基于差分进化和RBF响应面的混合优化算法

针对气动优化等昂贵优化问题,提出了一种基于差分进化和RBF响应面的混合优化算法HSADE,该方法结合了差分进化算法的强全局寻优能力和RBF响应面方法的快速局部搜索能力,能够同时有效地提高算法的局部搜索效率和全局寻优能力.对各子算法中的策略和逻辑进行了多项改进,提出和应用了基于双败淘汰赛的竞赛赛制和参数自适应等改进策略.对HSADE使用多个典型算例进行了测试,并横向对比了NSGA-II,MOPSO和多目标差分进化算法.测试结果表明,在大多数问题中HSADE在以世代距离表征的局部搜索效率和以超体积比表征的全局寻优能力两项指标上都优于其他算法,证实了以上混合策略及算法改进的有效性.将该算法应用于一个翼型优化问题和一个二维超声速喷管膨胀面优化问题,并横向对比未经改良的差分进化算法DE和另一种混合算法NARSGA,结果表明在接近1 000次的函数评估下,HSADE能相对其他算法进一步对翼型减阻0.5 count,在喷管优化中HSADE得到的结果也好于其他两种算法,表明该方法具有较强工程应用价值.     

粒子群算法在惯性/地磁组合导航航迹规划中的应用

高效的航迹规划是水下运载器隐蔽航行的关键技术之一。结合水下航行器的地磁导航环境特征约束因素,建立了航迹代价评估模型,采用最短路径算法在约束区域内按路径长度的次序递增、迭代,规划出一条粗选航迹。在此基础上,采用粒子群优化算法将时间信息作为搜索空间的粒子,改进惯性权重值和编码方式,对粗选航迹进行优化,实现全局最优。仿真结果表明,粒子群优化算法缩小了搜索范围,提高了搜索效率,收敛更快,将适应度由49.211提高至43.304,所需代价更小,且所获取的航迹可以有效规避非适配区,保证了全局最优、局部最优。     

机械系统动力优化设计的自适应混合遗传算法

针对机械系统动力优化设计问题的特点，本文提出了一个自适应混合遗传算法。该方法将目适应控制参数调整策略、小生境技术和单纯形法有机地融入遗传算法，较为有效地解决了基本遗传算法的过早收敛和局部搜索能力弱的问题，提高了算法全局寻优的可靠性和收敛速度，为解决机械系统动力优化设计问题提供了一种可靠、有效和易用的优化方法。一个五自由度汽车悬挂系统的动力优化设计实例验证了算法的效率、可靠性和实用性。     

基于Kriging代理模型的两类全局优化算法比较

代理模型在结构优化领域中的应用逐渐增多。相对传统优化方法,代理模型方法在处理带有噪音或仿真模拟十分耗时的问题时有明显优势。加点准则是代理模型技术的一个关键,为了避免陷入局部最优解,加点准则需要同时考虑局部搜索(exploitation)和全局搜索(exploration)两部分并加以平衡。本文在Kriging代理模型基础上提出一种基于几何全局搜索的全局优化算法MSG(Multi-start Local Search with Geometrical Exploration),通过数值算例将其与基于不确定性全局搜索的有效全局优化算法EGO(Efficient Global Optimization)进行比较,研究了MSG算法参数的影响,并讨论了MSG与EGO各自的特点和适用范围。     

基于单元密度进化步长控制的双向渐进结构优化方法

在渐进结构优化方法中,单元密度的进化步长是获得全局最优解的关键因素之一。为了提高渐进结构优化方法的全局寻优能力,提出一种基于单元密度进化步长控制的双向渐进结构优化方法。该方法根据各单元对结构性能影响的权重系数,建立单元密度进化步长的控制模型以控制主/次要单元的删除速率和添加速率,减小灵敏度误差并抑制灰度单元的产生。在控制单元密度进化步长的基础上结合双向渐进结构优化方法中添加单元的特点,以避免由于误删单元导致优化失败。同时,采用灵敏度再分配技术抑制棋盘格式以获得更平滑的优化构形。最后,通过两个算例验证了本文方法能有效地通过控制单元密度进化步长提高全局寻优能力。     

基于自适应权重PSO算法的磁屏蔽装置优化设计

针对传统的磁屏蔽装置结构参数优化过程中因待优化参数较少而限制了磁屏蔽性能进一步提高这一缺点,提出一种基于自适应权重粒子群优化(PSO)算法的磁屏蔽装置参数优化方法:首先,给出了磁屏蔽系数的计算公式,提出将不同屏蔽层的厚度、径向层间距以及轴向层间距均作为待优化变量以增加结构尺寸的多样性,从而扩大寻优范围;然后,针对待优化变量的增加可能会导致寻优陷入局部最优,提出一种自适应权重PSO算法以实现全局寻优;最后,以三层磁屏蔽装置的结构参数优化为例进行了仿真实验。仿真结果表明,与传统的优化方法相比,提出的优化方法使磁屏蔽装置的磁屏蔽系数提高了27.58%。该方法可以为磁屏蔽装置结构参数的优化提供一种参考。     

进化算法与确定性算法在优化控制问题中的收敛性对比

对比了进化算法(基因算法)与确定性算法(共轭梯度法)在优化控制问题中的优化效率．两种方法都与分散武优化策略-Nash对策进行了结合，并成功地应用于优化控制问题。计算模型采用绕NACA0012翼型的位流流场．区域分裂技术的引用使得全局流场被分裂为多个带有重叠区的子流场，使用4种不同的方法进行当地流场解的耦合，这些算法可以通过当地的流场解求得全局流场解。数值计算结果的对比表明．进化算法可以得到与共轭梯度法相同的计算结果．并且进化算法的不依赖梯度信息的特性使其在复杂问题及非线性问题中具有广泛的应用前景。     

自适应免疫遗传算法

遗传算法(GA)是基于自然遗传规则随机搜索技术的一种进化算法,但是随着实际结构的大型化和复杂化,它往往出现过早收敛的现象。在研究了算法的编码方式、控制参数和算子操作之后,就其全局收敛性的不足,提出动态自适应策略以改进其性能,在基本遗传算子的基础上,采用了免疫遗传算子和保优策略。其中免疫算子可以防止交叉变异中的个体退化,自适应策略则保持了种群的多样性,以此保证遗传算法尽快收敛到全局最优解,称之为自适应免疫遗传算法(AIGA)。随后以经典的十杆桁架结构优化问题作为例子说明算法的优越性,结果表明AIGA在随机结构优化中计算有效、结果可靠。     

基于粒子群优化的UKF在SINS/GPS组合导航中的应用

针对组合导航中使用传统Kalman滤波方法时噪声协方差矩阵参数需要耗时耗力反复试验得到的问题,提出利用粒子群优化算法对卡尔曼滤波器的滤波参数Q和R进行寻优后用于组合导航的方法。将滤波参数Q和R作为粒子进行寻优,将粒子群算法优化得到的滤波参数值作为卡尔曼滤波器输入参数,用于SINS/GPS组合导航系统。仿真实验结果表明,12次实验中粒子群算法搜索出的参数均值分别为0.0208(°)/h、94.7827?g,接近所设置的噪声参数值与标准参数值0.02(°)/h、100?g。半物理实验结果表明,在实际系统中,与经验参数值用于卡尔曼滤波器相比,粒子群算法优化得到的滤波参数值位置估计精度提高了15%~30%,从而提高了组合导航性能。     

面向工程全局优化的混沌优化算法研究进展

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法(基于混沌搜索)、第二类混合混沌优化算法(混沌序列代替随机序列)以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

A combinatorial algorithm for the discrete optimization of structures

The definition of local optimum solution of the discrete optimization is first given, and then a comprehensive combinatorial algorithm is proposed in this paper. Two-level optimum method is used in the algorithm. In the first level optimization, an approximate local optimum solution is found by using the heuristic algorithm, relative difference quotient algorithm, with high computational efficiency and high performance demonstrated by the performance test of random samples. In the second level, a mathematical model of (-1, 0, 1) programming is established first, and then it is changed into (0, 1) programming model. The local optimum solution X^* will be from the (0, 1) programming by using the delimitative and combinatorial algorithm or the relative difference quotient algorithm. By this algorithm, the local optimum solution can be obtained certainly, and a method is provided to judge whether or not the approximate optimum solution obtained by heuristic algorithm is an optimum solution. The above comprehensive combinatorial algorithm has higher computational efficiency.Project supported by Natural Science Foundation of Shandong Province     

面向工程全局优化的混沌优化算法研究进展Research advances of chaos optimization algorithms for engineering global optimization

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法（基于混沌搜索）、第二类混合混沌优化算法（混沌序列代替随机序列）以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

基于生物地理-海鸥群优化的高维结构可靠性分析

结构可靠度分析中,一阶可靠度方法由于简单高效而得到广泛使用.然而,对于高维非线性问题,一阶可靠度方法可能导致不收敛或者早熟.为克服这一缺陷,本文提出了基于生物地理-海鸥群优化的改进一阶可靠度方法.针对海鸥群优化算法在寻优过程中存在的早熟现象,引入生物地理优化算法中的变异与迁移机制,提出生物地理-海鸥群混合优化策略进行寻...     

Reliability-based multidisciplinary design optimization using incremental shifting vector strategy and its application in electronic product design

Use of multidisciplinary analysis in reliability-based design optimization (RBDO) results in the emergence of the important method of reliability-based multidisciplinary design optimization (RBMDO). To enhance the efficiency and convergence of the overall solution process, a decoupling algorithm for RBMDO is proposed herein. Firstly, to decouple the multidisciplinary analysis using the individual disciplinary feasible (IDF) approach, the RBMDO is converted into a conventional form of RBDO. Secondly, the incremental shifting vector (ISV) strategy is adopted to decouple the nested optimization of RBDO into a sequential iteration process composed of design optimization and reliability analysis, thereby improving the efficiency significantly. Finally, the proposed RBMDO method is applied to the design of two actual electronic products: an aerial camera and a car pad. For these two applications, two RBMDO models are created, each containing several finite element models (FEMs) and relatively strong coupling between the involved disciplines. The computational results demonstrate the effectiveness of the proposed method.     

A COMBINAT0RIAL ALGORITHM FOR THE DISCRETE OPTIMIZATION OF STRUCTURES

I.Intr0ducti0nAmajorithofthestructuraloptimumproblemsarediscreteonesinengineeringpractice.Becauseofthebasicreason,namelythediscontinuityofdesignvariables,thediscreteoptimizationhastwoprominentdifficulties:(l)Themodelsofdiscreteoptimizationsarenonconvexpro…     

非线性函数的混沌优化方法比较研究

已有的混沌优化方法几乎都是利用Logistic映射作为混沌序列发生器，而Logistic映射产生的混沌序列的概率密度函数服从两头多、中间少的切比雪夫型分布，不利于搜索的效率和能力。为此，首先根据Logistie映射混沌轨道点密度函数的特点，建立改进的混沌-BFGS混合优化算法。之后，考虑到Kent映射混沌轨道点密度为均匀分布，建立了基于Kent映射的混沌-BFGS混合优化算法。然后对五种混合优化方法——不加改进的和改进的基于Logistic映射的混沌-BFGS法，基于Kent映射的混沌-BFGS法，Monte Carlo试验-BFGS法，网格-BFGS法进行了研究，分别对3个低维和2个高维非线性复杂测试函数进行优化计算，对它们的全局优化计算效率和寻优能力做了比较，并探讨了混合优化方法全局优化性能差异的原因。结果表明，混沌优化方法是与Monte Carlo方法类似的一种随机性试验优化方法。而且，这类优化方法的计算性能至少与以下因素有关：混沌／随机序列的统计性质，优化问题全局最优点位置。     

改进的非概率可靠性全局最优解方法

对于非概率可靠度的求解,改进的一维优化算法计算简便但仅能搜索到部分可能失效点,全局最优解法可搜索所有可能失效点但计算量过大。鉴于此种情况,本文将改进的一维优化算法与全局最优解法相结合,吸收两种方法的优点提出改进的全局最优解法。提出的方法通过变量的单调性来确定变量的取值,在不遗漏可能失效点的前提下,减少根值方程组的数目,从而降低计算量,提高计算效率。通过算例分析,证明了提出的改进的全局最优解法的有效性和可行性。     

基于双向演化的局部水平集组合算法用于拓扑优化

本文基于双向渐进结构优化(BESO)方法和局部水平集方法(LLSM),提出局部水平集组合算法,在拓扑优化中实现双向演化。为改进LLSM的孔洞成核能力,新算法以所提离散水平集函数为节点设计变量,拓扑导数为灵敏度,按照BESO优化准则进行双向演化得到稳定拓扑解。然后通过迭代求解距离正则化方程(DRE)来组合LLSM获得最终拓扑。在LLSM中,DRE用来代替重生成步骤,并构造条件稳定差分格式求解DRE。最终给出典型实例验证所提算法的收敛性和数值稳定性。     

基于多轮升维策略与改进量子行为粒子群优化算法的热导率函数估计方法

将改进的量子行为粒子群优化算法应用于材料热导率函数估计问题中,并提出了一种多轮升维策略对算法的搜索过程进行优化,形成了一种鲁棒性强且高效的反演方法。通过数值实验测试了该方法在测量误差以及系统误差下的表现,并对不同粒子群优化算法的性能进行了比较研究。结果表明,采用的反演方法能够在较大的搜索范围与反演维度下稳定收敛,对测量误差的敏感度较低;提出的多轮升维策略能够使各类粒子群优化算法在热导率函数估计问题中的搜索效率得到提升。     

引入退火机制的智能单粒子算法在复杂边坡最危险滑动面搜索中的应用

复杂边坡的安全系数可能存在多个局部极小值点,如何确定边坡的最小安全系数是复杂边坡稳定性分析中的一个关键问题。本文结合简化Bishop法,采用一种新的启发式全局优化算法——智能单粒子算法(ISPO)来搜索复杂边坡的最危险滑动面。为帮助该算法快速跳出局部极值点,本文将模拟退火(SA)机制引入到智能单粒子算法中,结合了两种算法各自的优点,提出了引入退火机制的智能单粒子算法SA-ISPO。将本文提出的SA-ISPO算法用于搜索两个复杂边坡的最危险滑动面,并与其它方法相比较,验证了SA-ISPO算法的优越性,该算法搜索效率高,计算结果不受搜索范围的影响,是一种较好的全局优化算法。