多媒体服务器集群系统节能建模与在线优化

提出了一种基于马尔可夫切换状态空间控制模型的多媒体服务器集群系统能耗最优控制方法.通过建立多媒体服务器集群的随机控制模型,将能耗最优控制描述为一个带约束的优化问题.结合拉格朗日乘子法和性能势理论,提出了一种在线策略迭代算法.该优化算法通过样本轨道在线寻找最优控制策略,寻找过程不需要精确的系统参数信息.仿真实验证明了该算法的有效性.     

基于二次型性能指标的混合动力汽车实时优化控制

为解决混合动力系统实时优化控制问题,本文提出了一种基于二次型性能指标最优的混合动力汽车功率分配优化方案.通过合理的假设和近似,建立了混合动力系统的线性模型,并利用二次型最优控制理论将混合动力最优控制问题转化为二次型最优调节问题进行求解,得到了一个结构简单的实时优化控制算法.5种道路工况下的仿真结果表明,本文提出的控制方法在未来道路工况未知的情况下能够实现混合动力系统的实时优化控制,且节油率与离线计算以燃油消耗最小为性能指标的全局最优控制的节油率相近.     

含扩散项不可靠生产系统最优生产控制的数值求解

针对含扩散项不可靠随机生产系统最优生产控制的优化命题, 采用数值解方法来求解该优化命题最优控制所满足的模态耦合的非线性偏微分HJB方程. 首先构造Markov链来近似生产系统状态演化, 并基于局部一致性原理, 把求解连续时间随机控制问题转化为求解离散时间的Markov决策过程问题, 然后采用数值迭代和策略迭代算法来实现最优控制数值求解过程. 文末仿真结果验证了该方法的正确性和有效性.     

有限时间信息融合线性二次型最优控制

针对有限时间线性二次型最优控制问题, 提出了一种新的求解方法—–信息融合估计方法. 基于线性最小方差估计准则下的融合估计理论, 通过融合期望状态轨迹、理想控制策略等软约束信息, 分别采用集中式融合和序贯式融合两种信息处理方法, 求得最优状态调节器问题的最优融合控制序列. 进一步从理论上论证了序贯式融合控制方法与传统最优控制方法的一致性, 并通过直流电机系统的数值仿真也验证了集中式和序贯式融合控制方法 与传统最优控制方法的等效性, 从而统一了最优估计与最优控制问题, 并为最优控制问题提供了一种新的求解方法.     

服务率不确定的单站点传送带给料加工站系统鲁棒优化控制

研究了服务率不确定情况下的单站点传送带给料加工站(CSPS)系统的鲁棒优化控制问题。在仅知服务率区间的条件下,以CSPS系统的前视距离作为控制变量,将鲁棒优化控制问题建模成不确定参数的半马尔可夫决策过程(SMDP)的极大极小优化问题,在状态相关的情况下,给出全局优化算法进行鲁棒控制策略求解。首先,运用遗传算法求解固定策略下的最差性能值;其次,根据求解得到的最差性能值,运用模拟退火算法求解最优鲁棒控制策略。仿真结果表明,服务率不确定的CSPS系统的最优鲁棒性能代价与服务率固定为区间中值系统的最优性能代价相差不大,并且随着不确定区间的缩小,两者的差值越小,说明了全局优化算法的有效性。     

基于切换系统理论的异步电机最优直接转矩控制

提出一种系统建模和控制策略来实现两电平异步电机最优直接转矩控制来改善传统直接转矩控制存在的磁链和转矩脉动较大的问题。首先,基于切换系统理论建立两电平异步电机传动系统模型,然后在切换模型基础上,建立一个约束条件的有限时间最优控制目标函数,并利用滚动优化策略求解目标函数来实现最优直接转矩控制。仿真结果表明,该方法能够有效减少磁链和转矩脉动,降低逆变器开关频率,具有良好的动、静态性能。     

基于模糊T-S模型的批过程建模与最优控制

基于模糊T-S模型,提出一种具有自学习能力的模糊方法用于批过程建模和最优控制.通过引入与均方误差相关的动态误差传递因子,使用改进的梯度下降法,本方法能够辨识模糊T-S预测模型.对于批过程的受限非线性最优控制,基于所辨识的预测模型,运用庞特里亚金最小值原理和平行分布补偿算法,本方法能够把一个复杂非线性系统最优控制设计问题转化为一些基于复杂T-S预测模型的局部线性系统的最优问题,从而给出一种有效和简单的模糊最优控制策略.所提方法用于一个半连续式反应器的建模和最优控制,仿真结果表明新方法是有效和准确的.     

线性混杂系统优化控制的Monte Carlo统计预测方法

针对含扩散项的线性混杂切换系统优化控制问题, 为降低优化求解的计算复杂性, 提出了Monte Carlo统计预测方法. 首先通过数值求解技术把连续时间优化控制问题转化为离散时间的Markov决策过程问题; 然后在若干有限状态子空间内, 利用反射边界技术来求解相应子空间的最优控制策略; 最后根据最优控制策略的结构特性, 采用统计预测方法来预测出整个状态空间的最优控制策略. 该方法能有效降低求解涉及大状态空间及多维变量的线性混杂切换系统优化控制的计算复杂性, 文末的仿真结果验证了方法的有效性.     

混合动力汽车模型预测控制策略研究

针对传统混合动力汽车控制方法无法实现实时最优控制的问题,提出了基于简化混合动力汽车系统模型的预测控制智能优化策略.通过将3自由度的系统模型简化为1自由度的系统模型,并采用连续广义最小残量方法求解模型预测控制问题.运用MATLAB/Simulink与GT-POWER联合仿真平台进行仿真,实验结果验证了系统模型简化的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能.     

基于降精度求解准则的快速最优控制问题求解算法

动态优化策略广泛应用于很多领域,包括基于微分方程模型的最优控制问题求解等等. 这类问题在离散后,得到大规模、复杂的非线性优化问题.现在的优化方法采用传统收敛准则,往往收敛速度缓慢甚至最终收敛失败,无法及时得到可靠的数值解.本文针对联立法离散后的问题,采用一种基于降精度求解准则(reduced precision solution criterion,RPSC)的序列2次规划方法(sequcntial quadratic programming,SQP)进行求解.RPSC定义了一系列指标,用于判断继续迭代是否能够有效改善解值,是否可以终止求解进程.仿真实验结果表明,该收敛准则与传统收敛准则相比,能够及时终止求解过程,同时返回较好的数值解.此外,收敛阈值可以根据用户的实际需要设定,在得到满足要求的估计值时及时终止求解进程.     

全局优化视角下的有色冶金过程建模与控制

为提高生产效率、降低能源消耗、减少环境污染,需要对有色冶金过程进行建模,在系统模型的基础上,通过控制与优化技术,使过程系统运行在最优工况.本文以几个典型有色冶金过程为背景,阐述有色冶金过程建模、控制与优化三者之间的内在关联;从科学研究层次的角度上指出建模、控制与优化分属于不同层次的问题,且从方法论的角度指出建模、控制分两步进行:选择模型结构和估计模型参数、选择控制器结构和整定控制器参数,有色冶金过程系统模型、控制器的结构和参数确定问题均可以看成是非凸优化问题;探讨了全局优化视角下,建模、控制问题转化为优化问题以及在求解优化问题过程中存在的难点,提出解决这些难点的一些可行方案.     

Optimal control problems with multiple characteristic time points in the objective and constraints

In this paper, we develop a computational method for a class of optimal control problems where the objective and constraint functionals depend on two or more discrete time points. These time points can be either fixed or variable. Using the control parametrization technique and a time scaling transformation, this type of optimal control problem is approximated by a sequence of approximate optimal parameter selection problems. Each of these approximate problems can be viewed as a finite dimensional optimization problem. New gradient formulae for the cost and constraint functions are derived. With these gradient formulae, standard gradient-based optimization methods can be applied to solve each approximate optimal parameter selection problem. For illustration, two numerical examples are solved.     

A risk-sensitive control dual approach to a large deviations control problem

We consider a control problem of an ergodic process where the objective is to maximize over long term the probability to overperform a given level. This is formulated as a large deviations control problem for which the standard dynamic programming methods may not be applied directly. We solve this problem by adopting a duality approach leading to a risk-sensitive ergodic control problem. In a continuous-time diffusion setting, we state a verification theorem in terms of partial differential equations for this dual problem. We then turn back to the primal problem by means of large deviations techniques. We derive the optimal rate function and nearly optimal controls for the large deviations optimization problem. Finally, explicit solutions are provided in a linear-quadratic case.     

小脑模型关节控制器网络在传送带给料生产加工站学习优化控制中的应用

研究单站点传送带给料生产加工站（conveyor-serviced production station,CSPS）系统的前视（look-ahead）距离最优控制问题,以提高系统的工作效率.论文运用半Markov决策过程对CSPS优化控制问题进行建模.考虑传统Q学习难以直接处理CSPS系统前视距离为连续变量的优化控制问题,将小脑模型关节控制器网络的Q值函数逼近与在线学习技术相结合,给出了在线Q学习及模型无关的在线策略迭代算法.仿真结果表明,文中算法提高了学习速度和优化精度.     

Pickup and delivery problem using metaheuristics techniques

Dial-a-ride problem (DARP) is an optimization problem which deals with the minimization of the cost of the provided service where the customers are provided a door-to-door service based on their requests. This optimization model presented in earlier studies, is considered in this study. Due to the non-linear nature of the objective function the traditional optimization methods are plagued with the problem of converging to a local minima. To overcome this pitfall we use metaheuristics namely Simulated Annealing (SA), Particle Swarm Optimization (PSO), Genetic Algorithm (GA) and Artificial Immune System (AIS). From the results obtained, we conclude that Artificial Immune System method effectively tackles this optimization problem by providing us with optimal solutions.     

An integrated approach to automated innovization for discovering useful design principles: Case studies from engineering

Computational optimization methods are most often used to find a single or multiple optimal or near-optimal solutions to the underlying optimization problem describing the problem at hand. In this paper, we elevate the use of optimization to a higher level in arriving at useful problem knowledge associated with the optimal or near-optimal solutions to a problem. In the proposed innovization process, first a set of trade-off optimal or near-optimal solutions are found using an evolutionary algorithm. Thereafter, the trade-off solutions are analyzed to decipher useful relationships among problem entities automatically so as to provide a better understanding of the problem to a designer or a practitioner. We provide an integrated algorithm for the innovization process and demonstrate the usefulness of the procedure to three real-world engineering design problems. New and innovative design principles obtained in each case should clearly motivate engineers and practitioners for its further application to more complex problems and its further development as a more efficient data analysis procedure.     

Internet环境下的广义优化设计技术研究

设计了广义优化设计资源的体系结构，在该体系结构下，可以集中优化设计资源，使其作为一种知识服务提供给远程用户．探讨了系统实现中的异地建模、算法集成、过程监控和并发控制等关键技术问题，提出基于OORBA技术规范的解决方案和系统框架．开发了通用的网上优化设计系统原型，并将其成功地应用于产品设计实践．     

城市过饱和路网的偏好多目标相容优化控制

针对城市过饱和路网的交通信号控制问题,提出将总延误分为主线路段延误和次线路段延误的划分方法,将控制问题描述为冲突的多目标控制。针对冲突多目标控制问题中最优解不唯一,而传统优化方法中一次运行只能得到一个最优解的问题,提出了一种基于偏好的相容优化控制算法：利用偏好信息动态指引寻优的方向,在偏好区域内获得更多有价值的解;提出基于偏好的目标选择函数,保证控制解在偏好区域内的稳定性。在仿真环境中对一个11个交叉口的城市过饱和路网进行实时控制,结果表明,提出的偏好相容控制算法的效果优于定时控制方案。     

Optimal Control for Pennes' Bioheat Equation

The problem of Pennes' bioheat boundary control through a skin with its inner medium kept at a constant steady‐state temperature where the outer surface subjected to conductive condition is solved by different methods. Analytical and mild solutions of Pennes' boundary control problem yield a discrete optimization problem for temperature profile at the specific depth point as well as temperature profile at all points of the skin in the final time. The pointwise optimal control problem has been solved by discretized form of the unconstrained optimization problem using analytical solution for Pennes' boundary control problem. The analytical solution has been used to solve the optimal control problems via an unconstrained/constrained optimization in Methods I and II. In Method III first, Pennes' boundary control problem is solved using mild solution by strongly continuous semigroup theory. Then, nonlinear optimization problem with linear constraints is proposed to calculate the corresponding piecewise optimal control function. All methods, have been applied to a homogeneous tissue. Mathematical simulation is done to show the optimal controls for the related states when minimum effort is used.