林用无人机航迹非概率不确定性优化

无人机森林航迹规划中存在的不确定性因素对实际最优航迹的获得存在较大影响.本文利用非概率方法对飞行条件、爬升下降、机动性能等不确定因素进行量化并建立无人机不确定航迹规划模型,通过描述不确定性参数,采用区间差分进化算法对林用无人机航迹优化进行求解.在区间差分进化算法框架中,区间概率模型用于评估不确定性优化问题的区间约束,区...     

自适应差分进化算法在反求含水层参数中的应用

【目的】研究自适应差分进化算法在反求含水层参数中的适用性。【方法】以理论计算值与实际观测值的离差平方和的均值作为目标函数,应用自适应差分进化算法优化待估含水层参数;计算相关实例,对比改进直线图解法、混沌序列优化算法、简算法、泰斯配线法、线性回归法与自适应差分进化算法的最终优化结果。【结果】与改进直线图解法、混沌序列优化算法和简算法等计算方法相比,自适应差分进化算法的计算结果更加精确,与实际观测值的差异较小;对于不同的含水层参数取值范围,自适应差分进化算法较传统差分进化算法稳定且寻优率与计算结果精度更高。【结论】自适应差分进化算法是一种有效的反求含水层参数的方法。     

求解对称非线性方程组的 MPRP型Derivative-Free算法

通过将对称非线性方程组转化为等价的无约束优化问题,并借助求解无约束优化问题的共轭梯度法的思想, 提出了一种用于求解对称非线性方程组的MPRP型Derivative-Free算法.该算法保留了共轭梯度法存储量少的优 点,适用于求解大规模的对称非线性方程组.同时,该算法始终能产生下降方向,并且在适当的条件下具有全局收 敛性.数值试验结果表明该算法是求解对称非线性方程组的一种有效算法.     

动态局部搜索差分进化算法

针对差分进化算法存在进化后期收敛速度慢、易早熟等缺点,提出了一种基于动态局部搜索的差分进化算法(DLSDE).采用随机选择的方式进行变异并运用小概率扰动操作,增加种群的多样性,平衡算法的开发能力和探索能力;同时,对当前的最优解进行动态局部搜索,以加快算法的收敛速度.对标准测试函数进行仿真实验并与其他6种算法进行比较,结果表明DLSDE算法具有较快的收敛速度和较高的求解精度,对复杂的数值优化问题寻优效果很好.     

基于耗散结构理论的差分进化算法

作为一种比较优秀的最优化方法,差分进化算法具有良好的鲁棒性、实践性和收敛性.阐述了差分进化算法的基本概念、形式,分析了传统差分进化算法的优点与不足,提出了基于耗散结构理论的差分进化优化算法.     

改进蛙跳算法的约束处理方法

提出了一种用于求解有约束优化问题的混合蛙跳算法.蛙跳算法结合ε-差分进化算法(ε-differential evolution algorithm,ε-DE),可使算法在进化过程中充分利用种群中不可行解的信息.在进化初始阶段,可行域边界上拥有较优目标函数的不可行解进入种群,随着进化代数增加,种群约束允许放松程度不断减小,使得种群中不可行解数量减少,直到种群约束允许放松程度为0,此时种群完全由可行解组成.改进后的蛙跳算法能够提高收敛速度和精度.13个标准Benchmark函数仿真试验的结果表明,改进后的蛙跳算法寻优精度高,鲁棒性强,是一种有效的求解有约束优化问题的算法.     

一类求解无约束优化的自适应拟牛顿型信赖域算法

提出一类求解无约束优化的自适应拟牛顿型信赖域算法,信赖域半径更新准则采用由L-函数给出的一类自适应更新准则,当前迭代点处的目标函数的二阶海森矩阵用某种拟牛顿型公式近似。在一定假设的条件下,算法具有传统信赖域算法的全局收敛性质。数值实验表明,对于求解无约束优化问题算法是有效的。     

一种基于状态空间模型的进化算法

传统进化算法主要通过选择、重组和变异这三种遗传操作实现种群的进化。在进化过程中通常需要设定群体规模、交叉概率和变异概率等参数，而且它们的值会直接影响计算结果及精度。为了简化操作过程，设计一种基于离散系统状态空间模型的进化算法，这种算法采用实数编码方式，构造一个状态进化矩阵来实现重组和变异的功能，提高算法的可操作性和可靠性。并将该算法应用于求解无约束全局优化问题，对几种典型的测试函数进行仿真，结果表明：这种新的进化算法具有搜索能力强、收敛速度快、计算精度高、操作简单等优点，对相关研究有参考作用。     

一种Wolfe线搜索下的混合共轭梯度法

一般情况下,求解大规模无约束优化问题的有效算法是共轭梯度法。共轭梯度法的关键是选取αk和βk,不同的αk和βk决定了不同的共轭梯度算法。在HS方法和DY方法的基础上,给出了一种求解无约束问题的混合共轭梯度算法,并在Wolfe性搜索下证明了算法的全局收敛性。     

求解无约束极大极小问题的光滑化不精确牛顿算法

提出了求解无约束极大极小问题的光滑化不精确牛顿算法.该算法利用光滑凝聚函数近似不可微的极大值函数,从而得到目标函数的光滑近似,进而再利用不精确牛顿法求解光滑化后的可微的无约束优化问题.在一定的假设条件下,算法具有全局收敛性,初步的数值实验表明,算法是有效的.     

求解线性约束优化问题的一种全局优化算法

对求解无约束全局最优化问题的推进函数法进行了改进,用来求解带线性约束的全局优化问题.算例表明本文提出改进的算法是有效的.     

基于差分量子退火算法的农用无人机路径规划方法

为解决不规则区域内农用无人机植保作业问题,以农用无人机的总飞行距离和多余覆盖率为指标建立模型,将无人机的植保作业航向角作为优化目标,并考虑有障碍物下的情形,采用差分进化算法(different evolution algorithm,DE)与量子退火算法(quantum annealing algorithm,QA)融合的方法对应用模型进行求解,分析算法的执行过程并进行MATLAB仿真试验。结果显示:在设定的不含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法(differential evolution algorithm-quantum annealing,DEQA)时无人机总的飞行距离分别减少101.52、73.00 m,转弯路径分别减少43.02、43.10 m,多余覆盖率分别减少22.25%和12.79%;在设定的含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法时无人机总的飞行距离分别减少73.24、24.54 m,转弯路径分别减少52.50、12.72 m,多余覆盖率分别减少72.34%、23.52%,其余指标均有所下降。仿真结果表明,采用差分量子退火算法能够完成农田区域路径规划问题,可为农用无人机路径规划提供技术支持。     

一类非单调三参数共轭梯度算法研究

虽然求解无约束优化问题共轭梯度方法的算法程序便于计算机上实现,但难于建立算法的全局收敛性理论.为弥补其不足,研究了一类新的共轭梯度算法.该算法搜索方向的构造中引入了3个参数,且通过合适地选取这些参数保证了所得搜索方向不依赖于线搜索技术,是目标函数的恒充分下降方向.以此为基础,提出了一种求解无约束优化问题的非单调三参数共轭梯度法,并在一定的假设条件下建立了算法的全局收敛性理论.数值实验进一步验证了这种算法比同类算法更有效.     

关于光滑曲线概念的深入探讨

给出了一个求解无约束优化问题的记忆梯度法的收敛速度分析,在一致凸条件下证明了求解无约束优化问题的记忆梯度法具有线性收敛性。     

一类推广的共轭梯度法及收敛性分析

共轭梯度法由于其计算量小、收敛速度快,在求解大规模无约束问题中起着重要作用。通过对参数β_k的修正,构造了一种求解无约束问题新的共轭梯度算法,并证明了算法的全局收敛性。     

微分进化算法在水电站水库优化调度中的应用

【目的】针对传统优化算法的不足,将微分进化算法应用到水电站水库优化调度问题中,建立新的优化算法模型。【方法】建立基于微分进化算法的水电站水库优化调度模型,并给出具体求解步骤。为验证算法的有效性,将其应用于具体水电站水库的优化调度计算中,最后将该方法与遗传算法的计算结果进行了对比。【结果】实例计算结果表明,与遗传算法相比,微分进化算法收敛速度快,可调参数少,计算精度高,稳定性好,且该算法简单、容易实现,具有较强的全局搜索能力。【结论】微分进化算法在解决水电站水库优化调度问题时具有很强的适用性,为求解水电站水库优化调度问题提供了新思路。     

一类推广的非单调拟牛顿算法

目的为了更有效地利用拟牛顿算法求解无约束优化问题,提高拟牛顿算法的收敛速度,并在数值实验上得到最优解。方法针对拟牛顿方程进行修正,在修正的拟牛顿方程基础上添加参数,利用修正BFGS校正公式,采用非单调线性搜索准则,提出一类新的非单调拟牛顿算法。结果新算法推广了已有的拟牛顿方程,在一定条件下,具有全局收敛性,利用Matlab编制程序对新算法进行数值实验。结论通过数值试验,选取测试函数,得到了最优解。证明了推广的非单调拟牛顿算法是有效的。利用新算法可以更有效地求解无约束优化问题。     

求解非凸优化问题的一类Broyden算法超线性收敛性分析

提出了一类求解无约束优化问题的修正Broyden算法。当目标函数非凸时,在一般情况下它的二阶导数矩阵可能不正定,为有效地利用Broyden算法求解非凸优化问题,通过建立新的正割方程,设计了一类修正的Broyden算法．当假设目标函数二阶连续可微,目标函数的梯度和Hesse矩阵满足Lipschitz条件,线性搜索满足wolfe原则时,讨论了所设计算法的超线性收敛性。     

一种新的求解无约束优化问题的谱共轭梯度法

在修正的Wei-Yao-Liu共轭梯度法基础上,给出一种新的求解无约束优化问题的谱共轭梯度算法,该算法在强wolfe型线搜索下具有充分下降性和全局收敛性,数值实验结果表明该算法是有效的.     

求解无约束优化问题的一种新的共轭梯度法

一般情况下,求解大规模约束问题的有效算法是共轭梯度法,βk的选取不同构成不同的共轭梯度法。提出了求解无约束优化问题的一种新的共轭梯度法,修正了βk,并在Wolfe线搜索下证明了它的全局收敛性。