改进交替方向乘子法求解冷水机组负荷分配群智能优化问题

群智能控制系统中的多台冷水机组负荷优化分配问题是一个多块优化问题,传统分布式方法难以获得其收敛解.文中将交替方向乘子法(ADMM)引入冷水机组负荷分配群智能优化问题中,并通过一种有效的高斯罚函数(GPF)更新策略改进了交替方向乘子法收敛特性.同时,建立了一种基于ADMM–GPF–GBS双层分布式计算框架的冷水机组负荷优...     

基于自适应遗传学习粒子群算法的多无人机协同任务分配

研究救援场景下的多无人机协同任务分配问题,考虑幸存者所需援助类型的不同,建立更贴合实际的组合优化模型.针对该模型,提出一种自适应遗传学习粒子群算法(adaptive genetic learning particle swarm optimization, AGLPSO).首先,根据无人机与幸存者之间的救援关系,采用一种实向量编码机制处理决策变量约束,以简化模型求解.然后,通过两层级联结构提高算法搜索能力:第1层通过遗传学习策略生成高质量的精英粒子,并对进化停滞的粒子采用精英学习策略进行更新,以跳出局部最优;第2层利用精英粒子指导种群的搜索方向,并根据粒子群的进化速度和粒子的聚集程度,采用自适应进化策略提高算法在不同进化时期的寻优能力.仿真实验表明,所提出的AGLPSO算法能快速、有效地找到合理的救援分配方案.     

基于知识引导的自适应动态多模态差分进化算法

为充分利用问题求解过程知识,提升动态多模态优化算法的计算资源利用效率,提出一种基于知识引导的自适应动态多模态差分进化算法.首先,利用自组织映射神经网络实现种群自聚类,形成稳定的小生境;然后,通过对种群全局知识和个体邻域知识的综合学习,设计一种基于知识引导的自适应差分进化算法,在对种群进化状态进行实时监测和分析的基础上,逐层递进地引导不同种群个体自适应地选择最符合当前进化需求的变异方式,提升种群搜索效率,平衡种群多样性与收敛性;最后,针对问题动态特性,设计一种基于历史动态过程知识引导的自适应动态响应机制,通过对历史寻优经验的自适应学习,预测生成新环境下的潜在精英个体,引导种群实现精准快速的多峰定位.实验结果表明,所提出算法能够有效解决动态多模态优化问题,且在不同动态环境设置下其求解性能均优于对比算法.     

基于鞍点法的自适应分布式资源分配算法

研究一类带有不等式约束为凸函数的多智能体系统分布式资源分配问题.在资源分配问题中,各智能体拥有仅自身可知的局部成本函数和局部凸不等式约束.分布式资源分配旨在如何利用智能体间的信息交互设计一种分布式优化算法,完成定量资源分配的同时还保证最小化全局成本函数.针对该问题,基于卡罗需-库恩-塔克条件和比例积分控制思想,首先提出一种自适应分布式优化算法,其中凸不等式约束的对偶变量可实现自适应获取;然后,为了降低系统的通信资源消耗,设计一种动态事件触发控制策略以实现离散时间通信的分布式资源分配算法;最后,通过数值仿真验证所设计算法的有效性.     

基于多智能体强化学习的无人艇协同围捕方法

针对多无人艇对海上逃逸目标的围捕问题,提出一种基于多智能体强化学习的围捕算法.首先,以无人艇协同进攻为背景建立无边界围捕问题的环境和运动学模型,并针对快速性和合围性的需求给出围捕成功的判定条件;然后,基于多智能体近端策略优化(MAPPO)算法建立马尔可夫决策过程框架,结合围捕任务需求分别设计兼具伸缩性和排列不变性的状态空间,围捕距离、方位解耦的动作空间,捕获奖励与步长奖励相结合的奖励函数;最后,采用集中式训练、分布式执行的架构完成对围捕策略的训练,训练时采用课程式学习训练技巧,无人艇群共享相同的策略并独立执行动作.仿真实验表明,在无人艇起始数量不同的测试条件下,所提出方法在围捕成功率和时效性上相较于其他算法更具优势.此外,当无人艇节点损毁时,剩余无人艇仍然具备继续执行围捕任务的能力,所提出方法鲁棒性强,具有在真实环境中部署应用的潜力.     

基于项集归减的高维频繁高效用项集挖掘多目标优化方法

频繁高效用项集挖掘是数据挖掘的一项重要任务,挖掘到的项集由支持度和效用这2个指标衡量.在一系列用于解决这类问题的方法中,进化多目标方法能够提供1组高质量解以满足不同用户的需求,避免传统算法中支持度和效用的阈值难以确定的问题.但是已有多目标算法多采用0-1编码,使得决策空间的维度与数据集中项数成正比,因此,面对高维数据集会出现维度灾难问题.鉴于此,设计一种项集归减策略,通过在进化过程中不断对不重要项进行归减以减小搜索空间.基于此策略,进而提出一种基于项集归减的高维频繁高效用项集挖掘多目标优化算法(IR-MOEA),并针对可能存在的归减过度或未归减到位的个体提出基于学习的种群修复策略用以调整进化方向.此外还提出一种基于项集适应度的初始化策略,使得算法在进化初期生成利于后期进化的稀疏解.多个数据集上的实验结果表明,所提出算法优于现有的多目标优化算法,特别是在高维数据集上.     

基于多代理辅助多目标进化优化的建筑节能智能设计方法

进化优化具有优异的全局搜索能力,已成功应用于建筑节能设计问题.然而,由于需要借助代价高昂的建筑能耗软件不断评价个体,现有建筑节能设计进化算法普遍存在运行代价高的问题.鉴于此,提出一种面向建筑节能设计的多代理辅助多目标进化优化算法,简称MS-MOEA/D.首先,依据MOEA/D的目标分解特征同时构建多个基础代理模型;然后,针对每个待评估个体,自动选择合适的基础代理模型,并使用它们的集成结果预测该个体的目标值,达到提高其预测精度的目的.同时,在进化过程中自主确定基础代理模型的更新时机和规模,以降低代理模型的管理成本;最后,将所提出MS-MOEA/D与建筑能耗模拟软件EnergyPlus相融合,建立面向建筑节能设计的多目标进化优化仿真平台,并将该平台应用于中国北京地区常见居民和办公建筑节能设计实例中.通过与7种典型多目标进化算法进行对比,结果表明, MS-MOEA/D在显著降低计算代价的基础上能够得到高竞争力的Pareto最优解集.     

一种改进ε约束飞蛾火焰优化算法及其在约束优化问题中的应用

提出一种改进ε约束法的飞蛾火焰优化算法(ε improved moth-flame optimization algorithm, εIMFO)求解约束优化问题.该算法采用ε约束法对约束进行处理,考虑种群整体的约束违反度变化,提出一种基于火焰种群约束违反度的阈值ε计算公式;改进火焰种群的更新方法,首先,根据种群中个体的约束违反度与ε的关系将其分为两类:一类是约束违反度小于等于ε的个体,按照目标函数值排序,另一类是约束违反度大于ε的个体,按约束违反度排序;然后,先选择第1类中的个体,若数量没有达到种群数量的要求,继续从第2类中选取个体形成新一代火焰种群;最后,提出一种改进的飞蛾变异策略,在原始飞蛾变异策略的基础上引入2个随机火焰个体影响飞蛾变异,并增加优秀火焰个体对飞蛾变异的指导作用.通过25个测试函数以及2个实际的工程优化问题分别与其他13种算法进行的算法性能测试对比表明, εIMFO算法在求解精度和稳定性等方面具有优势.     

数据驱动选择策略的多目标差分进化算法

针对多目标差分进化算法求解复杂多目标优化问题时,最优解选择策略中非支配排序计算复杂度高的问题,提出一种数据驱动选择策略的多目标差分进化(MODE-DDSS)算法.首先,设计多目标差分进化算法的优化解排序等级评估准则,建立基于评估准则的优化解排序等级评估库;其次,设计基于优化解双向搜索机制和无重复比较机制的数据驱动选择策略,实现优化解的高效搜索和快速排序;最后,构建数据驱动选择策略的多目标差分进化算法,降低算法在最优解选择操作中的时间复杂度,提高算法的寻优效率.实验结果表明,所提出的MODE-DDSS算法能够有效减少最优解在选择过程中的比较次数,提升多目标差分进化算法解决复杂多目标优化问题的寻优效率.     

一种多约束下无人机编队的模型预测控制算法

针对多无人机在编队飞行过程中需满足机间避碰、通信、避障等约束的问题,设计一种考虑多约束的分布式模型预测控制算法,使无人机编队在满足上述约束的前提下,实现轨迹跟踪、队形保持.首先,在不考虑通信时延、外界干扰、噪声的情况下,以四旋翼为控制对象,建立线性时不变的单机及编队运动模型;然后,在考虑状态约束、输入约束、机间避碰、机间通信、避障等多种约束的情况下,以轨迹跟踪、队形保持为控制目标,基于虚拟领航策略设计一种分布式模型预测控制算法;接着,对优化问题的可行性以及编队系统的渐近稳定性进行分析,其中算法的终端部分设计、相容性约束设计是保证系统稳定的关键;最后,利用6架无人机仿真验证所提出控制算法的有效性.     

集中供热系统中防止“窃热”行为的动态监控网络

建立了一套新的热量表动态监控网络,通过该网络可以防止“窃热”现象。国内的大多数热量表都没有联网,少数联网的热量表也仅是为了远程抄表收费方便的目的,在该抄表网络上没有动态、实时地传输各个热量表的热水流量、进出口温度等数值。建立的热量表动态监控网络对该抄表网络进行了很大改进,在该抄表网络上可以动态、实时地传输各个热量表的热水流量、进出口温度等数值,并通过对这些数据进行分析,可以有效防止“窃热”现象的发生。     

蒸汽管网水力热力仿真系统及其应用

建立了蒸汽管网水力热力计算模型,通过迭代校正管段流量、管段平均密度和定压比热的方式,采用管网水力计算模型与热力计算模型相关联的节点方程法求解节点温度与节点压力。基于该计算模型,以数据库技术、仿真技术和可视化技术为支撑,成功开发出蒸汽管网水力热力计算仿真系统,实现了管网动态仿真数字化与模块化。以济南市典型蒸汽供热管网为例,对管网的水力和热力的工况进行了模拟计算,其计算结果与实际运行结果比较表明：该系统可用于蒸汽管网的设计计算、运行调节及其数值模拟。     

基于RBF神经网络逆系统的机械手解耦控制策略

针对机械手系统具有非线性时变、多变量、强耦合的特点,提出一种基于RBF神经网络逆系统的机械手解耦控制策略。首先证明了系统的可逆性,进一步通过神经网络在线逆辨识建立机械手的神经网络逆系统模型,并将辨识得到的逆模型作为控制器模型与机械手系统串联,构成伪线性复合系统,实现了将具有强耦合特性的多变量输入/输出机械手系统解耦成单个独立的伪线性对象。最后以两关节机械手为仿真对象进行了仿真,仿真结果验证了本方案的有效性和可行性。     

基于FPGA的感应加热控制系统

设计了基于FPGA的感应加热控制系统,其主要功能是实现负载谐振频率的跟踪、逆变工作状态的控制和逆变器的启动.相对模拟逆变电路而言,其优势在于:调试比较方便、内部参数更改容易、可在线观察数据.实验结果表明,该系统适用负载范围宽、可调节性强.     

网络控制系统分布式带宽分配策略研究

交换式以太网应用于控制领域所面临的主要问题之一是如何以尽量小的代价来实现其支持典型的工业通信的目的。结合控制网络的通信特点,提出了一套基于时隙的分布式带宽分配策略。介绍了基于交换式以太网的网络控制系统中通信任务和带宽资源的模型、调度策略中信息传输的控制方法和调度算法。通过实验分析和比较,该策略在满足了各通信任务实时需求的同时,解决了当前的分布式调度策略中存在的诸如不能灵活应对通信任务频繁变化、任务调度率和带宽利用率低等问题。     

基于动态调控的网络价格策略

针对目前网络定价中常用的平坦式计费策略下网络中存在的用户方与网络系统整体优化目标不一致的问题。将资源占用率引入价格函数。提出了两种动态调节的价格策略．在第1种策略中。将固定价格变为以资源占用率为变量的实时价格函数;在第2种策略中。引用对策论中的激励Stackelberg策略。激励用户达到系统的目标值．所提出的策略保证了用户与系统同时达到优化目标,并促进了网络的合理分配．数值例子和仿真证明了两种策略的有效性．     

城市蒸汽管网水力热力耦合系统及其应用

本文建立了蒸汽管网水力热力耦合计算模型,通过迭代校正管段流量、管段平均密度和定压比热的方式,采用管网水力模型与热力模型相关联的节点方程法求解节点温度与节点压力.基于该耦合模型,以数据库技术、仿真技术和可视化技术为支撑,成功开发出蒸汽管网水力热力计算分析系统,实现了管网动态仿真数字化与模块化.以济南市典型蒸汽供热管网为例,对管网的水力和热力的工况进行了模拟计算,其计算结果与实际运行结果比较表明:该系统可用于蒸汽管网的设计计算、运行调节及其数值模拟.     

网络控制系统的时延在线估计与时延补偿策略研究

针对网络控制系统中的网络时延问题,引入了一种时延在线估计算法,并根据动态矩阵控制的特点,提出了一种基于分段动态矩阵控制算法的网络时延补偿策略,利用分段动态矩阵控制算法对网络控制系统中的时延信号进行预测,以补偿其在网络传输中的时延.     

基于GPRS的供水管网无线监控管理系统

为实现供水管网的信息化管理,提出了一种基于嵌入式技术和GPRS技术的供水管网远程监控系统设计方法.分析了系统功能,给出了系统总体设计方案.重点介绍了采用uCOS-Ⅱ实时操作系统的数据采集终端软件设计,给出了利用GPRS网络和winsock网络编程技术实现无线数据传输的通信协议,利用ADO数据库访问技术设计了数据库管理系统.实验结果表明,该系统在GPRS业务平台上实现了对供水管网参数的实时采集、处理、无线传输及远程监控等功能.     

水轮机调节系统的模糊神经网络控制*

将模糊神经网络与自适应控制相结合,设计出一种能对水轮机调节系统进行有效控制的基于模糊神经网络的自适应PID控制算法.对改进后的调节系统特性进行测试和仿真,并与常规的水轮机进行比较,验证了模糊神经网络控制方案的可行性.仿真结果表明,该算法实现了调节系统的在线自适应调整,更精确反映调节系统的动态变化过程.与其他方法相比,该算法具有更快的响应速度和更好的控制效果.