全局最优解

摘要： PSO算法寻优性能优劣受速度更新公式影响,过快的收敛速度可能使算法错过全局最优解;过慢的收敛速度可能会使算法陷于局部最优解。针对该问题,文中提出了一种基于改进压缩因子的PSO优化算法,即FPSO。通过引入压缩因子方程,改进了速度迭代公式,减少了因学习因子设置不当对算法造成的影响。新的调节机制既保证了PSO算法的收敛性能,也削弱了速度边界对算法的影响。最后,选取5个经典函数对算法性能进行测试。测试结果表明,与传统PSO算法相比,文中算法提高了全局收敛能力,缩短了收敛时间。

摘要： 本文研究线性半向量二层规划问题的割平面方法.首先基于线性多目标规划的加权标量化方法以及下层问题的K-K-T最优性条件,将线性半向量二层规划问题转化为相应的单层规划问题;然后通过分析所构造单层规划问题最优解的特征,同时基于割平面思想,设计一种求解线性半向量二层规划问题全局最优解的算法;最后,利用算例验证所设计割平面算法的可行、有效性.

摘要： 多峰值优化问题要求算法同时找到一个问题的多个全局最优解。近年来,演化算法已被广泛用于求解多峰值优化问题。然而,如何在极其有限的适应值评估次数内找到问题的多个全局最优解依然为演化算法带来了巨大的挑战。通过分析个体的历史更新经验,为每个个体赋予双层适应值评估概率,对个体进行选择性评估,从而减少算法运行过程中无效或低效的适应值评估,提出了一种基于概率评估差分进化的多峰值优化算法。实验结果显示,概率评估机制可以为算法节省更多的适应值评估次数,增加迭代过程,效果远好于其他主流的多峰值优化算法。

摘要： 针对已有算法没有通过蚁群算法和模拟退火算法对调度策略进行优化的问题,提出了一种云计算背景下数据中心资源调度方法,提高了调度时间、平均能耗和资源利用率。以云计算为背景,基于蚁群算法,研究了任务与资源的匹配因素和负载平衡问题;将调度时间降至最少,可以得到一组任务到资源的优化解;采用模拟退火算法优化路径,更新信息素,实现数据中心资源调度,获得全局最优解。实验结果表明,该方法在调度时间和平均能耗方面具有优势,可以提高资源利用率。

摘要： 针对多目标优化给传统多目标粒子群算法(Multi-objective Particle Swarm Optimization,MOPSO)带来的收敛速度慢、解分布不均导致算法多样性差的问题,提出一种基于速度约束(Speed-constraints)和全局多样性(Global Diversity)的MOPSO算法。利用粒子速度更新过程中引入新的速度引导方向并融入收缩控制因子来增强粒子的全局搜索能力和局部开发能力;通过精英库中非支配解的多样性信息评估最优解的分布状态,设计全局最优解选择机制自适应选择最优解,提高算法的多样性。实验结果表明,与其它现有算法相比较,上述算法反向代距离和超体积均有明显改善,获得的可行性解更均匀地分布到Pareto前沿。

摘要： 针对堆优化算法(HBO)在解决复杂问题时存在搜索能力不足和搜索效率低等缺陷,提出一种差分扰动的HBO--DDHBO。首先,提出一种随机差分扰动策略更新最优个体的位置,以解决HBO没有对其更新从而导致的搜索效率低的问题;其次,使用一种最优最差差分扰动策略更新最差个体的位置,以强化其搜索能力;然后,采用一种多层差分扰动策略更新一般个体的位置,以强化多层个体之间的信息交流,并提高搜索能力;最后,针对原更新模型在搜索初期获得有效解概率低的问题,提出一种基于维的差分扰动策略更新其他个体的位置。在大量CEC2017复杂函数上的实验结果表明,与HBO相比,DDHBO在96.67%的函数上具有更好的优化性能,更少的平均运行时间(3.4450s);与WRBBO(Worst opposition learning and Random-scaled differential mutation Biogeography-Based Optimization)、DEBBO(Differential Evolution and Biogeography-Based Optimization)和HGWOP(Hybrid PSO and Grey Wolf Optimizer)等先进算法相比,DDHBO也具有显著的优势。

摘要： 已有的区块链资源分配算法存在分配任务时延较长,且在实际应用中该方法下的资源分配过程能耗过高。为解决上述问题,提出基于移动边缘计算的区块链资源分配算法。利用区块链技术构建去中心化的资源管理模型,将资源账本交给网络中的全部参与者共同维护,利用一个以太坊主链和多个以太坊侧链构成的多用户异构蜂窝网络,实现多用户异构蜂窝移动边缘计算。以以太坊主、侧链的计算资源、任务的时延为约束条件,建立边缘计算能耗迁移与资源分配联合优化模型,并采用蚁群算法通过构建蚂蚁“觅食”路径与更新信息素过程求解模型,获取资源分配全局最优解,实现低能耗的区块链资源分配。仿真结果证明了所提算法消耗的移动边缘计算服务器电池容量与电池能量较低,且该算法收敛性较强,区块链资源分配效果理想。

摘要： 针对预警探测任务中多雷达传感器协同探测跟踪同一目标时的雷达资源优化分配问题,提出了一种基于改进多目标粒子群优化算法的雷达资源分配方法。为了获得综合效能最大的雷达资源分配方案,建立了以雷达对目标的探测覆盖占比、雷达交接班次数、目标首点发现时刻为目标函数的多雷达资源优化分配模型,给出了基于改进多目标粒子群优化算法求解雷达资源分配模型的具体步骤。仿真结果表明,提出的方法能够合理地进行多雷达资源优化分配,计算结果高效、可行,算法求解结果稳定,能有效避免基本粒子群算法可能遗漏全局最优解情况的产生。

摘要： 利用数据类别间层次结构关系进行分类学习任务广泛存在于疾病诊断、图像标注等领域.然而,数据特征空间的高维性,使得分层分类学习面临着时间复杂度高和存储负担大等问题.另外,现有研究工作都假设训练集标记粒度是充分细化,与实际分层分类学习中划分细粒度标记代价高,类别标记间存在语义歧义性等矛盾.为解决上述问题,提出一种由粗到细的分层特征选择算法.该算法考虑类内一致性和兄弟节点间的差异性以选择有代表性特征,同时在特征选择的过程中实现预测训练样本未知的细粒度标记.在7个基准数据集上的实验结果表明,所提算法的分类性能优于一些先进的对比算法,且能处理标记粒度不够细化的情况.

摘要： 为了提高冗余自由度机械臂的运动准确性,进行基于全局最优滑模控制器的冗余自由度机械臂运动控制的研究.分析冗余自由度机械臂的机械结构,明确其结构组成及运动原理.通过各关节节点的旋转角度及连接臂长度,分别求取了相邻关节节点间的旋转关系式及关节结点相对基础坐标的移动矢量,并通过该移动矢量得出机械臂的动力学方程.通过机械臂的动力学方程,计算出单个关节节点的系统方程.利用角度误差构造滑模面,并在此基础上利用单个关节节点的系统方程,建立滑模控制器.为了获取滑模控制器中滑模加权因子和趋近加权因子的最优解,采用粒子群算法在解空间中对其进行全局搜索,从而得到全局最优化的滑模控制器,用于对冗余自由度机械臂的运动过程进行控制.实验中,采用此方法和干扰观测器方法对关节节点的运动过程及末端执行器的运动过程进行了控制,从控制结果可知:在控制关节节点及末端执行器运动时,此方法比干扰观测器方法的控制准确度分别提高了 17.12％和13.49％,表明此方法能有效保障冗余自由度机械臂的运动准确性.

摘要： 已有的关于非线性两层规划的研究中，通常是基于内层问题的KKT最优性条件，将其转化为单目标的优化来求解。现将目标为线性、约束为凸的一类非线性两层规划转化为带有反凸约束的优化问题，讨论了解的几何性质，建立了一个新的求全局最优解的算法，并证明了算法能收敛到问题的全局最优解。

摘要： 现有优化布阵方法的优化模型是以阵元位置为优化变量,通常以指数函数出现,该优化问题非凸.针对该问题,本文中提出了基于SDP的优化布阵方法,该方法的实现步骤;首先,将需要稀疏布阵的区域划分为很小的栅格,每个栅格点上有一个待选阵元;其次,以每个待选阵元的选择概率为优化变量,设计具有强指向性的发射方向图;最后,在最小阵元间距的约束下,以选择概率的大小以及重心准则将待选阵元进行聚合,得到满足最小阵元间距要求的稀疏布阵.该方法可以看作是基于概率选择加权向量的发射方向图设计方法,优化模型是一个SDP优化模型,可以求得全局最优解.相比传统的智能优化算法的优化布阵方法,本文方法只需进行单次求解,并且可以从单次求解结果中选择不同阵元数的稀疏布阵.

摘要： 在BPSK调制下,基于最大似然(Maximum Likelihood,ML)准则的MIMO检测器是一个二进制二次规划问题,其计算复杂度随着天线数的增多呈指数增加,当天线数较多时,其计算量太大,无法满足实时通信的要求.本文提出了一种新的MIMO检测算法.使用新算法,可以在很小的计算开销下,求解出ML检测器的部分全局最优解,然后,将优先检测出的部分最优解从原二进制二次规划问题中剔除得到一个相对小规模问题,最后使用传统的次最优检测算法对该小规模问题进行求解.这样,新算法不仅可以得到比传统的次最优检测器更低的误码率,计算量又远小于ML最优检测器.本文的仿真结果验证了新算法的有效性.

摘要： 为了解决动态环境中的路径规划问题,本文提出了一种引入时间轴的方法.通过引入时间轴,将C 空间扩展为CT 空间,解决了动态障碍物的表示问题.在路径生成阶段,本文提出了一种改进的蚁群算法, 将方向信息作为启发信息引入蚁群算法中,使蚂蚁在初始搜索路径时更有针对性.仿真结果表明,CT 空间可以解决动态环境的规划问题,改进蚁群算法可以更快的收敛到全局最优解.

摘要： 为了提高蜜蜂遗传算法的优化性能,提出了将免疫进化算法和混沌变异融入蜜蜂遗传算法中的进化策略.该算法在蜜蜂进化过程中,对群体中适应值较小的部分个体进行混沌变异;对群体中适应值较大的部分个体,以最优个体为中心,进行变异交叉操作,每代最优个体亦进行免疫进化迭代计算.因而,随着迭代的进行,该算法不仅收敛速度较快,而且还能以更高的精度递进全局最优解.

摘要： 建立了材料内部带有矩形缺陷的二维传热模型，利用混沌算法全局收敛和LM算法快速收敛的相对优势提出了采用瞬态对面红外检测法结合混沌-LM混合解法处理缺陷定量识别传热反问题非线性性、不适定性求解难点的新方法，引入了相对敏感系数分析评估缺陷描述参数定量可检测性的新观点。通过分析缺陷不同尺寸、方位描述参数的相对敏感系数指出了各描述参数定量可检测性之间具有差异性的结论，并针对依靠单一红外检测方式无法准确定量识别的个别缺陷描述参数提出通过在试件冷却面附近内置热电偶补充测温的方案来提高其定量识别准确性。文中通过数值实验对不同测温误差、初始假设等影响因素下的缺陷识别算例进行了实验，验证了相对敏感系数分析缺陷描述参数可检测性的正确性以及内置热电偶补充测温提高参数定量识别准确性的可行性，证明了混沌-LM混合解法的有效性，表明该算法受初始假设影响不大具有稳定的识别结果，能够获得全局最优解。

摘要： 针对函数可微的全局优化问题,将最速下降法,Newton法和罚函数法引入模拟退火算法中,提出了一种高效的模拟退火算法.该算法可以求得可微函数优化问题的全局最优解,且具有计算量小,效率高的特点.利用罚函数将约束优化问题转化为无约束优化问题后,可以利用提出的算法进行求解,数值算例表明,提出的算法能够高效地求解无约束及带约束的函数可微的今局优化问题.

摘要： 为了提高风力发电的效率，本文对含有风电场的电力系统的调度优化进行了进一步研究，首先建立了调度模型，然后把萤火虫算法进行改进，加入了粒子群算法的全局最优解的思想，然后应用到了含风电场的电力系统的调度方案中，对含有十组常规火电机组的含风电场进行了仿真计算，并将结果与传统粒子群算法相比较，结果显示出了本算法的优越性。

摘要： 针对人工蜂群算法搜索时间长、收敛速度缓慢、搜索后期极易陷入局部最优等问题,提出了一种人工蜂群并行算法(PRP-ABC).首先引入随机摄动因子和全局最优解两个策略得到串行式RP-ABC算法；然后应用OpenMP并行技术,采用主从式调度方式对串行算法并行改写；最后在多核PC上将三种算法在复杂函数优化问题上测试比较.结果表明,该算法有效提高了收敛速度和优化性能,尤其适用于高维复杂函数的优化问题.

摘要： 为了解决粒子群优化(Particle Swarm Optimization，PSO)容易陷入到局部最优的问题，提出一种两阶段动态多粒子群协作优化算法。算法中包含一个主粒子群和多个从粒子群，每个从粒子群都搜索部分问题域，主粒子群协调各从粒子群向最优解收敛并获得搜索到的最优解。在第一阶段，在粒子少的问题域产生新的从粒子群，从而确保粒子比较好地覆盖问题域。在第二阶段，删除同一子区域中位置重叠的从粒子群，减少搜索时间.用五个测试函数与两层粒子群优化(Two-layer Particle SwarmOptimization，TLPSO)进行了比较，结果表明此算法能在高维多峰函数优化时获得更好的解。

摘要： 本发明提供了最优解关系显示装置和最优解关系显示方法。一种装置：接收样本集合的输入，其中每个包括设计参数的值的集合和目标函数的值的集合；计算目标函数近似式；选择与非劣解相对应的设计参数的值的一些集合来作为最优设计参数集合的初始候选。该装置计算内插在候选中的两个相邻分量之间的一个或多个内插设计参数集合；并且针对每个内插设计参数集合，近似目标函数的值。该装置选择与对一对目标函数的成本评估的非劣解相对应的最优内插设计参数集合；并将其结合到候选中。该装置在确定新候选的成分之间的参数距离的同时对新候选重复处理。最终获得的新候选被输出作为最终最优设计参数集合并且与其有关的信息被显示。

摘要： 本发明涉及一种基于最优解的智能体残障设备投放方法，包括计算得到智能体选择的动作和Q值并进行初始化操作；进行总回合中的一个片段操作，将当前状态初始化为S0，在概率为ε时选择最大Q值对应的动作，否则选择一个随机动作，并执行该动作获得奖励后进入下一个状态；将当前状态、执行的动作、奖励和下一个状态作为一个四元组集合存入经验池，并更新sum‑tree的父节点；判断当前Q值与最优值之间的误差是否在阈值范围内，得到最终智能体选择的动作和Q值。本发明的优点在于：奖励进行分解，每一个智能体的奖励不仅包含自己的奖励，还包括所有智能体共同的奖励，提升了智能体之间的协作性，对智能体学习起到促进作用同时能满足优化目标。

摘要： 本发明涉及电力系统技术分析技术领域，且公开了一种基于最优解的配电网方案投资比选方法，其特征在于，包括以下步骤：步骤一：构建可以量化的配电网线路全生命周期成本模型；步骤二：对配电网线路进行成本分析；步骤三：对配电网投资类型进行分类预测。该基于最优解的配电网方案投资比选方法，通过建立适用的配电网线路全生命周期成本模型，通过本方法对配电网投资规划项目进行投资成本的分析，可以规范配电网规划技术投资比选工作，实现电网规划方案的量化分析比较，提升配电网规划的技术经济分析水平，提高配电网规划的科学性、合理性，为投资建设方案制定提供有效参考及数据支撑。

摘要： 本发明公开了一种基于膜计算的单细胞膜最优解计算优化方法，属于膜计算领域。在单细胞膜优化方法中，每个子膜包含的通信取代进化的控制规则使用、结构化对象中所涉及的重写膜系统和计算中产生的自适应膜结构，以及表层膜中采用的选择规则、催化规则、溶解规则和细胞器膜间的条件通讯规则，将细胞内各种细胞器的功能抽象为细胞器膜结构，使各类细胞器膜具有不同功能，以达到对细胞功能的模仿，通过不同膜对寻优结果进行不同的加工，由每个细胞个体对结果进行取舍，实现优化计算。

摘要： 本发明公开了一种永磁同步电机转子最大应力最优解的预测方法，通过对永磁体槽上的倒角大小和位置进行优化，可以减小V型内置式永磁同步电机转子上的最大应力，从而求出最大应力最优解，每一组可以维持电磁性能不变的电磁设计参数组合下都可以求出唯一最优解，通过建立代理模型就可以建立电磁设计参数组合和最优解的映射关系。本发明方法可以写成Matlab脚本进行代理模型建模，在电机设计时只需要输入电磁设计参数组合就可以快速预测出转子上的最大应力最优解，从而可以评估电机设计的合理性，为电机设计参数的选取提供了依据。

摘要： 为了使多目标粒子群算法近似Pareto前端的收敛性和多样性更优，本发明提出了基于按区择取全局最优解和就近择取个体最优解的多目标粒子群算法，将坐标第一象限区域按角度平均划分成一定的扇形区域，让粒子在与自己同一区域的非劣解中选取全局最优解，同时设置个体外部档案保存每个个体粒子发现的Pareto最优解,从个体外部档案中选取与粒子向量夹角最小的个体外部档案向量所对应的位置作为个体极值，以及在基本速度更新公式中增加了粒子对自己不好历史经验认知的项，并采用类似于分析标准PSO的优化机理的方法证明其有效性。用本算法优化2个多目标检测函数，与其他2种优化算法相比，以验证本改进算法更佳的优化效果。

摘要： 本公开提供了业务全局最优解的获取方法，涉及数据处理技术领域，尤其涉及大数据、运筹优化、人工智能等领域。具体实现方案为：根据目标业务的描述信息，确定目标搜索空间及目标函数；根据目标搜索空间，生成初始解群体；基于初始解群体，在目标搜索空间进行搜索，以获取初始解群体关联的参考解群体；根据初始解群体及参考解群体，重构新的解群体；基于新的解群体返回执行获取参考解群体的操作，直至获取使目标函数取值最小的最优解。由此，通过对初始解群体进行迭代，获取参考解群体，并基于初始解群体及参考解群体，重构新的解群体，从而增加了解群体的分散性，进而基于新的解群体求解全局最优解，提高了获取全局最优解的可靠性与准确性。

摘要： 该发明公开了一种基于二进制二次规划全局最优解的雷达目标相参检测方法，属于雷达目标探测技术领域，特别是涉及非高斯、非均匀杂波环境下雷达目标检测方法。该方法将雷达检测问题转化为满足二值约束的二次规划问题，利用二进制二次规划问题的全局最优条件判断目标信号存在与否。相比于技术背景中提到的检测方法，该方法不依赖于杂波统计特性，具有更强的泛化能力。以检测概率为评价性能指标，仿真实验表明在非高斯杂波环境下本发明比已有的检测方法具有更高的检测性能，且在信号导向矢量失配场景具有更强的鲁棒性，适合于实际应用。

摘要： 通过划分网络空间计算单隐层ReLU神经网络全局最优解的图像分类方法属于深度学习领域。对神经网络最优解的计算，考虑梯度下降等方法在优化神经网络时容易陷入到局部最优，存在优化失败可能性的问题，本发明使用一种由ReLU函数非光滑的性质使得通过该函数是否激活的若干个样本点可以将神经网络的神经元权值空间划分为若干个可微区间的方法来精准地求解神经网络的全局最优解。通过计算每个区间中的损失函数值，来确定权值空间的全局最优解。随着样本的增多，由样本划分的权值空间的数量也随之增加，加重了实验的复杂度。发明引入了局部敏感哈希原理对数据集进行优化筛选，从而降低了神经网络空间中区间的数量，提高了算法的执行效率。

摘要： 本发明请求保护一种基于全局最优解引导项的萤火虫盲源分离方法，属于盲信号处理技术领域。该方法克服了传统盲源分离算法非线性激活函数选取难题，可在源信号先验知识未知情况下有效分离混合信号。以分离信号负熵作为目标函数，利用全局最优萤火虫扩大种群的搜索范围；引入全局最优解引导项，可有效避免算法易陷入局部极值的情况，加快算法收敛速度。对含有不同类型源信号混合而成的混合信号可较好地分离，即说明改进的萤火虫算法可应用于盲源分离问题。本方法为智能算法盲源分离的改进型理论研究提供了补充，对工程应用中未知混合信号的分离具有重要意义。