Max-Min蚁群算法在固定货架拣选路径优化中的应用

固定货架拣选路径优化问题是一个典型的TSP问题．为NP完全难题．使用Max-Min Ant System Algorithm来求解该问题，计算机仿真结果表明该方法能较快地找到最优解，而且比神经网络、启发式方法更能有效地找到最优解．     

网络技术资源优化问题的解法

本文指出了网络技术资源优化问题现行解法所存在的缺点;提出解决该问题的两种解法——穷举法和随机法。穷举法虽能找到最优解,但计算时间过长,难以推广使用。本文仅用穷举法所得到的最优解作为随机法有效性的佐证。随机法虽不一定能找到最优解,但至少能找到满意解,且运算时间大为减少,不失为一种有效解法。     

自适应代表个体选择方法的协作协进化算法

协作协进化算法中,代表个体选择按贪心度不同可分为最优选择和随机选择.最优选择对于大多数子模块之间关联性不是很强的问题都较为有效,但对于子模块间有很强关联性的问题,随机选择比最优选择更为有效.所以,提出一种自适应代表个体选择方法的协作协进化算法,该算法通过进化停滞判断函数将最优选择和随机选择两种代表个体选择方法结合起来.仿真结果表明,该算法对于子模块间强弱不同的问题都能有效的找到解.     

Memetic算法求解多维背包问题

针对多维背包问题较难找到全局最优解的情况,提出了一种求解多维背包问题的Memetic算法,该算法主要由带反馈机制的禁忌局部搜索算法、交叉算子和种群更新策略组成.其中,种群更新策略需要同时考虑种群中解的质量与种群的多样性,以提高算法搜索的多样性.测试表明,该算法能够有效避免陷入局部最优解并找到比现有算法更好的结果.     

最优去杠杆化问题的新分枝定界算法

在不限制临时性和永久性价格影响的大小关系下,最优去杠杆化问题可归结为一个带有箱子 和二次约束的非凸二次规划问题,它是ＮＰ难问题．现有的拉格朗日方法未能保证找到问题的全局 最优解．结合二次凸松弛技术和拉格朗日方法,提出了求最优去杠杆化问题全局最优解的新分枝定 界算法,其中下界由拉格朗日方法得到,而上界由二次凸松弛求得,分析了算法的全局收敛性．数值 结果表明：该算法可以有效地找到最优去杠杆化问题的全局最优解．     

针对鲁棒性三维声源定位问题的全局性算法

针对到达时间差度量误差和声源具有鲁棒性的三维声源定位问题,提出了一种用半正定规划方法求解的线性校正总体最小二乘全局性算法（LCTLS SDP）. 将带二次等式约束的分式二次规划声源定位模型转化为带二次不等式约束的非凸齐次二次优化问题;利用对偶理论设计算法求出该模型的最优解. 理论证明LCTLS SDP算法能找到问题的最优解. 实验结果显示,LCTLS SDP算法有稳健的定位结果.     

带Levy变异的约束优化PS0算法

提出了一种解约束优化问题的新PSO算法(LCPSO).该方法引入了Levy变异策略,使算法LCPSO能有效克服标准.PSO算法易陷入局部最优的缺陷.为更好求解约束边界附近的全局最优解,算法在选择下一代个体时保持群体中不可行解的一定比例,这样,不但能有效增加群体的多样性,而且避免了传统的过度惩罚,使群体向最优解更好、更快的逼近.数值试验表明该算法对约束优化问题求解是非常有效的.     

基于移动最小二乘法和粒子群算法的优化算法

针对复杂电磁装置优化问题中目标函数计算次数过多的问题，提出了一种基于移动最小二乘法（MLS）和粒子群优化算法（PSO）的快速全局优化方法.该方法利用基于MLS的表面响应模型，重构原始的优化问题，采用加权PSO算法对重构后的目标函数进行寻优，再使用拟牛顿法，对原优化问题直接寻优，从而得到优化问题最终的最优解，并对基准测试函数和实际电磁装置问题进行优化计算.结果表明，与加权PSO相比，该算法能找到优化问题的全局最优解，并能有效的减少目标函数的计算次数，节省了计算时间，提高了计算效率.     

求解单二次约束非凸二次规划问题的全局最优DC算法

针对单二次约束的非凸二次规划问题,首先提出一种DC算法,并证明了该算法收敛到问题的Karush-Kuhn-Tucker(KKT)点;其次利用KKT点提出了寻找新的初始可行点的方法;最后结合此方法,设计了一个求单二次约束非凸二次规划问题全局最优解的DC算法.数值结果表明,该全局算法能有效找到大规模单二次约束非凸二次规划问...     

模拟退火算法求解指派问题新探

模拟退火算法是一种随机搜索算法,能渐进地收敛于全局最优解.指派问题是组合优化问题中的一种,可用模拟退火算法来解此问题.模拟退火算法解决指派问题时,需要考虑实现此算法的技术问题,例如解的形式、初始温度的计算等.实验结果表明,该方法能够以一定的概率跳出局部最优,从而实现全局寻优.     

一类混杂系统的必要最优性条件

研究了一类混杂系统的最优控制问题。通过引进一个新的参数,将变动时间区间上的混杂最优控制问题转化为固定时间区间上的光滑最优控制问题;再利用古典的最优控制理论,得到混杂系统的必要最优性条件。结果表明,在混杂系统的状态发生切换时,伴随变量函数会发生跳跃,而哈密尔顿函数可以保持连续。最后,通过一个具体例子说明了方法的有效性。     

基于拟牛顿算法的空间机械臂姿态优化控制

为了研究机械臂系统在自由漂浮情况下的姿态控制问题,采用输入参数化的方法将连续量的最优控制问题转化为离散量的最优控制问题.利用拟牛顿算法确定最优控制输入信号,可以得到非完整系统运动的优化轨迹.通过数值仿真,表明对于类似的问题该算法是可行的.     

混合系统的最优镇定

本文将文献[1]中用于离散系统的最优镇定定理推广到由离散系统和分布参数系统组成的混合系统,并讨论了由刚体和弹性体组成的受控混合系统的最优镇定问题。     

工程系统可靠度优化的人工神经网络

提出一种人工神经元模型,构造了相应的神经网络,讨论了它的训练方法;应用这种神经网络轩求解了工程系统可靠度的最优分配问题,给出了土建工程系统可靠度优化的工程计算实例。     

基于牛顿法的电力系统最优潮流计算

为研究电力系统最优潮流问题的可行算法,对牛顿法进行探讨并基于该算法进行最优潮流计算.由于最优潮流问题属于典型有约束条件的非线性规划问题,故引入二次罚函数处理约束条件,将牛顿法和二次罚函数结合并用MATLAB仿真平台进行算法编程,求出IEEE14节点标准系统的最优潮流计算结果,同时得出收敛时间和系统发电成本.实验结果表明:该方法的收敛性较好,计算速度较快;运用牛顿算法求解最优潮流,可使发电成本最小或功率损耗最小,从而达到优化资源配置,降低发电及输电成本的目的,具有很好的经济效益和社会效益.     

神经和模糊技术在车牌识别中的应用

文章分别使用模糊控制和神经网络的方法设计车牌识别软件系统，在此基础上，构造了神经，模糊系统，用神经网络训练得到模糊集的参数的优化值，实验表明神经，模糊系统可很好地识别一般字符，此方法可推广使用到数字或其他文字图像识别中去。     

单部件可修系统的一个单调维修策略

研究了单部件,一个修理工组成的可修系统的最优更换问题,以系统年龄T为策略,利用内何过程求出最优的策略T^*,使得系统经长期运行单位时间内期望损失最小,并求出了系统经长期运行单位时间内期望损失的明显表达式。     

遗传算法在复杂系统可靠性优化中的应用

在满足一定可靠性指标要求下,使投资最小的复杂系统可靠性优化问题是一个具有多局部极值的非线性的优化问题,使用遗传算法求解问题搜索互了其他算法未能得到的最优解,在遗传算法的中,使用基于中的选择策略和最呆存策略,改善了遗传算法的收敛性能。     

可修冷贮备系统的最优更换策略

利用几何过程对不能“修复如新”的冷贮备系统故障次数进行研究,选择最优的策略Ｎ使得系统经长期运行单位时间内的期望效益达到最大。     

基于Q学习算法的随机离散时间系统的随机线性二次最优追踪控制

针对随机线性离散时间系统,利用Q学习算法求解无限时域的随机线性二次最优追踪控制(SLQT)问题.首先,假设通过命令生成器生成追踪所需的参考信号,并建立一个由原随机系统和参考轨迹系统组成的增广系统,把最优追踪问题转化为最优调节问题的形式.其次,为了在线求解随机系统的最优追踪问题,将随机系统转为确定性系统,并根据增广系统定义随机线性二次最优追踪控制的Q函数,在无需知道系统模型参数的情况下在线求解增广随机代数方程(GSAE).再次,证明了Q学习算法和增广随机代数方程的等价性,给出了Q学习算法实现步骤.最后,给出一个仿真实例说明Q学习算法的有效性.