作协同进化框架,将种群的解向量分解成若干子向量,并构成相应子群体.利用标准布谷鸟算法更新各子群体的解向量.各子群体为其它子群体提供最优个体,组合成问题解向量并完成子群体评价.经10个测试函数实验仿真,结果说明改进算法能有效改善求解连续函数优化问题的性能.同时,针对连续函数优化问题,该算法与其它算法相比是有竞争力的优化算法.     

协同粒子群优化算法的改进与仿真

传统PSO算法的收敛性能会随求解问题空间维数的增加而下降,根据协同进化原理,通过对传统PSO算法进行协同优化处理,设计一种改进的协同PSO算法。在每次迭代过程中,采用传统PSO算法更新粒子位置和速度,由此产生群体当前的全局最优位置;对所有粒子所经历的最优位置进行降维的协同优化,产生一个参考全局最优解;根据参考全局最优解更新群体当前的全局最优位置。仿真结果表明,该算法可以明显提高收敛速度,在某些问题上可以收敛到全局最优。     

卫星有效载荷的多目标多学科设计优化研究

在卫星有效载荷系统研究中,实施多目标多学科优化的可行性设计。首先,分析了开展卫星有效载荷多学科设计优化的关键技术。建立了包含天线、转发器、数据传输、可靠性、成本和质量的多学科分析模型。然后,应用多目标遗传算法对某卫星有效载荷的可靠性和成本进行多目标设计优化,获得最优解集。最后,运用多学科协同优化结合遗传算法进行可靠性单目标设计优化。研究结果表明:有效载荷的多目标多学科设计优化全面考虑了多个学科之间的关系,设计人员可按需选择其满意的优化结果,大幅提高设计效率;协同优化方法有助于实现学科自治、并行设计,提高设计的灵活性和缩短设计周期。     

用进化算法和函数优化模型分析回溯算法上界

研究的是常出现在求解NP难问题的Davis-Putnam型指数时间回溯算法中的一类多变量递归问题。首先引入适当的赋权函数,把多变量递归函数转化为单变量递归函数;然后提出有效的优化模型,把求解单变量递归函数问题转化为一般的带约束条件的函数优化问题。传统的算法计算精度较差,并且求得的结果多为局部最优解。所以,引进新颖的遗传算法求解优化模型以改进求解精度和速度,并应用此算法求解了set packing问题,计算结果具有很高的精度。     

基于形式概念分析的大规模全局协同进化优化算法

随着复杂网络及大数据技术的发展,大规模全局优化方法已成为复杂工程系统的重要支撑技术.解决大规模全局优化问题的关键在于如何识别决策变量之间的相互依赖关系并根据这些依赖关系进行有效的变量分组.针对该问题,本文提出了一种基于形式概念分析的大规模全局协同进化优化算法,首次将数据分析领域的形式概念分析思想引入决策变量依赖关系分析和自适应分组过程中,进而处理大规模全局优化问题.该算法基于协同进化框架,利用形式概念分析的外延与内涵结构特征,将决策变量转换为形式概念文本,通过文本向量矩阵运算进行决策变量的自适应分组,使其满足高内聚低耦合原则.最后,该算法在大规模(1000维)CEC2013测试集上进行了性能对比实验.实验结果表明,该算法在11个测试问题上(总计15个测试问题)获得了最好的解精度,同时求解的收敛性达到最优.     

一种基于多Agent的进化多目标优化算法

将进化多Agent系统引入多目标优化问题求解，通过Agent的局部搜索机制及Agent种群的协同进化机制来寻求Pareto最优解。在设计的进化算法当中借鉴了人工生命系统中的一些基本方法，如能量、小生境和迁移机制等。实例表明通过该进化算法求得Pareto最优解集具有很高的效率。     

改进的多学科协同优化算法及其应用

多学科优化设计（MDO）是当前复杂系统工程设计中研究最活跃的领域.分析了标准多学科协同优化算法解决实际复杂MDO问题计算困难的原因,提出了基于试验设计的近似模型和智能优化的协同优化算法（NCO）.NCO算法继承了标准协同优化分布并行的思想,采用现代智能算法优化系统级减小优化陷入局部解的可能性,以试验设计为基础的高精度近似模型代替学科真实模型降低计算成本,平滑数值噪声.通过经典MDO测试算例与Alexandrov提出的改进松弛协同优化比较,优化结果表明,NCO能有效提高收敛速率,保证收敛结果的稳定性和可靠性,能更好地满足复杂系统工程优化需要.     

面向方案组合优化设计的混合遗传蚂蚁算法

提出了方案组合优化数学模型.该模型定义了方案功能载体间的广义距离,以广义距离函数作为方案组合优化的目标函数,以方案的性能要求作为约束条件进行优化并获得方案的最优解.在求解该数学模型的过程中,将遗传算法和蚂蚁算法进行改进并融合形成混合算法.实验结果表明,该混合算法较好地解决了方案设计过程中由多个方案组合难以获得优化解的问题.     

改进量子多目标进化算法用于SOC软硬件划分*

采用量子多目标进化算法对从任务级进行抽象建模所得到的系统模型进行软硬件划分,并针对SOC系统设计中存在的特点,对量子多目标进化算法进行改进。采用量子个体编码方案,避免个体编/解码的冗余。并将Pareto最优概念与多目标优化相结合,从而实现了兼顾系统面积、功耗、时间等参数的软硬件划分方法。仿真对比实验结果表明,该算法一次运行可以获得多个Pareto最优解,为各个目标函数之间权衡分析提供了有效的工具,提高了设计效率。在满足系统性能要求下,可为复杂SOC系统提供多个设计目标的全局优化方案。     

基于Pareto最优的PID多目标优化设计

现有的PID优化方法往往难以同时兼顾系统对时域和频域性能的要求,针对这一缺陷,提出了一种PID多目标优化方法：将动态性能指标作为优化目标,频域性能指标作为约束条件,采用基于Pareto最优的多目标优化算法对其求解。该算法采用新的拥挤距离计算方法,引入双重精英机制,进化效率高,得到的Pareto最优解集多样性好,决策者可根据当前工作需求从中选择最终的满意解。仿真结果证明了本文方法的有效性。     

基于改进PSO算法的MAP图标定点选择新方法

为提高基于MAP图的控制系统驱动效果,并有效减小控制系统内的存储量,提出了一种基于改进粒子群算法的MAP图中标定点择优选取新方法。以液压机械无级变速传动比控制系统中采用的MAP图为例,将其横坐标的两个变量在其定义域内等分,并采用改进粒子群算法选取等分后每段内的坐标点数量和位置。选取过程采用多目标优化原理结合了随机产生100个点的实际值与MAP图线性插值的平均误差以及选定的标定点数量。为提高算法执行效率,对粒子群算法的迭代准则、惯性权重和学习因子进行改进。结果表明,改进后的粒子群算法收敛速度快,寻优精度高,仅需较少的标定数据即可制作控制效果较佳的MAP图。     

利用协同演化方法实现深基坑支护的分布式优化

基坑支护优化是一个多层次、多参数的复杂系统,常规方法很难体现其层次性.针对深基坑支护问题的层次性和层次性问的相互影响,提出了一种新的协同优化算法:协同演化优化算法.该将现有的协作优化和协同演化结合起来,充分利用了协同演化的层次性和协作优化的并行性.分析了应用于深基坑支护复杂系统设计的协同演化优化算法,讨论了优化子系统间的存在的耦合关系和处理方法,最后以锚固式排桩支护和截水帐幕的并行协同设计,验证了算法的有效性.     

基于改进粒子群算法的分布式智能照明系统

针对现有公共建筑照明系统存在的高成本、分布式与集中式控制结合能力不高、交互性不强等问题,应用智能优化算法,在分布式框架上实现区域协同照明控制。通过采集窗户处照度信息,预测透过窗户的自然光在工作面上产生的照度值,当自然光不足需要人工光源补充时,通过协同配合,各区域利用改进粒子群算法计算出区域内最佳的灯具开度组合,达到均匀照明,实现舒适性与节能的最佳综合。当照明需求改变时,可以通过WEB端进行修改。最后,通过实际办公室模型在DIALux evo上进行仿真验证。在不同照明需求和环境条件下,实验结果表明相较于普通控制方式（全开全关）,该方法在节能和舒适度上具有良好的性能,能有效控制工作面照度,各工作面的最大照度误差都在10%之内,控制方案切实可行,具有实用价值。     

混沌精英池协同教与学改进的ChOA及其应用

针对黑猩猩优化算法存在全局搜索能力弱、寻优精度低、收敛速度慢等问题,提出一种混沌精英池协同教与学改进的黑猩猩优化算法（chimp optimization algorithm improved by the elite chaos pool collaborative teachinglearning,ECTChOA）。采用混沌精英池策略生成初始种群,增强初始解的质量和种群的多样性,为算法全局寻优奠定基础;引入自适应振荡因子平衡ChOA的全局探索和局部开发能力;结合教与学优化算法的教学阶段和粒子群优化算法的个体记忆思想优化种群位置更新过程,提高算法的寻优精度和收敛速度。仿真实验将ECTChOA与标准ChOA、其他元启发式优化算法和最新改进ChOA在12个基准测试函数下进行寻优对比,实验结果与Wilcoxon秩和检验p值结果均表明所提改进算法具有更高搜索精度、更快的收敛速度和更好的鲁棒性。另外,将ECTChOA应用于机械工程设计案例中,进一步验证ECTChOA在实际工程问题中的可行性和适用性。     

分布式系统TTCAN调度优化算法研究

总线技术的发展给线缆测试仪带来了分布式、信息化、网络化的新需求,且在分布式线缆测试仪工作过程中,测试线路的数目增加也对总线数据通讯的稳定性和通讯效率提出了更高的要求。针对分布式系统在线缆测试中的应用需要,设计并优化了分布式线缆测试仪工作的TTCAN应用层协议和其系统矩阵。对于分布式系统通信中的周期性消息形成的系统矩阵先后采用遗传算法、改进型差分进化算法进行优化,对于其中的非周期性消息采用基于松弛度的动态优先级算法。在MATLAB仿真环境中进行实验,实验结果表明,改进型差分算法比遗传算法能够更快、更稳定地计算出优化矩阵,经调度优化后的TTCAN总线工作时数据传输效率有显著提高。论文通过智能优化算法,有效提高了系统总线的通讯效率和稳定性。     

分布式数据库系统的查询优化技术研究

数据库数据量日益增多,造成了用户在使用数据库系统查询时费时费力,传统的查询优化方式已无法满足如今的数据查询要求,提高数据库系统优化的效率也成为计算机研究工作的热点。提出基于半连接算法的分布式查询处理技术对数据库系统进行查询优化,提出半连接操作的查询优化算法(SDD-1),并采用实验分析的方法进行验证,计算查询算法的代价。结果表明,基于半连接的研究策略的分布式数据库查询优化可以显著降低传输代价,使查询总效率得到有效提高。     

改进天牛须算法对滑翔炸弹控制器的优化设计

对于采用BT T控制策略的滑翔炸弹这一复杂非线性系统,经过线性化处理后运用分通道设计的思路,来分别对俯仰偏航双通道进行设计.首先描述了其动力学模型,在对该模型分析的基础上,提出了添加混沌扰动的改进天牛须搜索算法,在每次迭代过程中对步长进行了自适应的动态调整,从而设计了基于此算法优化的LQR控制器.经Simulink仿真后对结果进行分析,改进优化算法其优化结果可以更好的跳出局部最优点,且在不同马赫数下设计的控制器都可以较好的满足系统的输出要求,同时也克服了以往经验试凑参数的非通用弊端,从而更好的满足在线调节的要求.