2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩212頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、最優(yōu)化問題廣泛存在于各學科領域內,因此研究高效率的優(yōu)化方法具有重要的理論意義和現(xiàn)實意義。元啟發(fā)式算法是當前優(yōu)化方法中的研究熱點?;ǘ涫诜鬯惴ㄊ且环N新型的、靈感來源于被子植物的授粉過程的群智能元啟發(fā)式算法。目前國內外對該算法的關注和研究剛剛起步,相關研究成果較少且較分散、系統(tǒng)性不強。本文從工程實際應用的角度出發(fā),以簡單性原則為指導思想,圍繞著花朵授粉算法的性能改進和工程應用展開研究,以完善算法的理論體系和豐富算法的應用范圍,具有較強的前瞻

2、性和重要的理論和實際意義。本文主要進行了以下幾方面的工作:
  基本花朵授粉算法在求解高維復雜優(yōu)化問題時容易陷入局部最優(yōu)。針對這一缺陷,本文基于正交試驗法的思想,在花朵授粉算法中引入了量化正交交叉算子,設計了一種正交花朵授粉算法。在典型高維測試函數(shù)上的測試表明,同基本花朵授粉算法相比,正交花朵授粉算法在求解精度、收斂速度、穩(wěn)定性等方面獲得了一定的性能提升。
  研究了基于花朵授粉算法和正交花朵授粉算法的普通PID控制器、串級

3、控制器、分數(shù)階PID控制器的參數(shù)整定方法。提出了使用正交花朵授粉算法基于時域性能指標整定PID控制器參數(shù)的設計方法,在5種典型工業(yè)過程控制對象上驗證了該方法的可行性、有效性和相比于傳統(tǒng)的Z-N整定法以及文獻中的改進粒子群算法的優(yōu)越性。提出了利用正交花朵授粉算法基于時域性能指標同時整定串級控制系統(tǒng)的內外環(huán)控制器參數(shù)的設計方法,并在3種具有不同特征的控制對象上,以最大超調量和穩(wěn)態(tài)誤差的加權和最小為設計目標進行了測試,結果表明采用這一方法可得

4、到滿意的整定效果,且優(yōu)于文獻中采用遺傳算法所獲得的整定結果。提出了使用正交花朵授粉算法基于Bode理想傳函參考模型整定分數(shù)階PID控制器參數(shù)的設計方法。以Bode理想傳函模型為參考模型,以最小化實際系統(tǒng)與參考模型之間的輸出誤差為目標,采用正交花朵授粉算法整定分數(shù)階PID控制器的參數(shù)。以一個高階單位負反饋系統(tǒng)和電力系統(tǒng)中的自動調壓系統(tǒng)的控制器設計為例,驗證了該方法的可行性和有效性。對比基于實數(shù)編碼的遺傳算法、人工蜂群算法、教與學算法、基本

5、花朵授粉算法等算法,正交花朵授粉算法獲得的整定結果更優(yōu)。
  研究了基于花朵授粉算法的混沌系統(tǒng)參數(shù)辨識和太陽能光伏系統(tǒng)參數(shù)辨識方法。面向混沌系統(tǒng)的參數(shù)辨識問題,結合單純形法,提出了一種混合花朵授粉算法。該算法利用花朵授粉算法確定尋優(yōu)空間內的優(yōu)解區(qū)域,采用單純形法強化對優(yōu)解區(qū)域的搜索。在不含觀測噪聲的Lorenz混沌系統(tǒng)和Rossler混沌系統(tǒng)以及含觀測噪聲的Lorenz混沌系統(tǒng)的三參數(shù)估計問題上,測試了該混合算法的可行性與有效性,

6、并與文獻中的其它幾種算法進行了對比,結果表明該混合算法在結果精度、收斂速度、穩(wěn)定性等方法具有一定的優(yōu)勢。面向太陽能電池系統(tǒng)的參數(shù)辨識問題,提出了一種結合單純形法和一般反向學習策略的混合算法。該算法利用單純形法加強對優(yōu)解區(qū)域的搜索,并利用一般反向學習策略增強算法跳出局部最優(yōu)區(qū)域的能力。利用文獻中給出的太陽能電池及光伏組件的實驗數(shù)據(jù)及產品數(shù)據(jù)手冊中給出的多晶硅光伏組件S75、薄膜光伏組件ST40、單晶硅光伏組件SM55等三種不同類型的光伏組

7、件在不同光照強度、不同溫度下的實驗數(shù)據(jù),對該算法的性能進行了檢驗。結果表明,采用該算法辨識得到的單二極管模型和雙二極管模型均具有較高的精度,且優(yōu)于文獻中的多種其它算法。
  研究了基于花朵授粉算法的約束優(yōu)化方法。分別測試了結合Deb可行性比較法和ε約束法等兩種不同的約束處理策略的花朵授粉算法求解單目標有約束優(yōu)化問題的性能。測試表明,這兩種算法的性能均不甚佳,且在與花朵授粉算法相結合時,Deb可行性比較法更適合于處理不含等式約束的約

8、束問題,而ε約束法更適合于處理含等式約束的約束問題。在此基礎上,將基于佳點集理論的種群初始化技術和一般反向學習技術引入花朵授粉算法中以增強算法的尋優(yōu)能力;將Deb可行性比較法和ε約束法統(tǒng)一結合,根據(jù)待求解問題是否包含等式約束條件在兩種約束處理策略中進行選擇以提高算法對不同類型的優(yōu)化問題的適用性和靈活性,綜合這兩方面的改進提出了一種性能更優(yōu)的混合花朵授粉算法。在典型約束優(yōu)化測試函數(shù)集、典型結構優(yōu)化和多工序車削加工參數(shù)優(yōu)化問題等實際工程約束

9、優(yōu)化問題上檢驗了算法的有效性和實用性,為單目標有約束優(yōu)化問題的求解提供了一個良好的新選擇。
  探討了基于花朵授粉算法的置換流水車間調度優(yōu)化方法。通過引入隨機鍵編碼技術、NEH啟發(fā)式算法和基于重插入操作的局部搜索策略,提出了一種可有效求解該問題的混合花朵授粉算法。算法中,隨機鍵編碼技術使算法在無需修改算子的情況下即可直接應用于置換流水車間調度這一組合優(yōu)化問題的求解;NEH方法改善了初始種群的質量;基于重插入操作的局部搜索策略增強了

10、算法的局部搜索能力。在Car測試集和Rec測試集以及一個連桿加工調度實例上對該混合算法的性能進行了測試,并同其它算法進行了對比。結果表明,該混合花朵授粉算法是一種求解置換流水車間調度問題的有效方法,拓展了花朵授粉算法在組合優(yōu)化問題上的應用范疇。
  本文對花朵授粉算法的性能改進和工程應用進行了積極的探索,在一定程度上完善了該算法的理論體系,提升了算法的性能,拓展了算法的應用領域,同時也豐富了若干工程實際問題的求解方法,具有較大的理

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論