基于简约SQP和混合自动微分的反应参数优化

针对甲醇-烃动态过程反应参数优化问题,提出了一种基于混合自动微分技术和改进简约空间序列二次规划(rSQP)算法相结合的求解方法.该方法将动态优化问题离散化为以代数方程表示的非线性规划问题, 利用问题结构稀疏、自由度相对较低,并含有大量等式约束等特点,以改进的简约空间序列二次规划算法为求解器来求解优化问题,并在求解过程中,采用混合自动微分技术获取优化问题的一阶导数信息和稀疏结构.计算结果表明,该方法的求解效率比差分求导的标准序列二次规划(SQP)算法高100多倍,比混合自动微分求导的SQP算法高10倍左右,另外求解精度也有显著提高.     

带理性运动极限的序列二次规划算法

序列二次规划(SQP)算法的基本思想是通过一系列的二次规划(QP)子问题来逐次逼近原问题.为了给定QP子问题一个更加合适的求解空间(超多面体),将理性运动极限应用于SQP算法,提出了一种带理性运动极限的序列二次规划算法,从而以较为理性的方式求解搜索方向,而且也有利于确定搜索步长,数值算例表明这一方法是可行且有效的。     

基于蚁群算法的改进装配序列规划方法

机械产品的装配序列直接影响到产品质量和成本,装配序列规划是产品设计的重要内容.为快速实现产品装配序列规划,根据零部件间的装配优先关系,提出了一种改进的装配序列规划方法,并基于蚁群算法予以实现.该方法充分考虑装配过程中的几何约束关系,并引入稳定性、装配经验等因素的影响,以稳定性、装配经验、装配工具和方向的改变次数为影响因子构建优化目标评价体系,使所得解更具有实际指导意义.在求解过程中,根据几何约束关系运用动态候选集合策略限制蚁群的搜索空间,提高了搜索效率;考虑稳定性因素的影响改进了蚁群的状态转移规则,同时引入局部-全局信息素更新规则,保证了蚁群获得最优或近优解.最后,通过实例研究验证了算法的可行性和高效性.     

求解连续空间优化问题的Powell蚁群算法

针对连续空间函数优化问题,提出了Powell蚁群算法.该算法把Powell方法嵌入蚁群算法的局部搜索,提高蚁群算法的搜索精度和收敛效率.全局搜索过程中,把传统蚁群算法中的信息素更新和蚂蚁的转移规则拓展到连续空间中,定义了相应的求解算法.通过对二维多极值非线性函数的寻优实例进行仿真,并与Powell方法的求解结果进行比较,证明该方法的有效性.     

基于蚁群算法的选择性拆卸序列规划研究

为提高选择性拆卸序列规划的效率,提出了基于蚁群算法的选择性拆卸序列规划方法.建立混合优先关系图,表达了产品各零部件间的几何约束关系和拆卸过程中的稳定性影响.针对拆卸目标件,基于混合优先关系图获取拆卸零件集合,保证准确、快速地拆卸目标零件.运用动态候选集合策略限制蚁群的搜索空间,构建了能快速求解的目标件拆卸序列规划方法.最后通过实例验证了所构建方法的有效性和可行性.该方法充分考虑装配过程中的几何关系约束和装配过程中稳定性的影响,使所得解更具有实际指导意义.     

基于粒子群算法求解整数规划的改进方法

标准粒子群算法主要用于优化连续性,而对粒子群算法求解非线性整数规划,算法的粒子位置必须解决取整问题。基此,文章提出一种粒子位置最终取整的方法,以改进粒子群算法解决整数规划的具体过程。基准函数的仿真结果表明,改进后的取整方法的搜索成功率优于直接取整和随机取整,综合搜索效率更佳。     

Krylov子空间算法的并行化策略研究

针对单机计算已不能满足求解大规模稀疏线性方程组的问题,提出一种Krylov子空间方法的并行化设计方案,改进之处在于用一次同步通信完成所有内积计算,改进后的算法降低了内积计算开销,提高了计算效率.     

稀疏最小二乘支持向量机

针对大规模数据集的回归和分类问题，改进了最小二乘支持向量机.以再生核希尔伯特空间中的线性分析为基础，把样本集映射到再生空间中，然后张成再生空间的一个线性子空间，并求出这个子空间的基.利用基线性表示子空间中的其他元素，减小了求解矩阵的维数，通过求解规模相对较小的线性方程组完成对支持向量机的训练.采用该方法对较大规模的数据样本进行了回归和分类仿真试验，并与普通的最小二乘支持向量机进行比较.结果表明，采用该方法解决复杂非线性函数的回归和分类问题，不但可以得到稀疏解，而且计算速度比普通最小二乘支持向量机提高了约20％.     

一类新的求解非线性规划的SQP方法

序列二次规划(SQP)方法求解中小规模非线性约束下的最优化问题很有效,因此,笔者研究了序列二次规划(SQP)方法及其在非线性规划中的应用.利用强次可行的SQP方法求解问题时可以避免罚函数应用的不便,笔者通过修订搜索方向克服了SQP方法中经常出现的Maratos现象,并且通过调整参数降低了计算量,从而提高了算法的收敛速度.在给定的条件下证明了算法的全局收敛性.     

基于加权启发式遗传算法的装配序列规划

传统遗传算法求解装配序列规划问题时会在初始化过程中产生大量非可行序列,影响求解速度并且导致最终得到的规划解质量不高.针对该问题,通过在初始化过程中加入启发式算子和基于无向图的广度优先搜索策略,保证了初始化个体的可行度和高适应度;在此基础上,对装配规划问题的特征重新对选择、交叉和变异算子进行了设计.实验表明,改进后的算法具有更好的稳定性和高效性,并且算法执行过程中不需要注入人工信息,使得装配过程更加自动化.     

二次规划问题的一个全局收敛的内点型算法

目标函数是二次函数而约束函数是线性函数的规划问题称为二次规划问题,它是最简单的一类非线性规划问题,利用二次规划问题的约束函数为线性函数的这个特点,结合约束优化问题的一阶最优性条件,提出了二次规划问题的一个全局收敛的内点型算法.算法比较简单,每一步只需要求解一个线性方程组,不需要大量的计算就可以得到可行下降方向,再设置一组参数,沿着该方向进行线性搜索.算法每次迭代都能保持不等式约束函数的严格可行性,具有内点法的特点,而且在不需要凸性的假设下证明了算法是具有全局收敛性的.最后给出了数值实验,进一步证实了算法的可行性与收敛性.     

SMA被动-自适用控制装置及结构地震反应控制分析

针对SMA被动控制装置减震效果不理想的问题,通过对SMA本构关系的分析,得出SMA弹性模量与温度的关系式,并对超弹性SMA和形状记忆SMA进行了材料性能试验研究.利用SMA弹性模量随温度变化特性和SMA超弹性滞回耗能特性,设计了一种新型SMA被动-自适用控制装置,并给出SMA控制装置最大输出控制力和等效刚度的计算公式.最后,针对某三层框架结构,分别在未控、主动控制和SMA半主动控制三种情况下,进行了地震时程仿真分析.结果表明:大震下框架结构底层位移和加速度反应幅值分别降低50.4%和41.7%,控制效果接近主动控制效果.     

混合优化策略的蛋白质折叠结构预测

为提高蛋白质折叠结构的预测精度,提出了一种融合改进模拟退火算法与序列二次规划法的预测策略.将序列二次规划法加入具有回火退火功能的模拟退火算法中,利用其局部最优化的能力对由模拟退火算法求得的全局优化结果进行二次优化,进而求得全局最优化结果.对所提方法进行了计算机仿真研究,并与其它方法进行了性能比较,实验结果表明,该方法能够有效提高蛋白质折叠结构的预测精度.     

升力式再入飞行器再入轨迹优化分析

在充分调研分析国内外轨迹优化方法的基础上,选择直接法将升力式再入飞行器的再入轨迹优化问题转化成参数优化问题,而后采用序列二次规划法来解该参数优化问题,并采用C＋＋语言编写了优化算法,最后进行了再入飞行器的最大射程轨迹优化分析.仿真结果表明,采用本文所述的方法能够对升力式再入飞行器这一类轨迹优化问题进行优化分析,并具有较...     

一类新的求解非线性规划的SQP方法

序列二次规划(SQP)方法求解中小规模非线性约束下的最优化问题很有效,因此,笔者研究了序列二次规划(SQP)方法及其在非线性规划中的应用.利用强次可行的SQP方法求解问题时可以避免罚函数应用的不便,笔者通过修订搜索方向克服了SQP方法中经常出现的Maratos现象,并且通过调整参数降低了计算量,从而提高了算法的收敛速度.在给定的条件下证明了算法的全局收敛性.     

一种快速实现多峰值函数优化的改进遗传算法

针对基本遗传算法具有的收敛早熟、局部搜索能力差等缺点,提出了一种快速实现多峰值函数优化的改进算法。该算法包含并行小生境技术、可疑峰值点判断、引入局部搜索参数等策略,并采用C语言成功编写了通用程序。数值算例表明：该改进算法能有效防止早熟收敛,明显提高遗传算法的收敛效率,快速搜索到目标函数的所有最优点。该算法对求解多峰值函数优化问题具有普适性。     

主动前轮转向与直接横摆力矩集成控制算法

针对汽车主动前轮转向(AFS)与直接横摆力矩(DYC)协调控制问题,提出了一种基于模型预测控制的集成控制算法。该算法采用分层集成控制结构,设计了模型预测控制器,研究了二次规划轮胎力分配法,并通过仿真实验对算法进行验证。结果表明:控制算法能够提高车辆的稳定性,具有可行性;采用二次规划轮胎力分配法相对于单轮制动轮胎力分配法可扩大稳定性控制范围。     

基于主动横摆力矩优化分配的车辆底盘集成控制

基于二自由度车辆模型设计了车辆底盘集成控制器,开发了基于二次规划法的主动横摆力矩优化分配算法。针对阶跃转向和单移线转向行驶两种典型工况进行了仿真试验。结果表明,所设计的底盘集成控制器具有良好的控制效果,能够明显地改善车辆的操纵稳定性;开发的主动横摆力矩优化分配算法能够充分利用各个执行机构,使得在主动转向角和主动制动压力等输入都较小的情况下,能获得较好的车辆操纵稳定性。