全局优化

摘要： 基本状态转移算法求解一些高维复杂优化问题时,局部搜索能力较差,收敛速度慢。针对这一缺陷,本文提出了一种改进的状态转移算法。所提算法在最优算子参数选择的基础上,首先采用二次插值技术替换平移算子来提高局部开发能力,其次采用随机变异策略来增加算法跳出局部最优解的概率。最后采用基于梯度的技术对算法进行加强,进一步提高算法后期的搜索效率,并通过几个无线传感器网络定位问题,验证了所提方法的有效性和优势。

摘要： 为提高锂电池荷电状态(SOC)预测的精度,提出了新型教与学优化(NTLBO)算法优化极限学习机的SOC预测方法。首先,采用Logistics混沌对种群中精英个体进行优化以改善算法的全局优化性能;其次,采用改进的TLBO算法优化调整ELM模型的输入权值和隐含层阈值,构建NTLBO-ELM预测模型以提升模型的泛化能力。以某锰酸锂电池为研究对象对NTLBO-ELM模型进行测试验证并与其他3种模型相比较,结果表明提出的方法具有较小的预测误差和良好的泛化能力,验证了模型的有效性。

摘要： Kriging代理模型可有效近似包含黑箱约束的工程优化问题,但存在仅依靠原始样本数据建模精度不高,工程优化效率低等问题。针对上述问题,提出了综合Kriging模型、权期望改进准则及进化算法的新有效全局优化算法。该算法的权期望填充准则在期望改进准则启发下,依据距离函数与期望增量的函数关系,构造权函数实现对新填充准则全局及局部探索能力的调整,使其具有依据试验点距离进行自适应调整进而跳出局部最优解实现全局优化的特性。数值算例和工程实例结果表明,在新准则和Kriging模型作用下的全局优化算法能够实现对优化问题的快速求解,精度高且具有较好的稳定性。

摘要： 结合遗传算法(GA)和粒子群算法(PSO)的优点以及混沌运动的特性,提出了混沌粒子群遗传算法(CPSO-GA),并使用五个高维非线性测试函数考察此算法的性能。在固定进化代数、所调用目标函数次数接近以及固定收敛精度三种情况下对算法进行数值试验,结果表明,与其他文献中提出的算法相比,CPSO-GA能100%地找到最优解,收敛效果及寻优能力好,并能有效摆脱局部极小点,且调用目标函数次数最少,大大降低了计算量。

摘要： 通过自主导航的视觉算法进行导航框架设计,采取SLAM稀疏点云最小化的优化算法,完成DWA模型构建,配合实现智能巡检机器人的动态避障,在现有顺滑轨迹基础之上进行全局优化,基于ROS通信架构,对智能巡检机器人的巡检路线开展设计,完成固定坐标点和自定义坐标点的双重配合,提升智能巡检机器人的完全巡查功能。

摘要： 本文提出一种基于输出空间分支定界算法(OSBBA)求解一类广义线性乘积和规划问题(GLMP)的ε全局最优解.通过对问题(GLMP)的非线性等价问题(EGGP)的约束条件采用两种不同的松弛方法,得到相应的线性松弛问题(GLRP).再利用算法(OSBBA)在输出空间不断地分支来迭代求解问题(GLRP),直至逼近问题(EGGP)的ε全局最优解.同时,算法(OSBBA)的收敛性证明和计算复杂度分析表明该算法在理论上是有限迭代终止的.最后,数值实验验证并分析了算法的有效可行性.

摘要： 多目标空间探测是经济理性的太空探索与开发方案,它能以较低的花费获取巨大的收益.多目标空间探测轨迹优化的优化空间巨大,优化难度高,始终是航天动力学中的研究热点,而智能方法面对这些难点有着优异的表现.本文首先通过轨迹优化竞赛介绍多目标空间探测轨迹优化国际研究趋势,从中可以看出智能方法发挥着越来越重要的作用,然后从多目标空间探测轨迹优化的转移轨迹智能优化方法和探测序列智能优化方法两个部分进行综述,最后对该研究进行了展望.

摘要： 针对差分进化算法差分策略优化问题上的不足,解决DE/best/1策略全局探测能力差, DE/rand/1局部搜索能力弱而带来的鲁棒性降低及陷入局部最优等问题,本文在差分策略上进行改进,并且加入邻域分治思想提高进化效率,提出一种基于双种群两阶段变异策略的差分进化算法(TPSDE).第一个阶段利用DE/best/1的优势对邻域向量划分完成的子种群区域进行局部优化,第二个阶段借鉴DE/rand/1的思想实现全局优化,最终两阶段向量加权得到最终变异个体使得算法避免了过早收敛和搜索停滞等问题的出现. 6个测试函数的仿真实验结果表明TPSDE在收敛速度、优化精度和鲁棒性方面都得到了明显改善.

摘要： 针对传统模糊控制中规则库制定单一、动力系统与控制策略参数协调性不高等问题,提出一种基于全局优化算法的增程式电动汽车模糊控制策略。根据增程器最优效率曲线,分析并提取动态规划算法在不同需求及动力部件状态下的多能源分配规则,并结合传统工程经验作为模糊控制规则库制定依据;以燃油经济性为优化目标,利用粒子群算法优化整车动力部件与隶属度参数,获取具有全局优化性的EREV能量分配。最后,在MATLAB/Simulink中建立整车模糊控制策略模型,嵌入到ADVISOR中仿真并进行硬件在环测试。结果表明:所提出的控制策略适用于多种工况,与原车功率跟随控制策略相比,能控制动力电池SOC在合理范围内,同时提高整车燃油经济性。

摘要： 粒子群优化(PSO)算法易于实现,对优化问题可以获得质量较高的解,被广泛应用在如气动优化这种非线性高难度问题中,但是面对多峰问题容易陷入局部最优,存在鲁棒性较差的问题,为了提高PSO的鲁棒性,提出了基于并行交换的增强粒子群优化算法(EPSOBPE)。该算法通过布谷鸟搜索算法(CSA)和PSO种群并行进化,分层交换操作和增强学习策略来增强算法寻优能力与鲁棒性。该算法兼具了CSA的全局搜索能力和PSO的局部能力,使得新算法具有极强的鲁棒性。函数测试表明,新算法相较于其他智能优化算法有更强的鲁棒性,对不同问题的适应能力更强。将EPSOBPE算法应用到RAE2822翼型和M6机翼的气动优化设计中,相较于其他算法可以得到更好的效果,从而表明新算法有鲁棒性,同时兼具了更好的寻优能力。

摘要： 近年来,随着飞行器气动优化设计要求的不断提升,设计变量规模不断扩大,建立具有一定精度代理模型所需要的样本点数呈指数增长.梯度增强型代理模型一定程度上可以减少所需的样本点数量,但是目前在实际应用中效果并不是很理想.为解决这一问题,本文发展了一种间接引入梯度信息的新方法,使用分层kriging模型的思想对原先的梯度信息进行松弛,构建HGEK模型.首先,对kriging模型、GEK模型和HGEK模型的理论与算法进行了公式推导与介绍.其次,采用数值算例对这三种方法的正确性进行了验证.结果表明,HGEK模型和GEK模型的精度均优于kriging模型.最后,将HGEK模型和GEK模型应用于NACA0012翼型的优化设计问题,结果也表明HGEK模型和GEK模型的优化结果优于kriging模型.

摘要： 大规模分布式电源(DG)接入配电网,可以提高清洁能源的比重,但其固有的间歇性、波动性和不确定性将影响配电网的运行.为此,本文深入开展主动配电网无功调度策略的研究,针对主动配电网正常运行、系统电压发生较小波动以及系统电压发生较大波动三种情况制定了相应的无功电压调度策略,根据配电网中传统无功补偿设备与新型快速型无功补偿装置的补偿特性,将不同的补偿装置纳入相应的控制流程中,通过三种调度策略间的协调配合,使主动配电网在不同时间尺度和不同空间位置无功分配达到全局优化.最后基于IEEE33节点配电测试系统对所提方法的有效性进行了验证.

摘要： 事件同指消解对篇章理解、信息抽取意义重大.在事件抽取完成的基础上聚焦事件同指,给出了一个基于卷积神经网络的事件同指消解完整框架.针对实例分布不均衡问题给出了基于事件语义类别和时态信息的事件兼容性过滤策略;为了最大化适用不同的事件标注策略,提出了最小事件本身描述和事件间关系描述相结合的特征表示方法;针对基于事件对模型进行同指消解产生的局部最优问题,给出了一种全局优化的后处理方案.在KBP2015和ACE2005语料上的各类实验表明,上述三个解决方案均能有效解决问题,提升整个事件同指消解平台的性能.

摘要： 代理优化算法是一种在代理模型的基础上通过加点准则不断加入新的样本点,以快速获取全局最优解的高效算法,近年来得到了航空航天领域的广泛重视.其中,加点准则对优化效率和质量具有直接影响,是代理优化算法的核心.在现有的代理优化加点准则中,具有代表性的改善期望准则(EI)通过搜索EI函数的最大值点来更新代理模型,很好地结合了全局探索和局部探测,在保证优化全局性的同时提高了效率.然而EI准则一次只能加一个样本点,不利于实现并行优化.为了进一步提高EI方法的优化效率,本文提出了一种一次添加多个样本点的新方法,称为多点EI方法(MEI).该方法在建立初始代理模型后寻找期望改善量的极大值点,自适应地添加前几个最大的极值点,更新代理模型,直至收敛.开展了二维Rosenbrock函数、G9函数等标准数值函数算例和NACA0012标准翼型减阻优化算例的研究.结果表明,与EI方法相比,所发展的多点EI方法能显著提高气动设计优化效率,是一种效率更高的全局优化方法.

摘要： 填充函数方法是近些年来提出的一种最优化方法,且被公认为是一种解决无约束全局优化问题的有效的方法.本文提出一个新的无参数填充函数,不同于文献中提出的含单参数或双参数的填充函数.并且给出一个投资组合的实际例子证明了此无参数此无参数填充函数方法的有效性.

摘要： 针对换热网络优化问题的MINLP本质,提出“负面积”的概念处理传热计算中存在的面积非负及温度不交叉约束,借助罚函数的思想建立了适用于连续变量优化的无约束辅助函数,优化过程允许出现“负面积”的状态,但其对应的换热器将不参与传热计算过程.选取4股流和9股流算例,分别结合梯度方法和微分进化算法验证了该辅助函数可以有效适用于换热网络的优化过程,取得较好的换热网络设计.

摘要： 当性能要求苛刻、循环过程复杂时,制冷系统的优化设计显得尤为重要.本文通过对制冷系统进行火积耗散分析与热力学分析,建立各参数间的数学联系,将系统设计优化问题转化为条件极值问题,实现了多参数的全局优化.通过对算例的结果进行分析,发现增大压比或预冷工质热容量流有利于总换热面积的减小,而增大功耗将使总换热面积先减小后增加.

摘要： 威胁评估是防空作战指挥控制过程中的关键环节之一.本文针对威胁评估B-P神经网络模型所存在的易陷入局部最优、全局搜索弱等固有缺陷,提出了利用遗传算法的全局优化性能,对B-P网络的连接权进行训练的遗传神经网络威胁评估模型.该方法较好的改善了网络性能,是一种有效的威胁评估方法。

摘要： 针对蝙蝠算法收敛速度慢和Hooke-Jeeves算法易陷入局部最优等缺点,本文相结合二者的优点提出一种混合算法,即Hooke-Jeeves蝙蝠算法.然后利用这种混合算法来求解非线性方程组.Hooke-Jeeves蝙蝠算法不仅发挥了搜索全局最优解的能力,而且实现了局部精细搜索的能力.实验结果表明:Hooke-Jeeves蝙蝠算法是一种求解非线性方程组的有效的优化方法.该算法可以用于求解其他无约束优化问题.

摘要： 针对蝙蝠算法收敛速度慢和Hooke-Jeeves算法易陷入局部最优等缺点,本文相结合二者的优点提出一种混合算法,即Hooke-Jeeves蝙蝠算法.然后利用这种混合算法来求解非线性方程组.Hooke-Jeeves蝙蝠算法不仅发挥了搜索全局最优解的能力,而且实现了局部精细搜索的能力.实验结果表明:Hooke-Jeeves蝙蝠算法是一种求解非线性方程组的有效的优化方法.该算法可以用于求解其他无约束优化问题.

摘要： 本发明公开了一种基于两层多个追随者鲁棒优化的水资源全局优化配置方法包含三个阶段，第一阶段是通过应用鲁棒优化模型获得等价两层模型，第二阶段是通过Karush‑Kuhn‑Tucker方法获得等价的单层模型，最后一个阶段是通过凸化和分段线性技术将非线性目标函数转化为可以直接求解全局最优解的等价的混合整数凸优化模型；在不确定环境下，模型能够权衡多层决策者的利益关系，并求得全局最优解，使得这个解在不确定参数在一定区间变动时都是可行解，使得水资源分配方案最优。

摘要： 本发明提供了一种基于大规模全局优化技术的变循环发动机过渡态优化方法，属于航空发动机过渡态控制优化技术领域。通过将过渡态控制优化问题转变为大规模全局优化问题，采取竞争粒子群算法对控制输入量的单步增量序列进行优化搜索，克服了传统SQP算法依赖模型特性、后期收敛速度缓慢及容易陷入局部最优解的缺点，具有一定的快速性和可移植性。

摘要： 本发明公开了一种用于灵活栅格光网络的全局优化的系统架构及其全局优化方法。本发明提供的用于灵活栅格光网络全局优化的系统架构包括全局优化请求单元和全局优化执行单元，其中所述全局优化请求单元产生全局优化请求消息，并将所述全局优化请求消息发送给所述全局优化执行单元；所述全局优化执行单元解析所述全局优化请求消息，基于全局优化约束条件、全局优化计算算法以及所述灵活栅格光网络的网络拓扑和资源信息进行全局优化，并将全局优化结果返回给所述全局优化请求单元。

摘要： 本发明公开了一种基于高效全局优化算法的微服务划分及优化方法，基于流程数据流图，构建基于微服务的业务系统性能仿真模型，运用DACE模型以及高效全局优化算法，在较小样本数量的仿真和验证实验结果下，构建出描绘业务系统的响应曲面，根据微服务应用需求，对微服务架构进行有效划分及性能优化，在传统的人工经验划分的基础上提升了划分的合理性，可提高微服务的效率和性能。

摘要： 本发明公开了一种基于强化学习的多维连续型优化变量全局优化方法，该方法包括：强化学习环境的建立；利用强化学习方法在指定优化变量集中选择指定个数的优化变量，然后再对其取值利用连续型优化变量优化算法进行优化的顺序优化策略；优化总体流程以及约束的引入方法。该方法针对多维连续型优化变量全局优化问题，实现了智能优化的目的，并且可以突破传统全局优化方法对优化变量个数的限制，使人工智能技术在优化方面的广泛应用成为了可能。可以应用于具有极大规模设计变量的工业设计、制造加工、控制优化、投资决策、系统工程等场合；并且得益于深度强化学习强大的智能组合优化能力，对于变量间存在复杂耦合关系的系统也有很好的全局优化效果。

摘要： 本发明公开了一种基于两层多个追随者鲁棒优化的水资源全局优化配置方法包含三个阶段，第一阶段是通过应用鲁棒优化模型获得等价两层模型，第二阶段是通过Karush‑Kuhn‑Tucker方法获得等价的单层模型，最后一个阶段是通过凸化和分段线性技术将非线性目标函数转化为可以直接求解全局最优解的等价的混合整数凸优化模型；在不确定环境下，模型能够权衡多层决策者的利益关系，并求得全局最优解，使得这个解在不确定参数在一定区间变动时都是可行解，使得水资源分配方案最优。

摘要： 本发明提供了一种基于大规模全局优化技术的变循环发动机过渡态优化方法，属于航空发动机过渡态控制优化技术领域。通过将过渡态控制优化问题转变为大规模全局优化问题，采取竞争粒子群算法对控制输入量的单步增量序列进行优化搜索，克服了传统SQP算法依赖模型特性、后期收敛速度缓慢及容易陷入局部最优解的缺点，具有一定的快速性和可移植性。

摘要： 本发明公开了一种变压器中性点电容隔直装置全局优化配置方法和系统，方法包括搭建等效场路耦合模型，并基于所述等效场路耦合模型对电网原始偏磁电流分布进行初始化；基于电网节点间等效阻抗的等效电气距离引入全网电流不均衡度作为全网电流均衡的评价指标，建立以电网隔直装置配置和全网电流分布均衡作为博弈参与者的电容隔直装置优化配置均衡博弈模型；采用多目标离散粒子群优化算法对所述优化配置均衡博弈模型进行求解优化，得到接地极近区电网电容隔直装置的最优配置方案。本发明计及电网规划信息，并从全局角度出发进行电容隔直装置的优化配置。

摘要： 本发明公开了一种立体开发井网的全局优化和决策方法。本发明针对立体井网开发的特点，能够对每个开发单元进行建模并基于优化方法求得最优解集，并能在给定决策/优化目标参数的基础上建立决策图，实现对每个开发单元在整体上中所处的地位和优化潜力的直观评估，进一步给出综合决策系数，为方案是否优化给出定量参数。进一步在所有立体井网的开发单元的层面上，实现在给定参数组合下，对各个开发层系最优方案的评价、对全局优化方案的决策并给出决策图和综合决策系数。本发明是一种有效的立体开发井网的全局决策方法，能够为立体开发井网全局优化提供支撑，为立体井网整体开发设计以及后续方案修正提供积极指导。

摘要： 本发明公开了一种基于离线全局优化的多点云地图融合方法和装置，该方法包括：步骤1，适配基于GPS信息初始化的激光SLAM方法；步骤2，将需要用于点云融合的多个数据集，按照上述S1所述的在线激光SLAM方法依次获得多个点云地图；步骤3，离线加载各点云地图信息，并依次构建各点云地图的里程计因子，回环因子和GPS因子；步骤4，构建不同点云地图之间的互约束因子；步骤5，设定优化参数，进行全局优化，保存最终融合点云和所有关键帧信息。本发明方法相较于在线多点云地图融合的方法，提高了多点云地图融合的稳定性和可靠性，降低了算法实施的难度，无需顾及建图性能和运行实时性之间的平衡关系。