本文選題：動態(tài)優(yōu)化　切入點：控制向量參數(shù)化　出處：《浙江大學(xué)》2017年碩士論文

【摘要】：動態(tài)優(yōu)化,是解決實際生產(chǎn)過程瓶頸問題、實現(xiàn)最優(yōu)控制的有效手段,廣泛應(yīng)用于生產(chǎn)生活的諸多領(lǐng)域,受到國內(nèi)外眾多專家學(xué)者的關(guān)注與研究�？刂葡蛄繀�(shù)化(CVP)方法是其中的一種主流計算方法,通過對控制變量進(jìn)行離散,將原動態(tài)優(yōu)化問題轉(zhuǎn)化為一個新的非線性規(guī)劃(NLP)問題來求解。目前,如何以較低的計算成本獲得較高的求解質(zhì)量是CVP方法中的研究熱點之一。本文以自適應(yīng)CVP方法為框架,針對其兩個求解階段,即控制變量離散化和NLP問題求解,著重于效率的提升,進(jìn)行了一定研究。本文的主要創(chuàng)新性工作如下:(1)針對如何高效求解動態(tài)優(yōu)化問題這一研究熱點,提出了一種具有一般性的自適應(yīng)CVP動態(tài)優(yōu)化框架。以該框架為基礎(chǔ),采用一定的分析方法,可由粗糙的時間網(wǎng)格自適應(yīng)地得到經(jīng)濟(jì)、合理的時間網(wǎng)格,從而提高求解效率。(2)以基于小波分析的自適應(yīng)CVP方法為基礎(chǔ),提出了 一種重要時間節(jié)點優(yōu)化方法。該方法可以準(zhǔn)確探測出重要時間節(jié)點的所屬區(qū)域,并進(jìn)行針對性優(yōu)化,從而以較小的代價實現(xiàn)對重要節(jié)點的精確逼近,尤其對于含有跳變時間節(jié)點的問題十分有效。(3)從改善目標(biāo)函數(shù)值的角度,提出了一種基于靈敏度分析的自適應(yīng)CVP方法,并進(jìn)一步將重要時間節(jié)點優(yōu)化方法引入其中。該自適應(yīng)方法只在能夠顯著改善目標(biāo)值的區(qū)域插入新節(jié)點,減少了時間網(wǎng)格中的不必要節(jié)點,大大提高了求解效率。實例測試表明,該方法還具有較高的魯棒性。(4)針對帶約束NLP問題,提出了一種新的非單調(diào)過濾線搜索技術(shù),并將其引入Wachter-Biegler內(nèi)點法框架中,獲得良好數(shù)值表現(xiàn)。所提出的非單調(diào)技術(shù)使得步長搜索更加靈活、寬松,對于算法整體性能的提升起到重要作用。
[Abstract]:Dynamic optimization is an effective means to solve the bottleneck problem of actual production process and to realize optimal control. It is widely used in many fields of production and life. The control vector parameterization (CVP) method is one of the mainstream computing methods, which discretize the control variables. The original dynamic optimization problem is transformed into a new nonlinear programming problem to be solved. At present, it is one of the research hotspots in CVP method that how to obtain higher solution quality at lower computational cost. In this paper, adaptive CVP method is used as a framework. In view of the two stages of solving the control variable discretization and the NLP problem, the paper focuses on the improvement of efficiency, and makes a certain research. The main innovative work of this paper is as follows: 1) how to solve the dynamic optimization problem efficiently is a hot research topic. In this paper, a general adaptive CVP dynamic optimization framework is proposed. Based on this framework and using a certain analysis method, the economic and reasonable time grids can be obtained adaptively from rough time grids. Based on the adaptive CVP method based on wavelet analysis, an important time node optimization method is proposed, which can accurately detect the region of the important time node and optimize it pertinently. In order to achieve accurate approximation of important nodes at a lower cost, especially for the problem with jump time nodes, an adaptive CVP method based on sensitivity analysis is proposed to improve the value of objective function. Furthermore, the important time node optimization method is introduced. The adaptive method only inserts new nodes in the area where the target value can be significantly improved, thus reducing the unnecessary nodes in the time grid. The test results show that the proposed method is robust to the constrained NLP problem, and a new non-monotone filtering line search technique is proposed, which is introduced into the framework of the Wachter-Biegler interior point method. The proposed non-monotone technique makes the step size search more flexible and relaxed, and plays an important role in improving the overall performance of the algorithm.
【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】：2017
【分類號】：O221.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳莉;丁立新;;動態(tài)優(yōu)化算法綜述[J];武漢大學(xué)學(xué)報(理學(xué)版);2011年03期

2 劉雁;;淺談動態(tài)優(yōu)化與同步績效管理系統(tǒng)在發(fā)電企業(yè)中的應(yīng)用[J];科技資訊;2009年13期

3 邱東兵;劉志軍;;公路工程項目管理3大目標(biāo)動態(tài)優(yōu)化研究[J];云南民族大學(xué)學(xué)報(自然科學(xué)版);2010年03期

4 楊嵐;馮新瀘;;動態(tài)優(yōu)化偏最小二乘模型的建立與應(yīng)用[J];后勤工程學(xué)院學(xué)報;2008年02期

5 王玲;;產(chǎn)業(yè)輻射機(jī)理及其動態(tài)優(yōu)化研究[J];科技進(jìn)步與對策;2012年17期

6 李海寶;;隧道施工管理過程中的動態(tài)優(yōu)化控制[J];科協(xié)論壇(下半月);2007年08期

7 周方和;沈文哲;;動態(tài)優(yōu)化模型在果樹生產(chǎn)發(fā)展規(guī)劃中的建立與應(yīng)用[J];預(yù)測;1989年04期

8 武建平;方攀;凌明;張陽;;嵌入式Linux的片上存儲動態(tài)優(yōu)化[J];應(yīng)用科學(xué)學(xué)報;2012年04期

9 徐雪松;彭春華;何珍梅;;基于免疫反應(yīng)原理的動態(tài)優(yōu)化算法[J];江西師范大學(xué)學(xué)報(自然科學(xué)版);2008年02期

10 王延章,王慧炯;區(qū)域宏觀經(jīng)濟(jì)中長期規(guī)劃的最優(yōu)化方法[J];大連工學(xué)院學(xué)報;1984年02期

相關(guān)重要報紙文章 前4條

1 張輝 胡玉華;動態(tài)優(yōu)化挖出裝置創(chuàng)效潛能[N];中國石化報;2014年

2 特派記者 楊麗萍　葉志衛(wèi) 孟迷;房地產(chǎn)調(diào)控政策應(yīng)注意動態(tài)優(yōu)化[N];深圳特區(qū)報;2013年

3 中國國際經(jīng)濟(jì)交流中心研究員 經(jīng)濟(jì)學(xué)博士 王軍;以政策動態(tài)優(yōu)化應(yīng)對多重“兩難”[N];上海證券報;2010年

4 趙立新高宇輝;提高治理動態(tài)優(yōu)化能力[N];證券時報;2006年

相關(guān)博士學(xué)位論文 前4條

1 費正順;基于PLS框架的動態(tài)優(yōu)化方法研究[D];浙江大學(xué);2012年

2 向旭東;云計算性能與節(jié)能的動態(tài)優(yōu)化研究[D];北京科技大學(xué);2015年

3 朱濤;演化動態(tài)優(yōu)化算法及其應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2014年

4 陳小鋒;城市交通信號動態(tài)優(yōu)化控制技術(shù)研究[D];西北工業(yè)大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 楊杰;一類微生物發(fā)酵過程的動態(tài)優(yōu)化[D];渤海大學(xué);2015年

2 陳宗原;區(qū)間優(yōu)化算法的研究及其在動態(tài)優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

3 張盼盼;群智能動態(tài)優(yōu)化方法研究[D];浙江大學(xué);2016年

4 王立偉;自適應(yīng)控制向量參數(shù)化動態(tài)優(yōu)化研究[D];浙江大學(xué);2017年

5 王俊;基于多射的工業(yè)過程動態(tài)優(yōu)化研究[D];浙江大學(xué);2013年

6 田宇;動態(tài)優(yōu)化方法及其在軟硬件動態(tài)劃分中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2009年

7 白童心;動態(tài)二進(jìn)制翻譯與動態(tài)優(yōu)化相關(guān)問題研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2004年

8 段少麗;過程設(shè)備動態(tài)優(yōu)化方法的研究[D];山東大學(xué);2005年

9 陳瓏;工業(yè)應(yīng)用中的動態(tài)優(yōu)化方法研究[D];浙江大學(xué);2010年

10 鮑_";基于元數(shù)據(jù)的動態(tài)優(yōu)化[D];復(fù)旦大學(xué);2008年

，

本文編號：1664464