本文關(guān)鍵詞：群智能動態(tài)優(yōu)化方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：動態(tài)優(yōu)化,又稱最優(yōu)控制,是解決工業(yè)瓶頸,實(shí)現(xiàn)系統(tǒng)節(jié)能、降耗、挖掘和增效的重要手段,廣泛應(yīng)用于生物工程、石油化工、航空航天等諸多領(lǐng)域,并引起了國內(nèi)外眾多著名學(xué)者的廣泛關(guān)注。其中,控制向量參數(shù)化是一種求解動態(tài)優(yōu)化問題的常用數(shù)值分析方法,通過對時域進(jìn)行離散,將控制向量用一組參數(shù)化的基函數(shù)逼近,從而使原始的無限維動態(tài)優(yōu)化問題轉(zhuǎn)化為參數(shù)個數(shù)有限的非線性規(guī)劃問題。智能優(yōu)化方法不僅簡單易實(shí)現(xiàn),還具有全局搜索能力強(qiáng)、靈活多變等優(yōu)點(diǎn),使其逐漸成為一類重要的優(yōu)化方法。本文在控制向量參數(shù)化方法的基礎(chǔ)上,研究智能優(yōu)化方法在動態(tài)優(yōu)化問題上的應(yīng)用。論文的主要工作及貢獻(xiàn)如下：(1)提出了一種具有普適性的智能動態(tài)優(yōu)化方法框架。該框架以控制向量參數(shù)化方法為基礎(chǔ),將原始的動態(tài)優(yōu)化問題轉(zhuǎn)化為非線性規(guī)劃問題,繼而采用智能優(yōu)化算法進(jìn)行求解與分析；(2)提出了三種新穎基于控制向量參數(shù)化的智能動態(tài)優(yōu)化方法：細(xì)菌覓食動態(tài)優(yōu)化方法、入侵雜草動態(tài)優(yōu)化方法和粒子群動態(tài)優(yōu)化方法。對經(jīng)典動態(tài)優(yōu)化問題進(jìn)行了求解,結(jié)果表明了所提出的三種智能動態(tài)優(yōu)化方法的有效性；(3)針對強(qiáng)非線性化工動態(tài)優(yōu)化問題,提出了一種高效的混合型智能優(yōu)化方法,不僅具有自適應(yīng)粒子群算法強(qiáng)大的全局搜索能力,還兼?zhèn)洳罘炙阉魉惴◤?qiáng)大的局部開拓能力。國際經(jīng)典的強(qiáng)非線性動態(tài)優(yōu)化實(shí)例的測試結(jié)果表明了該混合型智能動態(tài)優(yōu)化方法良好的尋優(yōu)性能、尋優(yōu)精度及收斂速度；(4)針對含狀態(tài)約束的動態(tài)優(yōu)化問題,提出了一種基于迭代多目標(biāo)粒子群算法的控制向量參數(shù)化方法。分別利用狀態(tài)約束處理方法和控制向量參數(shù)化方法,將原始問題轉(zhuǎn)化為多目標(biāo)非線性規(guī)劃問題進(jìn)行求解。經(jīng)典含狀態(tài)約束的動態(tài)優(yōu)化問題上的測試結(jié)果表明了所提出方法良好的尋優(yōu)性能。同時,算法性能對比與分析也進(jìn)一步表明了迭代多目標(biāo)粒子群優(yōu)化算法在Pareto前沿面良好的收斂性能和分布性能。
【關(guān)鍵詞】：群智能動態(tài)優(yōu)化 控制向量參數(shù)化 多目標(biāo)粒子群優(yōu)化 區(qū)域縮減 強(qiáng)非線性 狀態(tài)約束
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;O232
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-18
• 1.1 引言10
• 1.2 動態(tài)優(yōu)化的基本概念10-12
• 1.3 動態(tài)優(yōu)化方法12-15
• 1.3.1 間接方法12-13
• 1.3.2 直接方法13-14
• 1.3.3 智能優(yōu)化方法14-15
• 1.4 本文組織結(jié)構(gòu)15-18
• 第二章 基于控制向量參數(shù)化的智能動態(tài)優(yōu)化方法18-22
• 2.1 引言18
• 2.2 控制向量參數(shù)化方法18-20
• 2.3 基于控制向量參數(shù)化的智能動態(tài)優(yōu)化方法框架20-21
• 2.4 本章小結(jié)21-22
• 第三章 三種新型的智能動態(tài)優(yōu)化方法22-32
• 3.1 引言22
• 3.2 細(xì)菌覓食動態(tài)優(yōu)化方法22-23
• 3.2.1 趨化操作22-23
• 3.2.2 繁殖和消亡操作23
• 3.2.3 遷移操作23
• 3.3 入侵雜草動態(tài)優(yōu)化方法23-25
• 3.3.1 入侵雜草優(yōu)化算法基本原理24
• 3.3.2 算法步驟24-25
• 3.4 粒子群動態(tài)優(yōu)化方法25-27
• 3.4.1 粒子群優(yōu)化算法基本原理26
• 3.4.2 算法步驟26-27
• 3.5 優(yōu)化實(shí)例應(yīng)用與分析27-31
• 3.5.1 優(yōu)化實(shí)例數(shù)學(xué)模型27-28
• 3.5.2 結(jié)果與分析28-31
• 3.6 本章小結(jié)31-32
• 第四章 基于混合型智能的動態(tài)優(yōu)化方法應(yīng)用研究32-48
• 4.1 引言32
• 4.2 自適應(yīng)粒子群算法32-36
• 4.2.1 進(jìn)化狀態(tài)與進(jìn)化因子33-35
• 4.2.2 參數(shù)調(diào)整策略35-36
• 4.3 差分搜索算法36-37
• 4.3.1 初始位置產(chǎn)生36
• 4.3.2 搜索策略36-37
• 4.3.3 全局搜索與局部開拓的平衡37
• 4.4 混合型智能優(yōu)化算法37-39
• 4.5 優(yōu)化實(shí)例應(yīng)用與分析39-44
• 4.5.1 優(yōu)化實(shí)例數(shù)學(xué)模型39-41
• 4.5.2 結(jié)果與分析41-44
• 4.6 算法性能比較44-46
• 4.7 本章小結(jié)46-48
• 第五章 基于多目標(biāo)粒子群算法的動態(tài)優(yōu)化方法應(yīng)用研究48-64
• 5.1 引言48
• 5.2 多目標(biāo)優(yōu)化問題描述48-49
• 5.3 狀態(tài)約束處理方法49-50
• 5.4 基于多目標(biāo)粒子群算法的動態(tài)優(yōu)化方法50-54
• 5.4.1 多目標(biāo)粒子群優(yōu)化算法50-52
• 5.4.2 改進(jìn)策略52-53
• 5.4.3 算法步驟53-54
• 5.5 優(yōu)化實(shí)例應(yīng)用與分析54-58
• 5.5.1 優(yōu)化數(shù)學(xué)模型54-55
• 5.5.2 結(jié)果與分析55-58
• 5.6 算法性能比較58-61
• 5.6.1 性能衡量指標(biāo)58-59
• 5.6.2 性能比較59-61
• 5.7 本章小結(jié)61-64
• 第六章 總結(jié)與展望64-66
• 6.1 全文總結(jié)64
• 6.2 本文研究展望64-66
• 參考文獻(xiàn)66-72
• 英文縮略詞72-74
• 圖索引74-76
• 表索引76-78
• 作者攻讀碩士期間的主要成果78-80
• 致謝80

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李國棟;劉興高;;一種求解最優(yōu)控制問題的變時間節(jié)點(diǎn)控制向量參數(shù)化方法[J];化工學(xué)報(bào);2015年02期

2 李國棟;胡云卿;劉興高;;一種高效的快速近似控制向量參數(shù)化方法[J];自動化學(xué)報(bào);2015年01期

3 周游;趙成業(yè);劉興高;;一種求解化工動態(tài)優(yōu)化問題的迭代自適應(yīng)粒子群方法[J];化工學(xué)報(bào);2014年04期

4 范勤勤;顏學(xué)峰;;基于自適應(yīng)差分進(jìn)化算法的間歇反應(yīng)動態(tài)優(yōu)化求解[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

5 賀益君;俞歡軍;成飆;陳德釗;;多目標(biāo)粒子群算法用于補(bǔ)料分批生化反應(yīng)器動態(tài)多目標(biāo)優(yōu)化[J];化工學(xué)報(bào);2007年05期

6 李贛平;邵惠鶴;;迭代粒子群算法及其在間歇過程魯棒優(yōu)化中的應(yīng)用[J];信息與控制;2007年02期

7 莫愿斌;陳德釗;胡上序;王居鳳;;二進(jìn)制粒子群優(yōu)化算法在化工優(yōu)化問題中的應(yīng)用[J];計(jì)算機(jī)與應(yīng)用化學(xué);2006年12期

8 莫愿斌;陳德釗;胡上序;;混沌粒子群算法及其在生化過程動態(tài)優(yōu)化中的應(yīng)用[J];化工學(xué)報(bào);2006年09期

9 張兵;俞歡軍;陳德釗;;序貫優(yōu)化化工動態(tài)問題的蟻群算法[J];高校化學(xué)工程學(xué)報(bào);2006年01期

10 張兵,陳德釗;迭代遺傳算法及其用于生物反應(yīng)器補(bǔ)料優(yōu)化[J];化工學(xué)報(bào);2005年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 陳瓏;劉興高;;改進(jìn)正交配置算法及其在化工過程動態(tài)優(yōu)化問題中的應(yīng)用[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 胡云卿;基于控制變量參數(shù)化的帶約束最優(yōu)控制問題計(jì)算方法[D];浙江大學(xué);2013年

  本文關(guān)鍵詞：群智能動態(tài)優(yōu)化方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：398000