版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、在科學(xué)和工程等領(lǐng)域的諸多實(shí)際問題最終都需轉(zhuǎn)化為數(shù)學(xué)模型和對模型的優(yōu)化求解,優(yōu)化理論和方法一直都是一個(gè)極具理論意義和應(yīng)用價(jià)值的熱點(diǎn)課題?,F(xiàn)代智能優(yōu)化算法的設(shè)計(jì)靈感源自于自然現(xiàn)象的運(yùn)行機(jī)制,具備簡單有效、普適性強(qiáng)的特點(diǎn),為解決復(fù)雜優(yōu)化問題提供了新的思路和手段。合理的勘探和開采策略是調(diào)整智能優(yōu)化算法全局和局部搜索行為,增強(qiáng)其優(yōu)化問題求解性能的關(guān)鍵。論文基于智能優(yōu)化算法勘探和開采策略的調(diào)控機(jī)制,從優(yōu)化問題的變量關(guān)系、算法參數(shù)有效設(shè)置、和算法搜索
2、合理策略選擇三個(gè)方面研究了智能優(yōu)化算法的設(shè)計(jì)和應(yīng)用問題,設(shè)計(jì)了六種勘探和開采策略控制型智能優(yōu)化算法并應(yīng)用于理論或?qū)嶋H優(yōu)化問題。
?。?)提出了基于變量關(guān)系的智能優(yōu)化算法勘探和開采能力增強(qiáng)策略
研究了優(yōu)化問題在最優(yōu)性條件下隱含的變量關(guān)系,并利用變量關(guān)系降低優(yōu)化問題的復(fù)雜度,提高智能優(yōu)化算法的勘探和開采能力。第一,根據(jù)無約束一階可導(dǎo)優(yōu)化問題的最優(yōu)性條件,發(fā)掘變量關(guān)系,提出一種變量約簡策略;第二,根據(jù)約束優(yōu)化問題中的等式約束
3、,發(fā)掘變量關(guān)系,提出一種等式約束和變量約簡策略;第三,根據(jù)約束優(yōu)化問題中的有效不等式約束,發(fā)掘變量關(guān)系,提出一種局部搜索策略,加速算法的搜索過程。將每一種基于變量關(guān)系的策略與智能優(yōu)化算法結(jié)合,應(yīng)用于基準(zhǔn)測試優(yōu)化問題,實(shí)驗(yàn)結(jié)果表明基于變量關(guān)系的策略能顯著增強(qiáng)智能優(yōu)化算法求解優(yōu)化問題的效率和質(zhì)量。
?。?)提出基于變量約簡策略的智能優(yōu)化算法求解電力系統(tǒng)優(yōu)化問題
電力系統(tǒng)優(yōu)化問題(包括輸電定價(jià)優(yōu)化問題、靜態(tài)負(fù)荷優(yōu)化分配問題、
4、以及動態(tài)負(fù)荷優(yōu)化分配問題)含有復(fù)雜的目標(biāo)函數(shù)和約束條件。針對電力系統(tǒng)優(yōu)化問題中的等式約束,設(shè)計(jì)等式約束和變量約簡策略,并將該策略與智能優(yōu)化算法結(jié)合,提高算法的勘探和開采能力。仿真實(shí)驗(yàn)表明,等式約束和變量約簡策略能輔助智能優(yōu)化算法獲得各電力系統(tǒng)優(yōu)化問題的最好解。
?。?)提出參數(shù)自適應(yīng)的跨鄰域搜索算法求解連續(xù)優(yōu)化問題
首先設(shè)計(jì)了一種新型的跨鄰域搜索算法(Across neighborhood Search Algorit
5、hm,ANS),在ANS中,一群個(gè)體能跨多個(gè)優(yōu)秀解鄰域在優(yōu)化問題的解空間中搜索。理論分析和仿真實(shí)驗(yàn)表明,ANS滿足三個(gè)標(biāo)準(zhǔn):原理簡單和應(yīng)用方便、具備獨(dú)特優(yōu)化機(jī)制、求解多種類型優(yōu)化問題時(shí)性能突出。在應(yīng)用ANS于優(yōu)化問題時(shí),算法的勘探和開采能力依賴于合理的參數(shù)設(shè)置。為了增強(qiáng)ANS的性能,設(shè)計(jì)了一種參數(shù)自適應(yīng)策略,得到參數(shù)自適應(yīng)跨鄰域搜索算法(Parameter Adapted Across Neighborhood Search,PAANS
6、)。該參數(shù)自適應(yīng)策略基于不同參數(shù)值歷史上對算法搜索性能的影響,即產(chǎn)生好解的參數(shù)值以較大的概率傳遞到算法的后續(xù)演化過程并擴(kuò)散到整個(gè)種群。將算法應(yīng)用于連續(xù)優(yōu)化問題,仿真實(shí)驗(yàn)表明,與ANS以及其它幾個(gè)優(yōu)秀的粒子群算法和差分進(jìn)化算法相比,PAANS的性能更加優(yōu)越。
?。?)提出參數(shù)自適應(yīng)的模擬退火算法求解對地觀測資源協(xié)同規(guī)劃問題
研究了多類對地觀測資源包括衛(wèi)星、飛艇及無人機(jī)的協(xié)同規(guī)劃問題,將該協(xié)同規(guī)劃問題轉(zhuǎn)化為一個(gè)任務(wù)分配問題
7、,并設(shè)計(jì)自適應(yīng)模擬退火算法求解該問題,在模擬退火算法中結(jié)合了自適應(yīng)溫度調(diào)整策略和禁忌列表,以動態(tài)控制模擬退化算法的勘探和開采性能。仿真實(shí)驗(yàn)表明,該算法能有效求解對地觀測資源協(xié)同規(guī)劃問題。
(5)提出搜索策略動態(tài)選擇的粒子群算法求解連續(xù)優(yōu)化問題
為了確保粒子群算法的勘探能力,設(shè)計(jì)了一種優(yōu)秀解綜合學(xué)習(xí)策略和一種粒子層變異搜索策略;另外,為了提高算法的開采能力,算法結(jié)合了四種局部搜索策略,包括基于梯度的BFGS和DFP高斯
8、牛頓法,不依賴梯度的模式搜索(Pattern Search)法和單純形搜索(Nelder-Mead simplex Search)法。根據(jù)算法的搜索狀態(tài),即判斷算法是否已經(jīng)陷入局部最優(yōu)或已進(jìn)入演化后期,而動態(tài)選擇不同的搜索策略,實(shí)現(xiàn)算法勘探和開采能力的動態(tài)控制。將該算法應(yīng)用于連續(xù)優(yōu)化問題,通過大量仿真實(shí)驗(yàn),驗(yàn)證了算法的性能,比較了不同局部搜索策略對算法性能的影響。
?。?)提出搜索策略動態(tài)選擇的蟻群優(yōu)化算法求解多星觀測調(diào)度問題<
9、br> 提出了一種混合局部搜索策略的蟻群優(yōu)化算法解決衛(wèi)星觀測調(diào)度問題(SOSP)。把多星觀測調(diào)度過程分為兩個(gè)階段:任務(wù)聚類階段與任務(wù)調(diào)度階段。在聚類階段,構(gòu)造了一種任務(wù)聚類圖模型,并改進(jìn)最小團(tuán)劃分算法來獲得合理的聚類任務(wù)。在任務(wù)調(diào)度階段,綜合考慮初始任務(wù)和聚類任務(wù),構(gòu)造了無環(huán)有向圖模型,并利用混合蟻群優(yōu)化算法(ACO-LS)來生成問題的最優(yōu)解或近似最優(yōu)解。蟻群優(yōu)化算法本身具有較強(qiáng)的勘探能力,為了提高算法的開采能力,對迭代過程中螞蟻生成
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 仿生智能優(yōu)化算法及其應(yīng)用研究.pdf
- 分類問題的智能優(yōu)化算法及其應(yīng)用研究.pdf
- 基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的智能控制及其應(yīng)用研究.pdf
- 基于協(xié)同進(jìn)化的混合智能優(yōu)化算法及其應(yīng)用研究.pdf
- 智能預(yù)測控制算法及其應(yīng)用研究.pdf
- 基于混合優(yōu)化策略的粒子群算法及其應(yīng)用研究.pdf
- 群智能混合優(yōu)化算法及其應(yīng)用研究.pdf
- 智能優(yōu)化算法及其在協(xié)商中的應(yīng)用研究.pdf
- 人工魚群混合智能優(yōu)化算法及其應(yīng)用研究.pdf
- 智能優(yōu)化算法應(yīng)用研究.pdf
- 基于視覺的智能車控制系統(tǒng)及其算法的應(yīng)用研究.pdf
- 焦?fàn)t加熱燃燒過程的智能集成優(yōu)化控制策略及其應(yīng)用研究.pdf
- 優(yōu)化迭代學(xué)習(xí)控制算法及其應(yīng)用研究.pdf
- 基于遺傳算法的融合控制策略及其應(yīng)用研究.pdf
- 智能優(yōu)化算法在車間生產(chǎn)控制中的應(yīng)用研究.pdf
- 螢火蟲群智能優(yōu)化算法及其應(yīng)用研究.pdf
- 智能優(yōu)化算法及其應(yīng)用.pdf
- 混沌群體智能及其優(yōu)化算法的研究和應(yīng)用.pdf
- 智能優(yōu)化算法研究及其應(yīng)用.pdf
- 群智能優(yōu)化算法及應(yīng)用研究.pdf
評論
0/150
提交評論