约束优化问题

摘要： 针对传统差分算法在求解约束优化问题时存在收敛速度慢、精度低等问题,本文提出了一种基于半角距离变化的改进差分进化算法(HDDE)﹒首先,由父代产生2个子代,并利用可行性规则选出最好的子代;其次,对所选最优子代进行约束违反度预处理,即当其满足半角距离变化时,计算出子代的真实约束违反度,否则子代的约束违反度为无穷;最后,若经过预处理的子代约束违反度小于父代的约束违反度,便使用可行性规则进行比较,否则保留父代﹒通过对12个基准约束优化问题进行仿真研究,结果发现:相较于对比算法,HDDE算法的收敛时间最短,为0.216 s;在精度方面,该算法有5个测试集的标准差为0,这说明所提算法具有更好的性能。

摘要： 为了解决传统花朵授粉算法收敛精度较低、易收敛到局部最优等问题,提出了融合动态收敛因子与黄金正弦的花朵授粉算法(DGSFPA).在异花授粉中引入动态收敛因子,来提高算法收敛精度.在自花授粉中进行黄金正弦优化,以增强跳出局部最优的能力.通过与其他3种算法在测试函数上的比较,验证了改进算法具有更高的收敛精度和更快的收敛速度.将DGSFPA应用于求解压力容器设计优化问题中,研究结果表明:改进算法所得4个设计变量值均比其他3种算法所得值小,且其总成本比花朵授粉算法减少5270.82元,比人工蜂群算法减少876.72元,证明了DGSFPA的有效性和可行性.

摘要： 对卫星测控资源调度问题的现状进行了分析,根据现有场景、需求和任务建立了目标约束满足模型。在系统阐述测控资源、可见弧段、任务需求的基础上,考虑到测控任务需求间复杂的相互关联关系,提出了一种基于任务冲突规避的测控资源调度算法。相比其他传统方法,该算法考虑了全局任务对资源的需求和任务间复杂的关联性,引入了可行解接受度函数,避免了传统启发式算法过分贪婪的缺点。实验结果表明,该算法应用于大规模测控任务资源调度时,能有效提高任务调度的成功率。

摘要： 动车组是客运专线中的关键设备,其运用计划和检修计划直接关系到客运专线的运营成本,为此研究在确定动车组到达时间的前提下,动车组检修的约束优化问题。首先,运用排队论理论建立排队模型,采用先到先服务的排队结构;其次,建立该问题的单目标优化模型,确定目标为最短完工时间;最后,应用遗传算法求解最优检修计划,并对遗传算法编码、初始化、交叉及变异方法等方面进行研究。仿真结果表明:遗传算法能快速有效求解动车组检修的优化问题,明显缩短了检修等待时间。

摘要： 针对约束优化问题,提出一种复合人工蜂群算法。该算法引入多维随机变异操作和最优引导变异操作平衡算法的探索能力和开发能力。将ε约束和可行性规则相结合平衡目标函数与约束,加快算法的收敛。通过对CEC 2006中20个测试函数和CEC 2010中18个测试函数及3个实际工程优化问题的实验结果分析表明,该算法对约束优化问题可行有效。

摘要： 约束优化问题普遍存在于各科学和工程领域中,研究该类型问题的求解方法具有重要意义。在基本海洋捕食者算法的基础上,首先引入ε约束法,将算法的适用领域拓展到约束优化问题,然后通过引入基于佳点集理论的种群初始化方法、一般反向学习策略和基于Logisitic混沌映射的局部强化搜索策略,进一步提高了算法的寻优性能,从而构建了一种用于求解约束优化问题的新算法。

摘要： 约束优化问题广泛存在于科学研究和工程实践中,其对应的约束优化进化算法也成为了进化领域的重要研究方向.约束优化进化算法的本质问题是如何有效地利用不可行解和可行解的信息,平衡目标函数和约束条件,使得算法更加高效.首先对约束优化问题进行定义;然后详细分析了目前主流的约束进化算法,同时,基于不同的约束处理机制,将这些机制分为约束和目标分离法、惩罚函数法、多目标优化法、混合法和其他算法,并对这些方法进行了详细的分析和总结;接着指出约束进化算法亟待解决的问题,并明确指出未来需要进一步研究的方向;最后对约束进化算法在工程优化、电子和通信工程、机械设计、环境资源配置、科研领域和管理分配等方面的应用进行了介绍.

摘要： 常规磁悬浮带式输送机采用永磁体和电磁铁组合的电磁结构,在磁悬浮支承力需求较高的工况条件下具有易发热、电流损耗大等问题.为解决该问题,提出了一种基于Halbach阵列的电磁结构.以电磁结构磁感应强度最大为目标函数,以电磁结构尺寸和磁感应强度分布范围为约束条件,建立了电磁结构优化数学模型.针对教与学优化(TLBO)算法用于求解电磁结构优化数学模型时容易陷入局部最优的问题,提出了一种改进的TLBO算法,该算法通过筛选引入新种群及改进教学阶段和互学阶段的学习方式,增强种群的多样性和搜索能力.测试结果表明,改进的TLBO算法的准确性和稳定性均优于标准TLBO算法.采用改进的TLBO算法对磁悬浮带式输送机电磁结构优化数学模型进行求解,得到最优电磁结构参数:Halbach阵列中单个永磁体高7 mm、宽9 mm,永磁体块数为7.实验结果表明,相同尺寸条件下,基于Halbach阵列的电磁结构最大磁感应强度相对基于永磁体的电磁结构提高了47.69％.

摘要： 针对帝企鹅优化算法收敛精度低、易陷入局部最优等问题,提出一种改进帝企鹅优化算法求解约束优化问题.利用动态线性调整粒子数目策略结合两种变异操作的方式,增加算法探索能力与开发能力;通过引入一种存档替换操作机制,完善可行性准则的性能,加快算法收敛速度.基于13个标准测试问题和2个工程优化问题的实验结果表明,该算法对约束优化问题有效可行.

摘要： 为确保使产品具有良好的维修性,针对现有拆卸序列规划方法存在无法高效得到最优解,甚至得不到最优解的问题,对拆卸序列规划问题特征进行了研究.确定了适用于拆卸任务排序的编码规则,设计了一种分层次的拆卸优先图,用分层次约束矩阵保证了拆卸中的优先约束,建立了随机序列合规化处理方法;定义了适用于此问题的遗传算法交叉算子和变异算子,结合全局搜索能力较好的遗传算法与局部搜索能力较好的粒子群算法,提出了适用于拆卸序列规划的遗传-粒子群算法;最后,以液压泵为例,建立了其拆卸模型,在MATLAB软件上进行了算例验证,并与文献中不同算法对此问题的求解结果进行了对比和分析.研究结果表明:此算法最优解适应度、得到最优解的迭代次数及运行时间均低于以往算法,即可以更加高效得出适应度值更优的拆卸序列,显示其有效性及优越性.

摘要： 为有效求解约束优化问题,提出一种改进粒子群算法(ICPSO)。访算法在处理约束时不引入惩罚因子,而是根据目标函数值和粒子违背约束条件程度。并根据种群中个体的可行性,采用三种不同的交叉操作对粒子自身最优位置进行操作,同时对全局最优粒子采取变异操作以产生新的学习样本,引导种群的飞行,提升种群跳出局部最优解的能力。最后,引入一种混合粒子速度更新策略,提升种群向最优解飞行的概率。标准测试函数的仿真结果表明ICPSO是可行的,有效的。

摘要： 针对复杂约束优化问题, 提出一种改进的粒子群方法。该粒子群算法对于不满足约束条件的粒子实行全概率接收，但令其目标函数值同为一个很小的常数，以保持粒子的多样性并使最优解在可行域内。另外，在PSO 算法的基础上，使惯性权值按对数规律单调递减，同时引进选择遗传算子，以增强其全局寻优性能。数值实验表明：与PSO 算法和一些其它优化算法相比，改进算法具有较强的寻优能力和寻优效率。工程应用表明，改进算法具有一定的优越性。

摘要： 针对微分进化算法应用于约束优化问题时易陷入局部极小值的问题,提出了一种改进的微分进化算法(IDE)。该算法彩用不依赖于具体优化问题的控制参数白适应调整机制,同时考虑搜索速度和搜索精度,使算法摆脱易于陷入局部极值点的束缚,克服了微分进化算法参数调整的不足,提高了算法的寻优能力。将改进算法应用于供水系统优化调度模型求解的工程实例并与其他算法对比的结果表明,该算法的全局搜索能力强,搜索精度高。

摘要： 本文通过分析PSO算法对求解多变量高精度约束优化问题的不足,提出一种基于PSO算法的CTPSO算法,该算法对处理求解高精度多变量约束优化问题有较好搜索能力;详细介绍了CTPSO算法的指导思想和具体步骤,通过PSO算法和CTPSO算法的对比实验,分析了CTPSO的收敛特性、全局和局部搜索性能.

摘要： 针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题,提出了一种改进的粒子群优化算法.该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值,采用了双适应值动态判断粒子群优化算法中粒子的优劣.违反度值的计算引入了自适应加权系数,相应地提出了调整各权系数的自适应策略,并改进了粒子群优化算法的粒子竞争选择策略,拓展了粒子群优化算法的单适应值的应用范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度.结果表明,该算法收敛速度快且结果可靠.粒子群优化算法为解决工程约束优化问题提供了一条可行途径.

摘要： 人工鱼群算法(AFSA)是一种新型的寻优策略,它具有鲁棒性强,全局收敛性好,以及对初值的不敏感性等优点.本文引人了半可行域的概念,并结合人工鱼群算法本身的特点,设计了基于竞争选择和惩罚函数的适应度函数,从而得到了一个利用AFSA算法求解约束优化问题的新进化算法.数值计算证明了算法的有效性.

摘要： RQP方法是由Bartholomew-Biggs等人发展起来的解决非线性规划的一种方法。即将增广Lagrange函数的局部极小点的一阶优化条件转化为一个非线性系统。该文提供了一种通过求解建立在增广Lagrange函数基础上的二次规划子问题得到搜索方向，从而解决约束优化新的算法，它避免了罚因子趋向于无穷的不利因素。并利用Fletcher精确罚函数作为价值函数，并旨进其近似方向导数，以避免计算二阶导数。

摘要： RQP方法是由Bartholomew-Biggs等人发展起来的解决非线性规划的一种方法。即将增广Lagrange函数的局部极小点的一阶优化条件转化为一个非线性系统。该文提供了一种通过求解建立在增广Lagrange函数基础上的二次规划子问题得到搜索方向，从而解决约束优化新的算法，它避免了罚因子趋向于无穷的不利因素。并利用Fletcher精确罚函数作为价值函数，并旨进其近似方向导数，以避免计算二阶导数。

摘要： RQP方法是由Bartholomew-Biggs等人发展起来的解决非线性规划的一种方法。即将增广Lagrange函数的局部极小点的一阶优化条件转化为一个非线性系统。该文提供了一种通过求解建立在增广Lagrange函数基础上的二次规划子问题得到搜索方向，从而解决约束优化新的算法，它避免了罚因子趋向于无穷的不利因素。并利用Fletcher精确罚函数作为价值函数，并旨进其近似方向导数，以避免计算二阶导数。

摘要： RQP方法是由Bartholomew-Biggs等人发展起来的解决非线性规划的一种方法。即将增广Lagrange函数的局部极小点的一阶优化条件转化为一个非线性系统。该文提供了一种通过求解建立在增广Lagrange函数基础上的二次规划子问题得到搜索方向，从而解决约束优化新的算法，它避免了罚因子趋向于无穷的不利因素。并利用Fletcher精确罚函数作为价值函数，并旨进其近似方向导数，以避免计算二阶导数。

摘要： 本发明公开了一种局部并行搜索优化方法(LPOS)，该方法通过Agent根据自身的取值并行地搜索局部邻居取值来进一步扩大对解空间的搜索，从而避免算法陷入局部最优。为了保证算法的收敛性引入平衡因子K来平衡算法对解的开发和探索能力。实验结果表明，采用局部并行搜索优化的算法在求解低密度和高密度DCOPs时性能都优于其他算法。特别是在求解高密度DCOPs时，局部并行搜索优化的算法在性能上有显著提升。

摘要： 本发明考虑了带有一个全局闭凸集约束的凸优化问题。本发明的目的是以分布式方法来解决所研究的优化问题，即只通过局部计算和局部信息交换的方式来获取优化问题的最优解。为此，分别在有向平衡图上和有向非平衡图上设计出了基于梯度追踪框架的分布式离散时间算法。由于经典投影法不适合处理梯度跟踪框架下的闭凸集约束，本发明采用一种新的间接投影法来处理所涉及的闭凸集约束。此外，还引入了两个时间尺度来完成收敛性分析，证明算法拥有线性收敛速率。本发明的一个重大创新是，找到了一个有效的闭凸集约束处理方法来和梯度追踪方法融合，率先在非平衡图上以带有线性收敛速率的分布式算法解决了带有约束的凸优化问题。

摘要： 本发明公开了基于BP神经网络的线性约束黑箱优化问题的优化方法，属于运筹优化领域。确定线性约束黑箱优化问题和BP神经网络模型的基本参数；设计试验方案并试验，获得试验方案样本点的响应值；训练BP神经网络模型，构造目标函数和约束条件的黑箱优化问题的BP神经网络模型；利用数学规划法对BP神经网络模型进行优化，获得黑箱优化问题的最优解与最优值。本发明通过挖掘和利用BP神经网络模型和数学规划法的优势，为线性约束的黑箱优化问题求解提供一种新思路、新方法，对黑箱优化问题的高精度、高效率近似建模及提高黑箱优化问题的求解精度及稳定性具有重要意义。

摘要： 描述了一种评估并减少对象检测结果与识别结果中的感知误差的系统。所述系统包括感知模块，其从移动平台附近的环境接收(对象的)感知数据。生成感知探针，所述感知探针描述对象的一个或更多个特性。将感知探针转换为基于概率信号时间逻辑(PSTL)的约束，其提供具有感知探针的统计分析的公理。对公理进行评估，以将感知探针分类为有效的或有误差的。通过基于公理求解优化问题来生成最优感知参数，这允许所述系统基于最优感知参数来调整感知模块。

摘要： 本公开涉及一种驱动量子计算网络的方法，所述方法用于确定二次无约束二值优化问题的解的代价函数的极值，所述方法包括：初始化量子比特；将量子门层顺序地应用于所述量子比特，其中，每一层包括作用于多个量子比特的多量子比特量子门以及具有两个特征值和对所述量子比特的可变作用的多个变分量子门，其中，所述量子门层的变分量子门的可变作用形成变分参数的集合；以及确定所述量子计算网络的输出状态以获得与所述变分参数的集合相关联的解，其中，所述二次无约束二值优化问题的每个二值变量都与所述寄存器量子比特的计算基态相关联，并且所述解是通过评估测量到与所述二值变量相对应的计算基态的概率而获得的，并且其中，所述解通过以下操作迭代地改进：确定经变更的变分参数的输出状态以评估关于所述变分参数的子集的偏导数，从而基于所述经变更的变分参数的输出状态确定所述代价函数的梯度；以及基于所述代价函数的梯度上的移动平均值与所述代价函数的平方梯度上的移动平均值的更新函数来更新所述变分参数。

摘要： 本发明公开了一种求解约束优化问题的量子近似算法，属于量子计算技术领域。本发明将二次无约束的二元优化方法和量子交替算符拟设方法融合在同一量子近似优化算法框架中，利用经典的贪心算法，对带约束的优化问题进行求解，得到的近似最优解作为一个约束条件，根据约束条件重新设计编码演化算符，使得表征解的量子态演化限制在可行解范围内，并且，将约束优化问题通过添加惩罚项转化为无约束优化问题，当有解违反约束时，在目标函数中添加惩罚项，使不满足约束条件的解的期望值比满足约束条件的解要差，通过本发明方法能高效的求解约束优化问题。

摘要： 本发明涉及一种求解复杂约束优化问题的多策略混合麻雀搜索方法。通过在初始化阶段引入基于对位学习策略，获得更优的初始种群；在更新种群阶段结合差分进化算法扩展算法探索和开发能力；最后，引入基于社区学习策略对种群进行精炼，进一步平衡局部搜索和全局搜索能力，并保持种群的多样性。本发明方法对比其他先进优化算法是非常具有竞争力。

摘要： 本发明公开了一种基于遗传算法的连续型分布式约束优化问题求解方法(AMCGA)，在AMCGA中，智能体(Agent)首先构建分布式种群和广度优先搜索(BreadthFirstSearch,BFS)伪树以分布式地计算个体适应度；然后通过贪婪策略选择精英个体进行自适应多点交叉实现全局搜索，智能体之间协同通信保证分布式种群中解的一致性；最后利用变异算子完成局部搜索。AMCGA适用于任意形式的约束函数，并被证明是具有anytime属性和全局收敛性。在四类基准问题上的广泛实验结果表明，AMCGA的求解质量优于最先进的C‑DCOP求解算法。AMCGA能有效地打破目前C‑DCOP求解算法的局限，并在求解质量方面存在20％至30％的提升。

摘要： 本发明公开了一种基于分布估计算法的连续型分布式约束优化问题求解方法(EDA‑CD)，在EDA‑CD中，一组解被刻画为一个个体，通过对解的各个维度构建概率模型来刻画智能体(Agent)取值的分布，从宏观的角度出发捕获解集的全局统计信息。智能体首先构建分布式种群，分别计算其变量的均值与方差以并行构建概率模型；然后所有智能体通过在广度优先搜索(Breadth First Search,BFS)伪树上的协同通信来评估个体的适应度；最后智能体基于个体的评估更新概率模型。在四类基准问题上的广泛实验结果表明，相较于最先进的C‑DCOP求解算法，EDA‑CD的求解质量有20％左右的提升。

摘要： 本发明公开了一种求解多目标约束优化问题的方法及其存储介质。该方法包括步骤：生成初始种群，然后分别计算目标函数值、约束值；使用深度强化学习的策略网络自适应生成新的差分因子和约束放松因子；使用差分因子进化生成新的个体，再将新的个体与上一代种群组成临时种群；基于分解的多目标进化算法MOEA/D得到临时种群中个体的切比雪夫值、约束值，然后更新到新一代种群；若达到最大迭代次数则将最后更新的种群作为多目标约束优化问题的最优解，否则计算反馈奖励返回深度强化学习的策略网络中更新损失函数然后继续迭代。本发明能够自适应调整进化算法中的敏感参数，实现进化过程中收敛性与分布性的平衡。