导读:本文包含了近似优化方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:近似,算法,向量,线性,平顺,空间,乘法器。
近似优化方法论文文献综述
万晨雨,贺雅娟[1]（2019）在《一种基于存储的乘法器查找表的近似优化方法》一文中研究指出本文提出了一种近似高输入结果存储(approximate-most-significant-multiple-storage, AMMS)的查找表(LUT)优化方法。该方法利用移位操作来替代部分存储,并将存储内容进行截位使存储位宽缩减,对基于存储的乘法器中的查找表进行了优化。该方法在一个mm位的乘法器中,可以将查找表的规模缩减至传统存储方法的1/4,并明显改善乘法器的面积延迟积(ADP),不过与此同时,该方法也因截位而产生了相对误差,该误差最大不超过2~(-m)。此外,该方法会比传统存储方法多消耗一些额外的硬件,如多路复用器,移位逻辑以及编码模块。(本文来源于《电子产品世界》期刊2019年07期）
帅航[2]（2019）在《基于近似动态规划（ADP）的微电网日内在线优化运行方法研究》一文中研究指出可再生能源的开发利用方式包含集中式和分布式。微电网(microgrid,简称微网)作为分布式可再生能源的重要利用形式,在世界范围内获得了快速发展。然而,分布式光伏、风电等可再生能源的随机性和波动性给微电网的调度运行带来极大挑战。日内在线优化作为微电网运行的重要环节,对保障系统的安全经济运行、新能源的友好接入具有重要作用。目前微电网日内在线优化运行主要采用模型预测控制(model predictive control,MPC)等传统在线优化算法。MPC作为一种确定性优化方法,其在决策的最优性、应对新能源随机性等方面存在诸多不足,不利于系统的最优经济运行。近似动态规划(approximate dynamic programming,ADP)为一种随机优化算法,近年来获得了学者的广泛关注。近似动态规划算法基于贝尔曼(Bellman)最优性原理,通过近似求解策略克服了动态规划面临的“维数灾”难题,同时也能保证决策的近似全局最优性,其在电力系统调度运行中具有广阔的应用前景。本文在充分调研和总结当前微电网日内在线优化研究现状的基础上,针对微电网在线优化模型的特点及利用的系统预测信息的不同,分层递进地提出了分段线性函数ADP、表函数ADP、深度强化学习和代价函数近似等多种微电网在线优化算法。主要研究内容包括:(1)针对传统MPC算法难以获得全局最优解这一不足,提出了采用分段线性函数ADP的微电网日内在线优化算法。首先建立了计及线性化网络潮流约束的微电网调度模型,通过分析分段线性函数ADP算法中分段线性函数斜率所代表的物理含义,提出了基于储能电量边际效应的斜率更新方法,显着提高了APD算法的收敛速度。仿真结果表明,与现有微电网日内在线优化方法相比,所提ADP算法的在线优化效果更佳。所提算法仅需系统当前状态信息和近似值函数便可作出近似全局最优决策,避免了风电、光伏功率等随机量的日内预测误差对在线决策的影响,为微电网日内优化运行提供了新方法。(2)针对前述微电网模型中的线性化网络潮流存在建模误差以及电池储能建模不够精确的问题,建立了同时考虑交流潮流约束及电池精细化运行特性的微电网非线性优化模型,提出了基于表函数ADP的微电网在线优化策略。采用表函数近似真实的值函数,并通过时段解耦,将原混合整数非线性规划(mixed-integer nonlinear programming,MINLP)问题分解为多个只含连续变量的非线性规划(nonlinear programming,NLP)子问题,降低了模型的求解难度。微电网仿真算例验证了所提算法求解多时段MINLP问题的有效性,结果表明所提算法的在线优化效果优于MPC、PSO等传统算法。(3)考虑到表函数的拟合及学习能力有限,且(1)和(2)中的方法均未充分利用日内预测信息,为进一步提高微电网在线决策的智能性,提出了基于深度强化学习的微电网在线优化算法(deep reinforcement learning based microgrid on-line optimization algorithm,DRL-MG)。通过合理设计深度强化学习算法的状态变量及决策变量,解决了约束条件过多和决策空间过大给深度神经网络带来的应用难题。所提算法能够充分利用日前及日内滚动更新预测信息,使得在线决策更优。仿真研究表明,相比于表函数ADP算法和MPC策略,所提算法的在线决策效果更好。(4)微电网中可控微型发电机组过多会导致(3)提出的DRL-MG算法的决策空间过大,从而带来决策困难,针对该问题进一步提出了采用参数化代价函数近似(parametric cost function approximation,PCFA)算法的微电网在线优化策略。PCFA也可充分利用微电网日前及日内预测信息。PCFA算法的建模方法与MPC相似,不同之处在于PCFA通过在约束条件中引入参数因子,使得当前决策可应对日内风电功率预测误差带来的随机性。针对本章的非凸优化问题求解,为寻找最优的参数,提出了基于随机梯度下降法的参数寻优算法。仿真结果表明,相比于MPC,PCFA算法可以获得更好的在线优化效果。该算法为较大规模微电网的最优在线运行提供了新途径。(本文来源于《华中科技大学》期刊2019-05-01）
徐智会[3]（2019）在《向量优化问题的近似解及其标量化方法研究》一文中研究指出向量优化是数学规划的重要分支学科.关于向量优化理论的研究已取得了丰富成果,主要涉及向量优化各种解的概念、解的最优性条件、解的标量化、解集的代数性质与拓扑性质以及与向量优化问题密切相关的变分不等式问题等.本文基于对偶空间的法锥刻画向量优化问题的近似解,并在凸与非凸条件下研究近似解的标量化刻画和最优性条件.主要内容安排如下:第一部分研究了多目标优化问题的近似真有效解.首先,我们利用Proximal法锥和co-radiant集提出多目标优化问题的近似真有效点的概念,进而研究Proximal真有效点与近似有效点、近似Benson真有效点和近似Borwein真有效点之间的关系.然后,在局部星形条件下研究了该近似真有效解的线性标量化结果.第二部分在实线性空间中研究了 Gerstewitz非线性标量化函数的性质.首先,利用Gerstewitz标量化函数在co-radiant集下的特殊性质,给出该泛函的次微分计算公式.随后,利用非线性标量化函数和该泛函的微分结果,结合近似法锥刻画非凸集的近似有效点,并在Asplund空间中研究向量优化问题近似解的最优性条件.最后,介绍非线性标量化函数在风险度量中的应用.(本文来源于《重庆师范大学》期刊2019-05-01）
李文强,王强,李彦,任代祥[4]（2019）在《一种近似响应面模型的链轮优化设计方法》一文中研究指出链轮系统作为一种广泛应用于工业设备上的动力传输装置,优化并提高其系统性能具有重要的理论和实际意义。针对目前链轮系统优化过程中优化效率和优化精确度难以兼顾的不足,提出了一种基于试验设计响应面模型的链轮系统优化设计方法和优化过程。以链轮系统有限元分析结果为基础,对影响链轮系统的优化控制参数进行最优超立方试验设计,获得具有显着影响度的设计控制参数并建立各控制参数间的交互响应关系。基于显着控制样本参数构造链轮系统响应面近似模型,采用多岛遗传算法对响应面近似模型进行全局寻优并实现对链轮系统的优化设计。与常规优化方法对比,该方法在较少优化次数条件下进一步提高了链轮系统的综合优化性能,有较好的可行性和实用性。(本文来源于《电子科技大学学报》期刊2019年02期）
高晋,艾田付,李芷昕,郭宁远[5]（2018）在《改善整车平顺性的悬架参数近似D优化方法》一文中研究指出基于某一款汽车,在满足悬架相关性能合理的前提下,利用试验设计方法中的近似D-最优设计确定试验因素及其变化范围。结合"416-C"之设计X表绘制因素水平编码表,采用二次回归方程求出了最优的前后悬架刚度和阻尼。在MATLAB软件中构造ADAMS中可用的叁维A等级路面,在相同条件下对优化前后整车进行仿真分析。结果表明:优化后的悬架性能满足要求,驾驶员座椅处的3个方向加速度(垂向、纵向、横向)以及加权加速度均方根值均有下降,整车平顺性得到进一步提高。(本文来源于《农业装备与车辆工程》期刊2018年12期）
孟祥争[6]（2018）在《基于K折迭SVR近似模型的晶格结构设计优化方法研究》一文中研究指出基于真实物理模型或数值仿真模型的晶格结构产品设计优化周期过长,阻碍着晶格结构产品更新迭代。支持向量回归(Support Vector Regression,SVR)是一种具有强大的非线性和高维处理能力、预测性能强、对样本需求量小的近似模型,被广泛应用于工程产品设计中替代真实物理模型或数值仿真模型。SVR近似模型的预测精度直接影响设计优化结果的优劣性,如何提高SVR近似模型的预测精度一直是研究的热点,如序贯添加样本点和参数寻优等方法的提出,从样本点选取和模型参数选择方面提高了 SVR近似模型的预测精度,但已存在样本点处的误差信息没有被充分考虑。另外,基于有限数量样本点构建的SVR近似模型存在不确定性。如何合理量化SVR近似模型的不确定性,是SVR近似模型应用于晶格结构产品设计的关键。本文根据以上两点,将K折迭交叉验证技术和SVR近似模型相结合,提出K-SVR近似模型以提高预测精度,并考虑K-SVR近似模型不确定性,提出K-SVR近似模型设计优化方法,最终将该方法应用于晶格结构产品实例中。首先采用K折迭交叉验证技术提取SVR近似模型已存在样本点处的误差信息以及建立K个子SVR近似模型,根据误差的大小进行排序,并分配子SVR近似模型的权重,集成所有的子SVR近似模型,实现了 K-SVR近似模型的建立,采用数学算例验证了所建立模型的有效性和优越性,同时分析了不同分组数目对K-SVR近似模型的影响;其次,考虑K-SVR近似模型不确定性的影响,在设定的置信水平下,采用留一法交叉验证将K-SVR近似模型的不确定性进行量化,进而提出K-SVR近似模型设计优化方法,通过数学算例展示了方法的可行性;最后,阐述了晶格结构应用的良好前景和优势,详细介绍了单元晶格结构选型的过程,并将本文所提出的基于K-SVR近似模型设计优化方法应用于晶格结构的汽车A柱和汽车坐垫承载件的设计优化中,顺利的完成了设计任务,同时验证了基于K-SVR近似模型设计优化方法在晶格结构产品设计优化中的有效性。(本文来源于《华中科技大学》期刊2018-05-01）
曹丽娜[7]（2018）在《一类求解概率约束优化问题的光滑近似方法》一文中研究指出许多有重要价值的实际问题,如风险优化中的风险值计算问题,含新能源电力系统化调度问题,移动网络中的路线定位处理问题等均属于概率约束优化问题.在概率约束优化问题中,它要求一组随机约束同时被满足的概率要足够大.求解该类问题的代表性方法有:凸保守近似方法、D.C.近似方法、光滑近似方法等.本文主要针对概率约束函数p(x)的不可微性,研究了一类求解概率约束优化问题的光滑近似方法,建立了该类方法的理论框架和算法设计.本文的主要研究结果如下:第一章介绍了具有概率约束的随机优化问题的研究现状.第二章定义了特征函数1(0，+∞)(z)的一类光滑近似函数φ(z,μ,给出该类函数所满足的假设条件,基于该类函数构造了概率约束函数p(x)的光滑近似函数,并给出两个特例加以说明.第叁章基于所提出的一类光滑近似函数建立了问题(P)的光滑近似问题(Pε),并证明了当参数ε↘0时,问题(Pε)的最优解集和最优值分别收敛于问题(P)的最优解集和最优值;问题(Pε)的KKT点集是问题(P)的KKT点集的近似,进而得到问题(Pε)的解就是问题(P)的一个近似解.第四章构造了问题(Pε)的光滑D.C.近似问题(PDCε),提出了求解该问题的序列凸近似算法.在算法的每一次迭代中用基于梯度的Monte Carlo方法来求解凸子问题(P(ε,y).证明了在一定的条件下该算法所得到的解列的极限点即为问题(PDCε)的KKT点.第五章用Matlab语言编写序列凸近似算法程序,分别基于Pinar-Zenios光滑和函数和Sigmoid函数的序列凸近似方法求解一个具体的概率约束优化问题,报告了相应的数值结果.数值结果说明了本文所提出的光滑近似方法对求解一些概率约束优化问题是行之有效的.(本文来源于《辽宁师范大学》期刊2018-04-01）
夏雪飞[8]（2018）在《面向空间索引优化的空间对象近似方法研究》一文中研究指出空间索引是依据空间对象的位置和形状或空间对象之间的某种空间关系按一定顺序排列的一种数据结构,旨在快速筛选与特定空间操作无关的空间对象,是确保高效搜索和展示空间数据效率的重要指标,其性能的优劣直接影响地理信息系统与空间数据库的整体性能。目前,国内外涌现出各类空间索引结构,尽管他们从不同角度对空间索引算法进行了优化,但仍存在很大的局限性。其中,在索引树结构方面,节点间较高的空间重迭度,造成索引树深度的增加、同一空间查询出现多条查询路径等一系列弊端,从而降低了空间索引质量,影响空间索引性能。而且随着数据量和数据类型复杂程度的剧增以及索引数据的不断更新,这类弊端也愈发明显。空间对象近似(SpatialObjectApproximation)精度较低,是导致索引节点间较大重迭度的一个重要问题。通过使用相关空间目标近似技术(如最小外接矩形)可减少原始空间目标复杂的空间关系计算,从而提高空间查询效率。地理信息系统处理的空间目标具有不规则的几何形状(如道路、河流等),若直接利用其精确空间位置来实现某些给定的空间操作(如相交、包含等),计算量会急剧增加。但现有方法未挖掘空间目标的几何形态特征,导致索引节点间存在较高的空间重迭度,进而影响空间查询性能的提升。针对上述问题,本文以优化空间索引结构为目标,从空间目标近似技术出发,结合线、面地理矢量要素的几何形态特征,提出了基于几何模板(Geometric Template)近似的空间索引优化方法,其中几何模板是指以栅格方式对原始几何对象进行粗略近似的图形。并设计相关空间数据检索实验,实验表明了该空间索引优化方法明显提高了窗口查询与空间连接查询效率与精度。本文具体研究内容与成果如下:(1)面向二维空间索引优化的几何模板针对空间对象近似精度不高、难以平衡索引树构建效率及空间复杂度等的问题,本文提出了基于多级网格剖分的几何模板构建方案。定义了以网格数据结构为基础的几何模板结构,设计了基于改进最小编辑距离和几何模板频率直方图的归类算法、基于图形字典的几何模板位编码算法以及基于位操作和几何模板空间关系预取的混合机制下的空间关系粗计算策略。(2)基于几何模板近似的空间索引优化方法鉴于R*树是R-树变体中应用最为广泛的一类,本文以R*树为例,提出了基于几何模板近似的空间索引优化方法,旨在将几何模板替换R*树中的最小外接矩形,以达到优化的目的。通过对比分析基于几何模板近似和基于最小外接矩形近似下空间索引数据构建、删除、窗口查询和空间连接查询以及节点分裂等算法的差异性。本文提出了基于几何模板空间关系粗计算的窗口查询与空间连接查询详细算法。设计了基于几何模板变换(起点变换、级别变换)和位运算的节点分裂算法,构造了基于几何模板类型和级别的面积、周长计算方法,以此为基础,最终提出了基于几何模板近似的空间索引构建和删除算法。(3)设计原型系统进行实验验证通过选择中国区域内有代表性的线和面状OSM(Open Street Map)矢量数据集,本文构建了 VGIS原型系统,从窗口查询效率、精度和存储空间压缩比方面,对提出的基于几何模板近似的空间索引优化方法进行实验分析。结果表明,基于几何模板近似的空间索引优化方法以增加少量建树时间,换取更少的窗口查询与空间连接查询时间以及存储空间占用量,提高了空间查询性能和空间利用率,且扩展了查询谓词。(本文来源于《南京师范大学》期刊2018-03-28）
申婷婷,贺素香[9]（2018）在《解互补约束优化问题的一种新的光滑化近似方法》一文中研究指出互补约束优化问题应用十分广泛.利用Sigmoid函数的积分函数提出了一种新的光滑化近似算法,将互补约束优化问题转化为一般的非线性规划近似问题,通过求解近似问题的一系列光滑子问题得到原问题的近似解.在线性独立约束规范和其他一些较弱的假设条件下:无须上水平严格互补和渐进弱非退化,证明了光滑近似问题的KKT稳定点序列收敛于原问题的C-稳定点.进而考虑弱二阶必要条件,证明了上述KKT稳定点序列收敛于原问题的S-稳定点.最后,设计了相应算法,并对MacMPEC测试题库中的一些算例进行了数值实验,将得到的结果与其他算法的结果进行比较,显示本方法是有效的.(本文来源于《浙江大学学报(理学版)》期刊2018年02期）
吴军,靳成学,樊绍巍[10]（2017）在《基于遗传算法的近似直线连杆优化方法》一文中研究指出直线驱动是机构设计中的一个重要组成部分。提出一种基于遗传算法的近似直线连杆优化方法。首先选用经典的Watt连杆进行分析,针对连杆机构的特点,进行闭链运动学分析,得到耦合点坐标变化规律。针对高度非线性的耦合点坐标变换规律,采用源自生物进化原理的遗传算法进行连杆参数优化过程,根据需求定义目标函数和约束函数,通过随机搜索得到有效的优化结果。(本文来源于《机械与电子》期刊2017年12期）
近似优化方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
可再生能源的开发利用方式包含集中式和分布式。微电网(microgrid,简称微网)作为分布式可再生能源的重要利用形式,在世界范围内获得了快速发展。然而,分布式光伏、风电等可再生能源的随机性和波动性给微电网的调度运行带来极大挑战。日内在线优化作为微电网运行的重要环节,对保障系统的安全经济运行、新能源的友好接入具有重要作用。目前微电网日内在线优化运行主要采用模型预测控制(model predictive control,MPC)等传统在线优化算法。MPC作为一种确定性优化方法,其在决策的最优性、应对新能源随机性等方面存在诸多不足,不利于系统的最优经济运行。近似动态规划(approximate dynamic programming,ADP)为一种随机优化算法,近年来获得了学者的广泛关注。近似动态规划算法基于贝尔曼(Bellman)最优性原理,通过近似求解策略克服了动态规划面临的“维数灾”难题,同时也能保证决策的近似全局最优性,其在电力系统调度运行中具有广阔的应用前景。本文在充分调研和总结当前微电网日内在线优化研究现状的基础上,针对微电网在线优化模型的特点及利用的系统预测信息的不同,分层递进地提出了分段线性函数ADP、表函数ADP、深度强化学习和代价函数近似等多种微电网在线优化算法。主要研究内容包括:(1)针对传统MPC算法难以获得全局最优解这一不足,提出了采用分段线性函数ADP的微电网日内在线优化算法。首先建立了计及线性化网络潮流约束的微电网调度模型,通过分析分段线性函数ADP算法中分段线性函数斜率所代表的物理含义,提出了基于储能电量边际效应的斜率更新方法,显着提高了APD算法的收敛速度。仿真结果表明,与现有微电网日内在线优化方法相比,所提ADP算法的在线优化效果更佳。所提算法仅需系统当前状态信息和近似值函数便可作出近似全局最优决策,避免了风电、光伏功率等随机量的日内预测误差对在线决策的影响,为微电网日内优化运行提供了新方法。(2)针对前述微电网模型中的线性化网络潮流存在建模误差以及电池储能建模不够精确的问题,建立了同时考虑交流潮流约束及电池精细化运行特性的微电网非线性优化模型,提出了基于表函数ADP的微电网在线优化策略。采用表函数近似真实的值函数,并通过时段解耦,将原混合整数非线性规划(mixed-integer nonlinear programming,MINLP)问题分解为多个只含连续变量的非线性规划(nonlinear programming,NLP)子问题,降低了模型的求解难度。微电网仿真算例验证了所提算法求解多时段MINLP问题的有效性,结果表明所提算法的在线优化效果优于MPC、PSO等传统算法。(3)考虑到表函数的拟合及学习能力有限,且(1)和(2)中的方法均未充分利用日内预测信息,为进一步提高微电网在线决策的智能性,提出了基于深度强化学习的微电网在线优化算法(deep reinforcement learning based microgrid on-line optimization algorithm,DRL-MG)。通过合理设计深度强化学习算法的状态变量及决策变量,解决了约束条件过多和决策空间过大给深度神经网络带来的应用难题。所提算法能够充分利用日前及日内滚动更新预测信息,使得在线决策更优。仿真研究表明,相比于表函数ADP算法和MPC策略,所提算法的在线决策效果更好。(4)微电网中可控微型发电机组过多会导致(3)提出的DRL-MG算法的决策空间过大,从而带来决策困难,针对该问题进一步提出了采用参数化代价函数近似(parametric cost function approximation,PCFA)算法的微电网在线优化策略。PCFA也可充分利用微电网日前及日内预测信息。PCFA算法的建模方法与MPC相似,不同之处在于PCFA通过在约束条件中引入参数因子,使得当前决策可应对日内风电功率预测误差带来的随机性。针对本章的非凸优化问题求解,为寻找最优的参数,提出了基于随机梯度下降法的参数寻优算法。仿真结果表明,相比于MPC,PCFA算法可以获得更好的在线优化效果。该算法为较大规模微电网的最优在线运行提供了新途径。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
近似优化方法论文参考文献
[1].万晨雨,贺雅娟.一种基于存储的乘法器查找表的近似优化方法[J].电子产品世界.2019
[2].帅航.基于近似动态规划（ADP）的微电网日内在线优化运行方法研究[D].华中科技大学.2019
[3].徐智会.向量优化问题的近似解及其标量化方法研究[D].重庆师范大学.2019
[4].李文强,王强,李彦,任代祥.一种近似响应面模型的链轮优化设计方法[J].电子科技大学学报.2019
[5].高晋,艾田付,李芷昕,郭宁远.改善整车平顺性的悬架参数近似D优化方法[J].农业装备与车辆工程.2018
[6].孟祥争.基于K折迭SVR近似模型的晶格结构设计优化方法研究[D].华中科技大学.2018
[7].曹丽娜.一类求解概率约束优化问题的光滑近似方法[D].辽宁师范大学.2018
[8].夏雪飞.面向空间索引优化的空间对象近似方法研究[D].南京师范大学.2018
[9].申婷婷,贺素香.解互补约束优化问题的一种新的光滑化近似方法[J].浙江大学学报(理学版).2018
[10].吴军,靳成学,樊绍巍.基于遗传算法的近似直线连杆优化方法[J].机械与电子.2017
论文知识图
