基于部件指派的多状态系统可靠度优化研究

针对一般二态系统假设的不足,提出了多状态系统条件下的可靠度优化指派问题。该问题以系统可靠度最大化为优化目标,在考虑部件分配成本和总分派成本预算的前提下,对多状态系统下不同状态对应的性能水平的进行了分析,给出了基于通用生成函数的多状态系统的可靠度评估方法。根据指派问题的组合优化的特性和多状态系统可靠性评估的特点,对传统遗传算法的适应度函数进行了改进,设计了基于整数编码的遗传算法,该算法具有离散变量的设计灵活性和强大的搜索性能。算例实验表明,本文设计的优化算法具有较好的求解质量,同时算法的运行时间也得到了大幅的缩短。本研究为多状态系统的可靠度优化提供了一条可借鉴的思路。     

系统可靠度最优分配的一种算法

可靠度最优分配是系统设计、研制过程中需考虑的一个重要问题,其目的是从整体出发,将有限资源加以最有效地利用。本文将部件(元件)概率重要度应用于复杂系统(如网络系统)可靠性设计中,提出了一种系统可靠度最优分配问题中费用最小化的启发式算法。本算法直观、简单,易于在计算机上实现,而且系统设计者能全面了解整个优化过程,适合工程应用。本文还举例对算法进行了说明和比较,并表明本算法是精确可靠的。     

求解无线传感器网络路由问题的蚁群最优化算法及其收敛性

首先将无线传感器网络的路由问题转化成求解最小Steiner树问题,然后给出了求解无线传感器网络路由的蚁群优化算法,并对算法的收敛性进行了证明．最后对找到最优解后信息素值的变化进行了分析．即在限制信息素取值的条件下,当迭代次数充分大时,该算法能以任意接近于1的概率找到最优解,并且当最优解找到后,最优树边上的信息素单调增加,而最优解以外边上的信息素在有限步达到最小值．     

基于粒子群算法的大型网络计划资源优化

现有求解网络计划资源优化的方法中,解析法不能解决大型复杂网络优化问题,启发式方法过多依赖具体问题、求解效率低,遗传算法生成新一代优化解种群依据的三个算子的实现参数选择,大部分依靠经验并严重影响解的品质,粒子群算法存在大型网络计划资源优化计算量过大和缺少大型网络计划资源优化算例问题.借助设计网络计划时间参数的计算机算法、建立评价函数、设计进化方程等基础工作,选择与工作开始时间相关的变量作为粒子空间位置,用蒙特卡洛方法和限制条件优化初始粒子群,设置可行解范围,用二维动态数组解决大型网络计划资源优化运行image超限问题,通过粒子群算法进化,寻求大型网络计划资源优化解,算例表明基于粒子群算法的大型网络计划资源优化效果明显,粒子群算法参数分析表明:粒子群算法的参数会影响网络计划资源优化结果,而且初始粒子群限制条件和优化目标设置的影响程度较大.     

基于RBF神经网络模型的结构可靠度优化方法

在结构构件尺寸、材料属性以及外部载荷等不确定性因素影响下,基于可靠度的优化给出了兼顾结构的成本和安全性能的安全设计方案.由于传统的可靠度优化方法采用嵌套的双层优化列式求解,因此导致计算量过大.为了克服这个问题,学者们相继提出了解耦方法和单循环方法等方法.该文采用RBF神经网络模型用于可靠度优化问题的求解中,通过拉丁超立方方法构造代理模型,并用误差指标来验证代理模型的精确程度,同时自适应更新代理模型直至满足需求.通过与现有可靠度优化4种主流算法的比较,说明了该文提出算法的高效性和稳健性.     

求解最小Steiner树的蚁群优化算法及其收敛性

最小Steiner树问题是NP难问题,它在通信网络等许多实际问题中有着广泛的应用．蚁群优化算法是最近提出的求解复杂组合优化问题的启发式算法．本文以无线传感器网络中的核心问题之一,路由问题为例,给出了求解最小Steiner树的蚁群优化算法的框架．把算法的迭代过程看作是离散时间的马尔科夫过程,证明了在一定的条件下,该算法所产生的解能以任意接近于1的概率收敛到路由问题的最优解．     

基于粒子群优化Kriging模型的边坡可靠度分析

采用传统极限平衡法进行边坡可靠度分析时,不可避免会遇到一个问题,即边坡功能函数形式的高度非线性以及隐含性.对于隐式功能函数,传统的求解方法是通过对功能函数进行多次迭代,从而得到安全系数值.但是由于功能函数的形式较为复杂,导致迭代计算的过程变得尤为繁琐且效率低下.鉴于传统边坡可靠度分析中存在的安全系数计算繁琐耗时的问题,提出一种基于粒子群优化(PSO)算法的自动采样Kriging代理模型方法,该方法可以代替功能函数的作用进行安全系数的求解.首先用拉丁超立方抽样方法(LHS)选取少量土体参数组,并通过极限平衡法求出对应的安全系数,将土体参数组和安全系数作为初始样本建立Kriging模型;其次由粒子群优化算法将最有期望改善模型拟合精度的样本点添加到样本集合中,以逐步迭代提升Kriging模型的计算精度;最后集合经典蒙特卡洛模拟(MCS)获得边坡的破坏概率.通过一个双层的土质边坡算例分析,证明了该方法可以实现准确高效的安全系数计算,尤其是在安全系数计算量十分庞大的情况下可以大大节省计算时间,是一种有效的边坡工程稳定可靠度分析方法.     

诊断系统中不精确推理规则的可靠度及症兆的置信度

本通过对诊断系统中专家知识的不精确性以及症兆信息模糊性的讨论,建立了关于症状重要性比较的语言值判断矩阵,并采用量化的方法将语言值矩阵转化为正互反矩阵,在解此正互反矩阵特征值的基础上,给出了不精确推理规则的可靠度的计算方法,同时还给出了症兆置信度和原因的可能性大小的计算公式,并应用该方法对一个实际问题进行了计算。     

机场新增卫星厅对中转旅客影响的模型和算法

基于"华为杯"第十五届中国研究生数学建模F题中关于机场新增卫星厅对中转旅客的影响问题的研究.通过建立描述登机口与机场航班对应矩阵,采用0-1整型规划模型和基于最优个体保留策略的遗传算法求解航班-登机口分配的最优解,并且将最大化分配航班数、最小化登机口数、以及最小化乘客总体换乘紧张度等优化目标采用加权的方式实现多目标优化,最后得出相对最优解.     

基于“货到人”拣选模式的储位分配问题研究

研究了“货到人”拣选模式下的储位分配问题,以订单拣选过程中搬运货架总时间最短为目标建立了整数非线性规划模型,并证明其为NP-hard问题,分别设计了求解模型的贪婪算法和单亲进化遗传算法。首先根据订单和物品的关联关系对物品进行聚类,基于聚类结果设计了求解模型的贪婪算法。然后设计了直接求解模型的单亲进化遗传算法,遗传算法中采用了0-1矩阵编码、多点基因倒位算子、单点基因突变算子和精英保留等策略,通过合理选取参数,能够很快求解出问题的近似最优解。最后利用模拟算例和一个具体实例进行计算,并对贪婪算法和遗传算法的求解时间和求解效果进行了比较分析。结果显示,对于小规模问题,两种算法均能在较短的时间内以很高的概率得到问题的全局最优解,对于中等规模的实际问题,利用两种算法得到的储位分配方案均优于企业目前采取的基于出库频率的储位分配方案,遗传算法得到的储位分配方案对应的货架搬运次数、货架搬运总时间等均优于贪婪算法。本文设计的遗传算法可以作为智能仓库管理信息系统的核心算法。     

仿射非线性控制系统基于精确线性化下的多重子空间迭代解法

研究仿射非线性控制系统的最优控制问题．基于微分几何理论,在反馈精确线性化后,利用计算结构力学与最优控制之间模拟关系,沿用多重子结构法来解决线性化后的最优控制问题,最终实现对原非线性系统的求解．相比于经典的Taylor展开线性化方法,减小了误差会随使用区域的扩大而扩大的弊端．     

三维坐标转换的两种方法及其比较研究

针对7参数法三维坐标转换问题,对比分析了传统的基于泰勒级数展开的线性模型转换方法和基于罗德里格矩阵的三维坐标转换方法.由于在基于罗德里格矩阵的转换方法中,不需进行三角函数的计算,也不需迭代计算,因而其计算速度更快;而且其解决了线性模型对旋转角大小的限制,不仅适用于小角度的空间直角坐标转换,也能用于大角度的空间坐标转换.实验结果也表明基于罗德里格矩阵的转换方法具有更好的适用性和更高的精度.     

Progressive genetic algorithm for solution of optimization problems with nonlinear equality and inequality constraints

A new approach, identified as progressive genetic algorithm (PGA), is proposed for the solutions of optimization problems with nonlinear equality and inequality constraints. Based on genetic algorithms (GAs) and iteration method, PGA divides the optimization process into two steps; iteration and search steps. In the iteration step, the constraints of the original problem are linearized using truncated Taylor series expansion, yielding an approximate problem with linearized constraints. In the search step, GA is applied to the problem with linearized constraints for the local optimal solution. The final solution is obtained from a progressive iterative process. Application of the proposed method to two simple examples is given to demonstrate the algorithm.     

Optimization of the iterative process for the construction of a regularized solution of an operator equation of the first kind

An iterative process is proposed for constructing the solution of an equation of the first kind using known iterative methods and the Taylor series expansion of the regularized solution. Convergence of the process is proved. For the simple iteration method, the process is shown to be optimal by the number of operations.Translated from Vychislitel'naya Matematika i Matematicheskoe Obespechenie EVM, pp. 74–80, 1985.     

Reliability based assignment in stochastic-flow freight network

Based on the reliability of transportation time, a transportation assignment model of stochastic-flow freight network is designed in this paper. This transportation assignment model is built by mean of stochastic chance-constraint programming and solved with a hybrid intelligent algorithm (HIA) which integrates genetic algorithm (GA), stochastic simulation (SS) and neural network (NN). GA is employed to report the optimal solution as well as the optimal objective function values of the proposed model. SS is used to simulate the value of uncertain system reliability function. The uncertain function approximated via NN is embedded into GA to check the feasibility and to compute the fitness of the chromosomes. These conclusions have been drawn after a test of numerical case using the proposed formulations. System reliability, total system cost and flow on each path would finally reach at their own convergence points. Increase of the system reliability causes increase of the total time cost. The system reliability and the total time cost converge at a possible Nash Equilibrium point.     

A cross entropy based algorithm for reliability problems

The Cross Entropy method has recently been applied to combinatorial optimization problems with promising results. This paper proposes a Cross Entropy based algorithm for reliability optimization of complex systems, where one wants to maximize the reliability of a system through optimal allocation of redundant components while respecting a set of budget constraints. We illustrate the effectiveness of the proposed algorithm on two classes of problems, software system reliability optimization and complex network reliability optimization, by testing it on instances from the literature as well as on randomly generated large scale instances. Furthermore, we show how a Cross Entropy-based algorithm can be fine-tuned by using a training scheme based upon the Response Surface Methodology. Computational results show the effectiveness as well as the robustness of the algorithm on different classes of problems.     

动态空间调度的混合遗传算法

提出了一种基于混合遗传算法的动态空间调度方法。首先利用遗传算法产生多个可行的分段调度序列,再采用动态决定分段位置的启发式算法——平均最大空闲矩形策略对遗传算法产生的调度序列进行解码。同时以完工时间和平台利用率的加权和作为适应度函数,充分考虑了空间调度问题所特有的动态性和时空关联性。遗传进化过程收敛后得到近似最优解,实现了调度方案的全局优化。对船厂实际生产数据进行了实证分析以及与其它算法的对比分析,证明了所提方法在空间调度问题上的有效性和实用性。     

Utilizing feed-back neural network approach for solving linear Fredholm integral equations system

This paper intended to offer an architecture of artificial neural networks (NNs) for finding approximate solution of a second kind linear Fredholm integral equations system. For this purpose, first we substitute the N-th truncation of the Taylor expansion for unknown functions in the origin system. By applying the suggested neural network for adjusting the real coefficients of given expansions in resulting system. The proposed NN is a two-layer feed-back neural network such that it can get a initial vector and then calculates it’s corresponding output vector. In continuance, a cost function is defined by using output vector and the target outputs. Consequently, the reported NN using a learning algorithm that based on the gradient descent method, will adjust the coefficients in given Taylor series. Eventually, we have showed this method in comparison with existing numerical methods such as trapezoidal quadrature rule provides solutions with good generalization and high accuracy. The proposed method is illustrated by several examples with computer simulations.     

Duane-LR模型下复杂系统的动态可靠性增长评定

基于复杂系统可靠性增长试验的特点，运用Duane可靠性增长模型结合数理统计中的线性回归方法对新批次产品的可靠性参数进行预测。结合产品的少量现场试验数据，利用Bayes方法对系统的可靠性增长试验结果进行评定。文中首先给出了可靠性增长分析的模型，然后运用历次阶段试验中的可靠性增长数据建立动态参数的递推估计模型，在此基础上，运用随机变量函数的分布，给出各阶段可靠性增长试验中可靠性参数的Bayes估计。文中对Weibull、指数和二项分布三种试验结果进行分析，给出计算公式。     

New computational method for solving some 2-dimensional nonlinear Volterra integro-differential equations

The aim of this paper is to present an efficient numerical procedure for solving the two-dimensional nonlinear Volterra integro-differential equations (2-DNVIDE) by two-dimensional differential transform method (2-DDTM). The technique that we used is the differential transform method, which is based on Taylor series expansion. Using the differential transform, 2-DNVIDE can be transformed to algebraic equations, and the resulting algebraic equations are called iterative equations. New theorems for the transformation of integrals and partial differential equations are introduced and proved. The reliability and efficiency of the proposed scheme are demonstrated by some numerical experiments.