基于动态规划算法的二阶段迭代模型任务分布方案的寻优

针对利用启发式算法求解二阶段迭代模型的最优任务分布方案容易陷入局部最优解的问题,引入具有全局搜索特性的动态规划算法,将二阶段迭代模型任务分布方案的寻优过程划分为若干个子问题,通过各子问题的最优化得到全局最优的任务分布方案,以保证任务执行时间为全局最短,减少设计迭代过程的时间成本。以某照相机的开发为例,通过对基于启发式的寻优和基于动态规划算法的寻优的求解结果比较,说明了后者的有效性。     

数控速度规划中的时间最优凸优化方法

针对数控高速高精加工中的速度规划问题,考虑速度、电机力矩和轮廓误差等约束条件,对以时间最优为目标的凸优化方法进行了研究。建立了包含轮廓误差等约束与速度平滑因子的完整速度规划模型,通过参数离散化使问题转化为静态最优问题。为改善求解效率并保证全局最优解,将离散规划模型中的复杂非凸目标函数和约束通过数学变换最终转化为凸优化问题,得到多项式时间的全局最优解。通过数值仿真实验验证了该方法的有效性,分析了平滑因子的影响与计算效率。     

两机flow-shop类型模具热处理车间批调度算法

总结模具热处理车间生产调度的特点,在工件动态到达的情况下,研究了两阶段均为批处理机、各批次加工时间为定值的流水车间批调度问题。以最小化最大完成时间为目标建立混合整数规划数学模型,证明问题是NP难并给出最优目标函数值的下界,构建并证明一种求解大规模问题最优解的算法。算法首先求解分批数量上下界,然后构造数学模型并求解在给定分批数量下对应的最优解,最后通过对比各给定分批数量下得到的解并得到全局最优解。对于小规模问题,通过与传统分枝定界法得到的最优解相比较,说明所提算法能得到问题的最优解且计算时间更短;对于大规模问题,在不同生产状况下随机产生多组数据、对所提算法进行验证,结果显示该算法是有效的。     

基于遗传模拟退火融合算法的船舶分段装配序列优化

针对复杂船舶分段装配序列规划问题,提出基于遗传模拟退火算法的分段装配序列规划求解方法,综合考虑分段装配中的工艺约束和几何约束,建立以分段装配所需时间和消耗成本为优化目标的问题模型,并为模型求解设计了遗传模拟退火融合算法,将模拟退火算法的局部搜索能力与遗传算法的快速全局搜索能力相结合,达到快速收敛到全局最优解的目的.通过实例验证了该算法的有效性.     

基频约束结构优化设计的线性矩阵不等式方法

介绍了半定规划及线性矩阵不等式 (LMI)的基本概念 ,给出具有基频约束的桁架结构优化问题的半定规划形式。半定规划法 (或称线性矩阵不等式方法 )可以有效地求解该问题的全局最优解 ,最后以一个简单桁架结构为算例     

求解过道布置问题的一种改进分散搜索算法

为更好地反映实际布置情况,针对现有研究在求解过道布置问题时忽略通道宽度、未设置总流量入口等不足,构建了考虑通道宽度和总流量入口的混合整数规划模型,提出一种改进分散搜索算法进行求解。该算法将禁忌搜索操作嵌入分散搜索的解改进方法中,可以进一步优化参考集中的解,提高获得全局最优解的概率。设计了包含高质量和多样性解的双层参考集、动态参考集更新方法、子集产生方法等多种改进机制。对不同规模(9~49个设施)的测试问题进行了验算与对比,结果表明:针对小规模问题,所提算法均求得了与Lingo软件相同的最优解;对大规模问题的求解质量明显优于基本分散搜索算法和禁忌搜索算法。     

改进的自适应遗传算法在皮革裁剪路径优化中的应用研究

针对皮革数控裁剪机加工效率不高的问题,提出了一种基于动态规划与新自适应遗传算法相结合的路径优化算法。通过对切割轮廓序列的动态规划全局最优性分析,得到一条最短的走刀路径,再采用新自适应遗传机制及动态规划由此路径构建新的走刀路径,如此反复迭代,最终得到一条多轮廓的全局最优路径。实验结果表明,该方法求解的结果比其它优化算法更能接近全局最短路径。     

塔式起重机变幅机构的模糊优化设计

以塔式起重机变幅机构中蜗轮齿冠体积最小为优化目标，建立了模糊优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题，故应用MATLAB遗传算法工具箱寻求问题最优解，使求解过程得到简化，能可靠地获得全局最优解。     

基于全局动态应力解空间谱单元插值的关键时间点识别

针对结构动态响应优化中动态分析的复杂性与高耗时性问题,提出了基于全局动态应力解空间谱单元插值的关键点识别方法,找到结构动态响应下最危险的时刻。首先利用模态叠加法,获得结构的模态应力分布,并计算全局动态应力解空间,然后利用谱单元离散动态应力绝对极大值点曲线,采用Lagrange插值并调用区域细分全局优化求解器,找到全局动态应力的极大值与极小值,即关键时间点。将该方法应用到124杆平面桁架和均布力与集中力共同作用的结构关键时间点识别问题中,识别结果说明了该方法的可行性和有效性。     

应用遗传算法的塔机起升机构模糊优化设计

针对塔式起重机起升机构的设计实例，考虑到设计参数取值的不确定性，在满足承载能力和传动比分配要求条件下，以起升机构的减速器中心距最小为优化目标，建立了该问题的模糊优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题，故应用matlab遗传算法工具箱寻求问题最优解，使求解过程得到简化，能可靠地获得全局最优解。     

基于调速能量的EMCVT电动汽车全局优化

综合考虑电机、电池、机电控制无级自动变速器效率,采用全局动态规划的方法,以电池荷电状态值为状态变量、变速器速比为决策变量,获取装备机电控制无级自动变速器的电动汽车在NEDC工况下的全局最优控制策略。建立了机电控制无级自动变速器调速模型,获取调速过程中的能量消耗。在全局优化控制策略的基础上,将调速能量消耗纳入指标函数,进一步优化无级变速器速比和电机扭矩。优化结果表明,采取所提出的优化策略可有效减少调速次数,进一步降低系统能量消耗。     

约束阻尼变密度材料属性合理近似插值模型全域灵敏度减振优化

针对圆柱壳约束阻尼拓扑减振优化问题，基于变密度材料属性合理近似插值模型，构建以模态损耗因子最小为优化目标的拓扑减振模型，引入振型控制因子MAC评价振型的阶跃状态，寻优迭代轻量化约束设计域内的减振优化解。推导目标灵敏度的插值模型，演算全域优化求解算法，建立∞-范数的全域灵敏度拓扑变量优化准则，避免非凸优化函数的部分目标灵敏度参与优化迭代的局部优化解和跳跃。编程实现了壳构件约束阻尼结构的减振优化分析。结果表明：全域优化算法寻优域广，迭代历程稳定时间短、敷设部分阻尼材料易获得有效的减振效果。     

遗传算法在串-并联冗余系统可靠性优化设计中的应用

串-并联冗余系统可靠性的最优设计是可靠性技术中一个十分重要的问题。讨论了遗传算法及其在串-并联冗余系统可靠性优化设计中的应用。串-并联冗余系统具有冗余单元和可选设计，其可靠性优化设计是一高度非线性、具有多极值点、有约束的整数规划问题，传统的解决方法往往对于连续实数域有效可行，而对于解决此类多变量，离散型整数域取值的复杂的优化问题则往往很困难。由于遗传算法是一类全局收敛算法，它用点群进行寻优，而不是用一个单点进行寻优，具有隐含并行算法的特点，从而能够得到全局最优解。所给出的实例说明本文的算法是有效可行的。     

基于可用度和维修成本的设备维修建模与优化

研究多部件混联机械设备的维修建模与优化问题。以设备许用可用度为约束条件，以维修成本最低为目标，以维修周期为变量，建立设备维修优化模型。利用Monte Carlo仿真求解目标函数，采用基于事件排序的可变步长时钟推进机制，利用投影法统计固定时间区间内的故障次数及故障持续时间，基于最小路集判断设备运行状态，提出了防止部件出现过度故障的故障屏蔽法，利用遗传算法的搜索能力实现目标函数的全局寻优。以一齿链复合传动系统为例，验证模型及解法的有效性。     

扩展拉格朗日乘子粒子群算法解决工程优化问题

工程上很多优化问题,如容器设计、波纹管、板翅式换热器的结构优化设计等,皆为非线性约束优化设计问题,常采用惩罚函数法处理约束条件;为获得问题最优解,该方法需要合理确定初始惩罚因子,且需要动态惩罚因子无穷大。扩展拉格朗日乘子法是一种改进的惩罚函数法,可以克服惩罚函数法的不足,获得全局最优解,但目前对其研究和应用有限。对拉格朗日乘子法与粒子群算法相结合处理非线性约束问题进行研究,提出惩罚因子更新策略,确定扩展拉格朗日乘子粒子群算法合理的操作过程。标准测试函数结果显示：提出的方法及策略实现了扩展拉格朗日乘子粒子群算法解决非线性约束问题,并得到了问题的全局最优解;其在容器及波纹管系列优化设计中的应用进一步显示,提出的方法在处理非线性约束工程实际问题时,运行稳定可靠,可快捷获得问题的全局最优解或近似最优解。     

两挡纯电动汽车多目标参数解耦优化方法

提出了一种采用分层方法的解耦优化算法。外层采用多目标粒子群算法对整车动力部件参数进行优化，同时引入对电池以及逆变器的效率优化，将得到的不同优化结果实时提取并传递给内层；内层采用Bellman动态规划算法，根据外层优化得到的动力部件参数求解，建立优化后的换挡策略。在此基础上，通过广义回归神经网络提取动态规划的换挡优化结果，利用所得到的换挡策略建立了自适应驾驶员模型和整车正向仿真模型，以动力性和经济性为目标，通过整车正向仿真分析对分层优化结果进行进一步选择。研究结果表明，该优化算法实现了换挡控制策略与动力部件参数的解耦，有效提高了优化效率，同时能够获得全局优化结果，明显提高了整车经济性。     

基于随机动态规划的混合动力履带车辆能量管理策略

混合动力履带车辆采用发动机—发电机组和电池组混合供电,必须设计满足车辆动力性和燃油经济性约束的能量管理策略。针对串联式混合动力履带车辆,提出一种基于随机动态规划的能量管理策略设计方法。以实车行驶试验数据为目标工况,将驾驶员功率需求抽象为随车速变化的马尔科夫过程。建立发动机—发电机组、电池组以及直流母线功率平衡动态模型。以目标工况中燃油消耗及电池最终荷电状态的偏差作为车辆的优化控制成本函数,建立车辆能量管理最优控制问题。采用策略迭代法求解以发动机转速、电池组荷电状态、车速和驾驶员功率需求为输入、发动机电子节气门为输出的最优控制策略。所得控制策略通过基于前向车辆模型的仿真以及行驶试验验证。结果表明,相对于原发动机多点控制策略,所得最优控制在满足目标工况同时,燃油经济性明显提高。     

基于组合优化策略的动车组悬挂参数优化设计

为快速获得改善车辆横向平稳性的最优悬挂参数,提出基于自适应模拟退火算法和非线性序列二次规划算法的组合优化策略对动车组悬挂参数进行优化设计。建立动车组动力学模型,利用最优拉丁超立方抽样方法选取对横向平稳性影响较大的悬挂参数作为设计变量;以横向平稳性为目标函数构建Kriging代理模型,并利用可决系数检验代理模型精度;采用自适应模拟退火算法对代理模型进行全局范围内初步寻优,在初步最优解的基础上采用非线性序列二次规划算法进行局部空间精确求解。研究结果表明,基于Kriging代理模型和组合优化策略的优化效率明显提高,车辆横向平稳性得到显著改善,并且优化前后运行稳定性均满足要求。     

Structural topology optimization for the natural frequency of a designated mode

The homogenization method and the density function method are common approaches to evaluate the equivalent material properties for design cells composed of matter and void. In this research, using a new topology optimization method based on the homogenized material with a penalty factor and the chessboard prevention strategy, we obtain the optimal layout of a structure for the natural frequency of a designated mode. The volume fraction of nodes of each finite element is chosen as the design variable and a total material usage constraint is imposed. In this paper, the subspace method is used to evaluate the eigenvalue and its corresponding eigenvector of the structure for the designated mode and the recursive quadratic programming algorithm, PLBA algorithm, is used to solve the topology optimization problem.     

基于遗传算法的最大似然参数优化估计

用最大似然法进行参数优化估计时，为了避免常规优化算法由于受迭代初值的影响不易收敛到全局最优解的缺点，文中采用遗传算法，不再需要估计优化变量的初始值即可获得全局近似最优解。建立以似然函数为目标，求其极大值点即可确定参数最优解的优化模型。为了更好地确保遗传算法获得全局最优解，在传统遗传算法的基础上采用尺度变换适应度函数、并行操作、保留最优个体等方法，进一步保证方程解的精度。最后以威布尔分布为例进行参数估计，结果表明，改进的遗传算法可以在求解效率和收敛性能上达到较好的平衡，能更好地将优化方法与最大似然估计法相结合。