多目标拟神经优化方法

根据具有最佳逼近和学习功能的神经网络原理，建立了多目标拟神经优化方法，给出了有关定理及其证明。     

多目标拟神经优化方法

根据具有最佳逼近和学习功能的神经网络原理 ,建立了多目标拟神经优化方法 ,给出了有关定理及其证明 .     

机器人手部速度和输出力波动控制的多目标优化方法

本文提出了降低机器人手部速度波动和输出力波动是提高其作业精度重要途径的观点．建立了解决彼动的数学模型，运用多目标优化理论和ｍｉｎ—ｍａｘ方法成功地获得了解点．     

基于多目标优化的免疫遗传算法 在Matlab环境中的实现

阐述了基于多目标优化的免疫遗传算法基本原理，合理地在抗原聚类算法中引入孤立度算法。在该算法中，将优化问题的可行解对应于抗体及pareto最优个体对应于抗原，并运用改进的抗原聚类算法不断更新抗原群中的抗原，从而得到分布均匀的pareto最优解。并探讨了在Matlab环境下应用免疫遗传算法实现多目标优化，主要对增强度计算、pareto求优、抗原聚类等进行了算法实现。并以实例说明其在Matlab环境中实现的可行性。     

基于向量序优化的多目标输电网规划方法

引入了向量序优化理论求解输电网的多目标静态规划问题。以最大化输电方、发电方以及用户方电力市场三大成员的自身利益为优化目标,建立了以输电网扩建投资最小、系统发电费用最小、以及负荷损失费用最小为优化目标的多目标规划模型,并采用向量序优化理论求解足够好的全局非劣解。基于Garver系统的仿真试验表明,充分利用了各子目标的优化信息,克服了大规模输电网规划过程中存在的"维数灾"问题,并大幅度提高了计算效率,使优化求解时间由41.7 h下降为0.26 h,降低了99.4%。     

多目标决策偏好最优解及其特征

在一般意义下绘出了多目标决策偏好最优解的概念，讨论了它的几个等价特征；同时，揭示了集诱导偏好的不变结构本质，给出了缩小偏好的最优集的一般原则。     

基于贝叶斯网络的多目标优化算法

针对多目标进化算法中存在的无效进化和计算浪费,本文探讨了基于贝叶斯网络的多目标进化算法,并提出一个新的贝叶斯多目标优化算法。该算法结合个体的强度值和密度值完成非劣择优,利用具有局部结构BD度量机制进行网络度量,采用树形模型构建网络结构。实验结果表明了该算法的有效性。     

结构多目标模糊优化初探

将结构设计中的多目标优化和模糊优化结合起来,试图寻找一种处理这类问题的数学模型及求解的方法。     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

基于GA的电力系统多目标模糊无功优化

针对传统无功优化的目标单一性,建立了以有功网络损耗和节点电压偏差均最小为目标的无功优化模型,采用模糊数学将不同量纲目标进行归一化,并转化为单目标模糊规划模型.鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法搜索全局最优解.对某21节点系统进行了多目标无功优化分析,验证了该模型的可行性和优越性.     

基于永磁同步电机的电梯速度控制器研究

设计一种基于自适应模糊神经网络原理的永磁同步电机电梯曳引机速度控制器.这种控制器具有神经网络自学习能力和模糊控制器处理不确定信息的能力.网络初始参数通过离线训练方式获得,从而实现对电机速度的智能控制.将模糊神经网络(fuzzy neural network control,FNNC)速度控制器与常用的PI控制、模糊PI控制方式对比进行仿真研究.研究表明,采用自适应模糊神经网络的控制器比另外两种方法更具有良好的鲁棒性和动态性能.     

基于压力特性线和最大空射速度优化压铸工艺

区别于传统的依靠经验调试模具的方法,给出一种基于压铸模压力特性线,同时结合最大空压射速度的在一定范围内优化选择压铸工艺的方法．     

基于K-Means全局引导策略的多目标微粒群算法

提出了一种基于K-means全局引导策略的多目标微粒群算法(KMOPSO),通过K-means算法从归档集中选出K个均匀分布的非支配粒子作为全局最优引导,以保证种群中的粒子向整个Pareto前端移动,提高解的多样性. 用基于最近邻居的剪枝算法控制归档集规模,同时保证其中非支配解的多样性. 引入变异策略来加强算法的局部搜索能力,避免早熟收敛. 用5个经典函数进行了仿真测试,实验结果表明,该算法能有效地解决多目标优化问题,不但能收敛于Pareto最优前端,而且在解的多样性方面优于改进的非劣分类遗传算法和基于拥挤距离的多目标微粒群算法.     

Method of Designing Missile Controller Based on Multi-Objective Opti mization

Generally,the process of designing missile con-trol systeminvolves a great deal manual modificationsand trials in order to meet all the design specifica-tions ,such as robust stability, noise rejection, dy-namic response , steady tracking error , etc . So thedesignis an opti mization problemin nature . Becausegenetic algorithm(GA) is a search algorithmbased onthe mechanismof natural selection and natural genet-ics and is different from conventional opti mization.GAsearches for a population of…     

非线性最优化问题的曲线拟合法

曲线拟合法是集汇各种搜索方向进行曲线拟合而产生新的搜索方向的一类算法。我们在文献中给出了一个十分有效的计算方案。本文将进一步讨论曲线拟合法的较为一般的形式,给出这类算法的性质和收敛性的若干结论。     

基于线性加权评价法的碟式斯特林机多目标优化

在考虑了集热器的热损失,斯特林热机的热阻、热漏和回热损失的基础上,建立了不可逆太阳能斯特林热机模型。讨论了温度比、吸热温度等参数对整个系统无量纲功率和总?效率的影响,通过线性加权评价函数方法对系统的无量纲功率和总?效率进行多目标优化。研究得出:线性加权评价法求得的最佳温比的数值范围为x_2opt＜x＜x_1opt其可使功率与总?效率达到最佳折中;通过使太阳能斯特林热机达到最佳吸热温度T_H,增大聚光比C和回热器效率ε_R,减小集热器的对换系数h和导热桥损系数k₀,可提高太阳能斯特林热机的无量纲功率与总?效率。     

基于Pareto的系统分解法及其在飞行器外形优化设计中的应用

针对飞行器外形设计这一复杂的多目标问题,开展了相应的多目标优化方法研究。采用系统分解法来降低大系统的复杂度是工程设计中常用的方法,但是传统的系统分解法在处理多目标问题时通常是把多目标问题转化为单目标问题,最后得到单一优化解。利用PARETO方法的特点,提出了基于PARETO的系统分解法来解决传统系统分解法使用中的这个问题,经过优化可以得到均匀分布的PARETO解集,便于进行分析比较和选择。最后针对具体算例进行气动与隐身特性的综合优化设计,经过一轮优化后,所得到的一系列优化方案其气动和隐身性能都有较大提高,不仅达到了期望的设计要求,而且可以对该解集进行分析比较,以选择需要的优化结果。