唐若笠[1]2016年在《基于群集智能的复杂问题优化算法与应用研究》文中指出“创新、协调、绿色、开放、共享”是“十叁五”时期乃至中长期指导我国能源电力行业科学发展的新理念。在着力推进能源电力行业创新发展与绿色发展的进程中,大量亟待优化与创新的技术问题相继涌现,且随着电力系统规模的日益增长、技术要求的不断提升,这类技术问题呈现出规模化、复杂化的发展趋势。本文依托实际科研课题,以群集智能思想的应用为出发点,结合专业背景,围绕电力系统建设、电力系统运营中的两类典型复杂优化问题展开研究：大规模光伏系统复杂光照下最大功率点跟踪以及电能计量设备运维作业动态优化,抽象出一类具有大规模、多极值、变量耦合等特性的复杂优化问题,并建立基于群集智能的求解模型。在此基础上,针对不同问题的属性与特点研究基于群集智能的求解方法,并最终回归实际问题的求解与优化。具体地讲,本文主要研究内容及创新成果如下：对于具有多极值特性的复杂优化问题,由于群集智能算法易出现因个体陷入局部极值且难以摆脱而导致的“早熟”收敛现象,极大程度地限制了算法对于这类问题的求解性能。本文以粒子群算法为例,分析其“早熟”现象的形成原因,并从增强粒子个体智能属性的角度出发提出若干防“早熟”策略以及HSPSO、 HSPSO-FI算法,通过为个体引入仿人脑的智能属性以增强其摆脱局部极值点束缚的能力。仿真实验表明,通过引入仿人智能属性,粒子个体能够有效克服局部极值点的束缚,算法优化性能得以显着提升。对于具有大规模特性的优化问题,由于问题复杂度随变量维数的增加呈指数上涨,这一“维数灾难”的出现将导致常规优化算法失效。尤其当大规模优化问题同时具有变量耦合特性时,问题的求解将变得极为复杂。为拓展群集智能的应用领域,提升其对各类大规模优化问题的求解性能,本文研究并提出一类通用的多参考向量自适应协同进化(AM-CC)算法框架,并以粒子群算法为例提出AM-CCPSO算法。仿真实验表明,AM-CC框架对于具有变量可分割以及变量不可分割等特性的1000维大规模问题具有良好的求解性能。AM-CC框架的提出为群集智能应用于求解大规模问题,尤其对于具有变量耦合特性的大规模问题求解提供了一种通用、有效的解决方案。在上述理论研究的基础上,针对电力系统建设中的典型复杂优化问题展开应用研究：围绕大规模光伏系统复杂光照下的“热斑效应”与最大功率点跟踪问题,研究并提出了基于群集智能的求解方案。“热斑效应”对光伏系统局部遮阴环境下的稳定工作构成严重威胁,现有方法普遍存在系统输出功率额外损失、成本较高或难以在大规模系统中应用等缺陷。针对这一问题,本文研究了基于光伏电池控制装置与支路稳压装置的大规模光伏阵列拓扑结构,为实现单块电池板(或最小控制单元)级的最大功率点跟踪提供了硬件基础。此外,建立了以大规模优化问题为描述形式的大规模光伏系统最大功率点跟踪数学模型,并将本文理论研究部分提出的各算法应用于模型求解。仿真实验表明,通过拓扑结构、数学模型与求解算法的相互配合,大规模光伏系统各电池板(或最小控制单元)在复杂光照环境下能够稳定工作于各自理论最大功率点,使“热斑效应”得以有效解决的同时保证了系统的最大输出功率。此外,针对电力系统运营中的典型复杂优化问题展开应用研究：围绕电能计量设备运维作业动态优化问题,分析电网企业相关管理工作的实际需求,并建立基于群集智能的运维作业动态优化模型,以实现对任务点数量、实时路况、运维人员属性与数量、决策者偏好等外部条件的实时响应。在此基础上,采用本文理论研究部分提出的各算法完成对模型的求解。仿真实验表明,提出的模型与算法能够对电网企业关于运维作业的各项要求予以实时响应,实现电能计量设备运维作业的高维度实时、动态优化,提升电网企业日常运维工作管理效率。
仲卫涛[2]2001年在《过程系统的大规模优化问题研究》文中认为流程工业作为一个国家的主导行业，对国民经济的发展起着举足轻重的作用。利用企业综合自动化改造传统产业，可极大挖掘企业的内部潜力，产生巨大的经济和社会效益。 过程优化作为工业企业综合自动化的关键一环，是企业挖潜增效的核心所在。当前，以严格机理模型、开放式方程建模为基础的流程工业大规模优化已成为过程优化技术发展的主流方向。 本文立足于流程工业大规模过程优化的现实需求，在对国内外现有研究成果及技术发展脉络进行系统总结及把握的基础上，对大规模过程系统优化中涉及的关键技术和优化理论进行了深入的研究，并结合实际，对若干应用问题进行了有益的探索。 本文的主要研究工作包括：1）对大规模过程系统优化问题产生的原因和发展过程进行了详尽的分析与阐 述，系统论述了流程工业大规模优化的主要推动力及发展现状，对现有研究 成果进行了分析与评述，并指出了理论研究与实际应用中所存在的困难和一 些亟待解决的问题；2）提出一种通用的过程优化预处理算法，通过数值侦测手段自动获得优化命题 的稀疏结构信息，可显着减少寻优过程所需计算量，为大规模稀疏优化命题 的有效求解提供了可能；3）开发了一种基于通用优化预处理算法、结合稀疏矩阵技术的大规模过程优化 稀疏SQP方法及实施策略。大量数值实验表明，该策略求解流程工业优化 命题十分有效；4）提出一种扩展的自动微分方法XAD，可满足数值计算中对精确数值/解析导 数的需求，并解决现有求导方法不能求取程序封装函数解析导数的困难，为 大规模数值计算中导数表达式的获得提供了一条全新的途径。目前，尚未见 到有关此方面的研究文献报道；11 浙江大学博士学位论文一5）开发了一种结合矩阵压缩技术的XAD方法，可充分利用流程工业大规模优 化命题的稀疏结构，显着提高XAD的求导效率。对高维稀疏Jacobian矩阵 及典型流程工业优化命题的数值实验表明了该方法的有效性；6）提出一种基于随机多点残差估计的离散化模型精度控制算法，可有效处理微 分－代数混合系统优化中OCFE的离散化模型精度问题。数值实验表明，该 算法具有构造简单、计算量少、易于实施的优点：刀 针对一个间歇缩聚反应釜的生产，提出以反应温度为调节手段、每釜反应时 间最小为目标函数的间歇缩聚反应釜操作优化方案。利用现场数据校验反应 机理模型，并以OCFE方法及开放式方程建模思想为基础，综合运用模型精 度控制算法、扩展自动微分技术、变量标度化等多项措施对该微分·代数混 合系统优化命题进行求解，优化结果令人鼓舞。
江爱朋[3]2005年在《大规模简约空间SQP算法及其在过程系统优化中的应用》文中提出当前,以严格机理开放式方程建模为基础的流程工业优化成为国际主流的发展方向,流程工业过程优化正由单元、装置级别的局部优化转向更高级别的全厂、整个生产流程级别的系统优化方向发展,闭环在线优化也从稳态优化向更高级、更复杂的动态优化发展。由于过程系统优化向着大规模、大系统等方向发展,且由于过程对象的高度复杂性、强非线性和不确定性等特点,使得流程工业大规模优化无论在理论研究,还是在实际应用中都面临着巨大的挑战。如何针对流程工业大规模优化命题的结构、稀疏性等特点,开发高效可靠的大规模优化算法与技术,是当前急需解决、极有挑战性的前沿课题。 本文根据流程工业大规模过程系统优化的需求,在对国内外现有研究成果及其技术进行系统总结和把握的基础上,针对过程系统流程的特点,对基于简约空间SOP算法的大规模优化算法进行深入的研究,并将改进的优化算法用于大规模乙烯生产过程中精馏塔的操作优化。在此基础上,本文也对动态过程系统优化进行了有益的探讨。 本文的主要研究工作包括以下几个方面: 1.分析了企业综合自动化和大规模过程系统优化的背景和推动力,对国内外相关领域的发展脉络进行了系统的总结和阐述,并指出了大规模优化技术在理论和应用方面存在的困难。 2.对简约空间SQP算法原理、计算框架和关键环节进行了详细的分析,在此基础上对算法进行了改进,提出了一种智能的基变换规则,可以减小大型矩阵运算所需的计算量,且基变量的变换在迭代过程中实时更新,增强了算法的稳定性和鲁棒性;提出了一种综合过滤线性搜索方法,结合了传统线性搜索方法和过滤搜索方法的优点,提高了算法的求解效率,减少了算法的迭代次数。在此基础上,开发了大规模非线性优化软件包UniOptima,建立了非线性优化标准算例库。 3.针对过程系统中自由度相对较大的优化命题,对简约空间SQP算法进行了扩展,提出了基于有限存储的RSQP算法。在算法中隐式地表示算法中最大的矩阵—简约空间Hessian阵和二次项矩阵,大大减少存储量的
熊昕东[4]2004年在《轻烃回收分馏过程操作优化理论与技术研究》文中研究说明在目前全球市场竞争越来越激烈的情况下，如何合理地优化产品方案和操作方案，以降低生产成本、提高产品质量，获得更好的经济效益，是企业亟待解决的问题。轻烃回收系统庞大，工艺流程复杂，约束条件很多，从整个大系统的角度去求解优化问题存在很大困难。分馏过程(包括辅助系统)是轻烃回收工艺中的一个重要环节，其能耗占整个轻烃回收过程的大部分，进行分馏过程的操作优化，对整个轻烃回收系统的优化能起到决定性的作用。 在过程优化技术上，以严格机理模型为基础的流程工业大规模优化是国际上一致公认的主流发展方向。但是对象的高度复杂性、强非线性、强关联性、不确定性等特点，使流程工业大规模优化无论在理论研究，还是在实际应用上都面临巨大困难。本文建立了分馏过程模型，并从不同调优方式的角度出发，对严格机理模型进行了一定的技术处理，采用多种建模和多种优化手段来解决了轻烃回收分馏过程的稳态操作优化问题，拟定了一套通过计算而达到操作优化的技术。 具体来说，本文的主要研究工作包括： (1) 针对某典型的轻烃回收系统的工艺技术，进行了深入细致的分析，确定了研究对象一分馏过程的可控自变量集、因变量集和需要优化的目标函数的组织； (2) 系统研究了过程系统模型的建立及求解方法，利用序贯模块法对过程进行了模拟计算，对过程模型进行了验证； (3) 利用过程模型进行模拟计算，将计算结果进行多元线性回归分析，建立了基于机理分析的“映射模型”。为了保证映射模型能较好地反应实际机理过程，进行了模拟计算方案的均匀设计和逐步回归分析方法； (4) 对过程的严格机理模型进行了简化，得到“准严格机理模型”，大大降低了过程模型的变量维数和方程维数，从而降低了相应的优化模型求解难度，使优化计算变得实际可行； (5) 对结合预处理过程的稀疏SQP算法及理论作了详细的论述，研究了该算法的实现。对其在分馏塔的操作优化问题上的应用进行了验证，并将该算法引入到轻烃回收分馏过程的大规模优化求解问题中； (6) 对不同模型的优化命题采用了不同的优化算法进行寻优，对优化结果进行了分析对比，从而得到不同的优化策略。
洪伟荣[5]2005年在《大规模动态过程优化的拟序贯算法研究》文中提出在流程工业领域,基于严格机理模型的开放式方程建模与优化已成为国际上公认的主流技术方向。许多系统工程公司和各大科研机构纷纷投入大量人力物力对系统的模型与优化进行深入细致的研究,企图取得突破性的进展。然而基于严格机理模型的离散化后的优化命题往往具有方程数多、变量维数高、非线性强的特点,这使得变量的存储、计算及命题的求解相当困难。常规的优化算法面对这样的大型问题已无能为力,无论在计算速度、收敛性、初值敏感性等方面都远不能满足现代工业的要求。因此,针对现代工业过程的大规模优化问题,开发出相应的优化算法已成为现代工业过程发展的一个重要研究工作。 大规模动态优化问题的常用算法是基于非线性规划(NLP)的序贯算法(Sequential approach)和联立算法(Simultaneous approach)。序贯算法具有寻优变量少,是可行路径法,可利用现有过程模拟软件等优点。但它不能处理状态变量的路径约束。另外,在寻优过程中不涉及过程模型信息,寻优效率不高。联立算法可以处理路径约束问题,仅仅在最优点处求解一次模型方程。它的缺点是寻优变量多,产生一个非常大的NLP问题,需要特殊的求解策略和数学处理才能保证算法较好的收敛性和收敛速度。本论文在总结序贯算法和联立算法的基础上,提出了一种结合两种算法优点的,基于SQP的动态过程优化算法—拟序贯算法(Quasi-Sequential approach),编写了算法程序QSOPT,并同目前应用最广泛的联合算法及软件IPOPT进行了比较,比较结果显示拟序贯算法非常适合求解强非线性的最优控制问题。由于它在求解NLP时不存在等式约束,对一些在NLP求解过程中等式约束(过程模型方程)值变化剧烈的优化问题求解时显示出较高的计算效率,因此在需要高效率优化算法的非线性模型预测控制和在线优化中具有很好的实际应用价值。论文主要内容包括: 1.提出了一种兼有序贯算法和联合算法优点的动态优化算法—拟序贯优化算法(quasi-sequential approach)。它一方面与联立算法一样,状态变量和控制变量用有限单元配置法同时被离散,这样状态变量的路径约束在配置点处都能够满足,避免了传统序贯算法不能求解状态变量路径约束问题的缺点;另一方面与序贯算法一样,通过模型方程的模拟消去了状态变量和等式约束,这样原问题就变为仅仅包含不等式约束和控制变量的更小规模的优化问题。不像联立算法为了使大规模的优化问题降维,需要复杂的数学推导,拟序贯算法简单易行,是一种易于在工程领域推广应用的动态优化算法。
张帆[6]2002年在《过程系统优化的分布式并行计算》文中研究说明流程工业作为一个国家的主导行业，对国民经济的发展起着举足轻重的作用。利用企业综合自动化改造传统产业，可极大挖掘企业的内部潜力，产生巨大的经济和社会效益。 过程系统通常采用基于过程机理和严格物性计算的精确数学模型，这类模型往往具有大规模、非线性的特点。庞大的过程全联立方程优化命题，需要耗费大量的计算时间才能求解。尽管近年来计算机的硬件和处理能力已经有了极大的提升，但单纯依赖单机直接进行大规模过程优化尚有许多困难。采用计算机机群系统技术将为大规模、非线性的过程系统优化问题提供一个扩展性好、易于实现的解决方案。 本文立足于大规模过程优化的现实需求，在对国内外现有研究成果及技术发展脉络进行系统总结及把握的基础上，对大规模过程系统并行优化中涉及的关键技术和优化理论进行了深入的研究，并结合实际，对若干应用问题进行了有益的探索。在此基础上，实现了并行优化计算平台与软件。 本文的主要研究工作包括：1) 系统论述了并行技术的原理与并行优化的目的，讨论了并行算法与并行计算模型，对现有研究成果进行了分析与评述，并指出了理论研究与实际应用中所存在的困难和一些亟待解决的问题；2) 比较各种并行处理系统后，提出利用机群系统来构建并行优化平台，这是一种便于实际应用的高性能价格比的并行策略，目前，尚未见到有关此方面的研究文献报道。分析了计算机机群系统的优点，讨论了利用机群系统实行优化计算的关键所在和如何提高机群系统的效率问题；3) 研究了现有的各种并行优化算法，并讨论了常见优化算法的并行化问题，对这些并行化策略进行了评价。在此基础上，提出了各种并行优化算法的机群系统求解方案；4) 深入讨论了SQP算法，分析了SQP算法中的各种并行线索与策略。着眼于粗粒度计算的要求，提出了一种基于梯度分裂的大规模并行SQP算法，将梯度求解过程转化为一些较小的子问题在各个机群节点求解，适合利用计算机机11 浙江大学博士学位论文 群系统进行并行计算。在一个精馏塔算例的仿真计算中显示了该算法的有效 性；5）提出了一种合适并行计算的大规模分解协调算法，研究用SQP算法进行底层 优化、拟牛顿法作为协调算法开展大规模过程系统优化计算。此种并行算法 体系所具有的粗粒度特征使之非常适合于用机群系统来实现。通过一个换热 器的算例，表明该算法的计算优越性及良好的并行性能。6）提出了并行优化软件平台的总体设计框架，并设计了初始化函数，发送接收 任务函数、进行任务函数和回送并综合结果函数四大类的并行基础函数。在 这些并行基础函数的基础上，实现了并行SQP与并行分解协调算法。从伪代 码的分析中表明，利用四大类基础函数实现并行计算是简单而有效的。
刘玉宝[7]2017年在《基于智能优化算法的系统可靠性优化问题研究》文中研究指明可靠性优化问题是工程领域内复杂的非线性数学规划问题,传统的优化技术无法在有限的时间内取得问题最优解。智能优化算法的出现为解决该类问题提供了一种新的有效的解决方案。它能够在有限的时间内得到复杂优化问题的近似最优解,解决了传统优化技术难以解决的问题,开启了优化技术领域的新篇章。目前对智能优化算法的研究取得了很多成果,但是算法本身尚普遍存在着一定的局限性,如早熟收敛,控制参数的设置和调节困难,结果精度低等问题。本文从智能优化算法本身存在的缺点和不足出发,以解决可靠性优化问题为主要目标,对智能优化算法在可靠性优化问题中的应用进行了改进,其主要的研究工作如下:(1)针对基本的差分进化算法中容易早熟收敛的问题,提出了一种改进的差分进化算法。所提出的新算法中将原始差分进化算法中的调节因子F和交叉概率CR两个参数设置为自适应调节的参数。对于调节因子F,每一代的进化都取新的值Fi,随着算法迭代次数的增加,使Fi的取值逐渐大于前i-1代的平均值Fmean;对于交叉概率CR也采用类似的策略,不同的是,随着迭代次数的增加,是CRi的取值小于平均值CRmean。同时,对于算法的选择策略也进行了改进。改进后的算法既增强了算法在迭代的过程中种群的多样性而避免了早熟收敛,又使算法在后期具有较快的收敛速度。仿真实验结果表明,该方法在解决串联系统可靠性优化问题上取得了良好的效果。针对智能优化算法工作过程中全局搜索和局部搜索的平衡问题,提出了结合Lévy飞行的差分进化算法。智能优化算法对解空间的搜索,理想的效果是全局搜索和局部搜索达到良好的平衡,即算法工作的前期在解空间中进行大面积的全局搜索以增强解的多样性,后期应是进行高效的局部搜索以加快收敛速度。所提出的方法很好的兼顾了算法全局搜索和局部搜索的平衡。通过对串并联系统可靠性优化问题的仿真实验,结果表明这种方法较好的平衡了全局搜索与局部搜索,取得了很好的结果。(2)针对蝙蝠算法解决可靠性优化问题时,收敛速度慢、解的精度低等问题,对蝙蝠算法的全局搜索策略和本地搜索策略进行了改进,提出一种改进的蝙蝠算法(IBA),使用该方法对复杂系统可靠性冗余优化问题进行了仿真实验,结果表明该方法在收敛速度上、解的精度上都有了大幅度的提高,并且具有更好的稳定性。(3)对内部搜索算法(Interior Search Algorithm,ISA)进行了研究,并用于解决大规模系统可靠性优化问题。对ISA算法的参数α进行了改进,提出了自适应参数的ISA算法。ISA算法中,参数α值越大,解的多样性越好;反之,参数α值越小,算法的局部搜索能力越强。基于这种特性,将ISA算法的参数α的初值设置为某一范围内的最大值,然后随着迭代次数的增加,使参数α的值逐渐变小,最后变化为最小值,这样既增强了算法工作前期解的多样性避免陷入局部最优,又在后期提高了收敛速度。仿真实验结果表明,算法在解决大规模系统可靠性优化问题上取得了很好的结果,并且算法在各方面性能指标上都得到了提高。(4)针对ISA算法解的精度低的问题,提出了二阶段的ISA算法。本算法将ISA算法的工作过程分为两个阶段:第一阶段利用基本的ISA算法获得初步最优解;第二阶段在此基础上,在初步最优解的周围做进一步的集中搜索,以得到增强的最优解。实验表明,该算法在解决大规模系统可靠性优化问题上,大幅度提高了解的精度和收敛速度,获得了良好的结果。(5)在智能优化算法的迭代过程中,新解的质量对算法的精度和收敛速度影响很大。差分策略产生高质量新解的能力较强。结合这一优点,将差分策略引入ISA算法来产生新的候选解。即在算法迭代的过程中,同时使用镜子搜索策略和差分策略产生新的候选解,然后采用竞争策略选取两者中较优的作为新的候选解。实验结果表明,算法在在解决大规模系统可靠性优化问题上,取得了良好的效果。
曾筠[8]2016年在《西南地区大规模水电站群长期跨流域补偿优化调度方法研究》文中进行了进一步梳理近年来,我国水电事业发展迅猛,水电装机容量居世界首位。在水能资源丰富的西南地区,已经形成了一批大规模电力互联的跨流域梯级水电站群系统。在电网调度中,这些梯级水电站群规模巨大、送电范围广,其优化调度中面临着系统维数限制、不确定性和跨流域合作等关键技术难点。开展跨流域多梯级水电站群的优化调度方法的研究对提高电网决策效率,有效利用资源,提高经济效益等具有重要的理论指导意义和应用价值。本文以南方电网的澜沧江、红水河、乌江等流域为研究背景,针对跨流域梯级水电站群的调度规则及长期优化调度方法进行研究。主要内容如下：(1)针对枯水期的发电调度决策的问题,提出了梯级水电站系统运行的限制出力规则机会约束优化模型。该模型以随机动态规划得到的水库初始调度规则为基础,建立两点限制出力规则。以各水库最小出力最大为目标,发电破坏率或保证率为约束条件,构建限制出力规则的多目标优化模型。采用凝聚函数替代目标函数,并且通过惩罚函数处理机会约束。利用遗传算法进行求解,其中采用模糊优选方法进行个体评价。以澜沧江梯级水电站群为背景的实例研究结果表明,提出的模型方法可应用于调节性能好的梯级水电站群,以获得新的调度规则或修正已有调度规则,为枯水期发电调度决策提供了有效的解决途径。(2)我国西南地区大规模梯级水电站具有不同的投资和利益主体,在跨流域补偿调度中各主体的利益如何协调是提高发电决策可接受性的重要问题。为此,提出跨流域多主体效益均衡的分布式和集中式合作优化调度规则。分布式规则以各流域系统可发电量为状态变量,流域级的发电决策通过出力分配算法分解至流域内各水库。集中式规则以跨流域系统可发电量为状态变量,并在跨流域系统内分配总出力决策。以跨流域系统总出力最小值最大化为目标,在各流域最小发电量约束下建立集中式和分布式规则优化模型,并采用逐步变可行域的遗传算法求解。南方电网红水河、澜沧江、乌江叁个流域梯级系统的实例应用表明,该模型和方法能够在保证流域发电量的基础上,获得很好的跨流域补偿效果,对于跨流域联合调度实践中的效益协调问题具有参考和应用价值。(3)对于大规模跨流域梯级水电站群优化调度问题,提出了跨流域水电站群长期优化调度的可变策略搜索求解算法。该方法以动态规划、离散微分动态规划、逐步优化、逐次逼近动态规划算法为基础,采用深度优先或广度优先方式连续求解两时段子问题,以达到处理复杂的约束条件、降低系统的求解规模和难度、有效降维的目的。中国南方电网实际,提出了跨流域水电站群长期优化调度可变策略搜索方法,构建了求解不同规模和特点的求解策略。以南方电网跨流域水电系统为背景的实例研究表明,提出的可变策略搜索算法可求解不同规模和目标函数形式的跨流域水电系统长期优化调度问题,具有强鲁棒性和适应性。对于跨流域水电站群长期补偿调度计划的制定,发挥跨流域水电站群综合效益提供了有效的方法。最后对全文做了总结,并对有待进一步研究的问题进行了展望。
刘银钧[9]2018年在《基于大规模MIMO的异构网络性能分析及资源分配研究》文中提出大规模 MIMO(Massive Multiple Input Multiple Output,Massive MIMO)技术是第五代(The Fifth Generation,5G)移动通信系统物理层关键技术之一,当基站部署大规模天线阵列时,采用低复杂度的线性预编码方案就可以显着地提升系统的频谱效率和能量效率。此外,作为一种新型的网络架构,异构网络可以通过在宏基站覆盖范围部署不同类型的低功率节点来增强网络容量和扩展网络覆盖范围。因此,联合利用大规模MIMO和异构网络的优势来进一步提升网络的性能具有十分重要的意义。然而,基于大规模MIMO的异构网络在5G网络的设计部署中面临诸多挑战。一方面,基站的密集部署,使得异构网络中的干扰问题和回传链路受限问题成为制约其性能提升的关键瓶颈。另一方面,天线数的增多,也为大规模MIMO系统带来了电路功率消耗多的问题。针对上述问题,本文开展基于大规模MIMO的异构网络基本理论及技术研究,本文主要的研究工作和创新点总结如下:1.基于大规模MIMO的异构网络性能分析与空间自由度分配针对基于大规模MIMO的异构网络中宏小区和小小区之间的跨层干扰问题,本文提出了新型的基于二阶信道统计信息的干扰协调用户选择算法和空间自由度分配算法。首先,利用随机矩阵理论推导了宏用户和小小区用户遍历可达速率的下界。其次,为了减少回传链路的开销,本文提出了一种基于二阶信道统计信息的干扰协调用户选择算法。仿真结果显示,该算法可以实现与基于瞬时信道状态信息(Channel State Information,CSI)的算法近似的性能。进一步地,考虑到小小区密集部署对宏用户造成的性能损失,提出了一种联合空间自由度分配和用户选择的优化算法来最大化网络的频谱效率。仿真结果表明,该算法在保证宏用户传输速率的条件下,可以实现空间复用增益和干扰协调增益两者之间的折衷。2.基于全双工无线回传的大规模MIMO异构网络性能分析与资源优化针对分层异构网络中由于小小区基站密集部署所导致的回传链路受限问题,设计了一种基于全双工技术的无线回传链路机制。首先,为宏基站设计了一种基于投影技术的ZF预编码方案来消除多用户干扰和小区间干扰。随后,利用随机矩阵理论推导了该机制下用户和回传链路遍历可达速率的近似闭式解。为了实现回传链路容量受限条件下最优化的网络性能,同时兼顾用户间的公平性,构建了用户接入和资源分配的联合优化问题最大化网络对数效用函数,并提出了基于拉格朗日对偶分解法的分布式迭代算法求解该非凸问题。仿真结果显示,与基于最大信干噪比(Signal-to-interference-plus-noise,SINR)接入的算法相比,所提出的算法可以将网络性能至少提升30%,并具有较好的收敛性。3.基于非理想模数转换器的大规模MIMO中继系统性能分析与功率分配大规模MIMO中继系统电路功率消耗过大。为了降低射频链路的硬件开销,本文研究了部署低分辨率模数转换器(Analog-to-Digital Converter,ADC)的大规模MIMO中继系统。在非完美信道条件下,利用随机矩阵理论,推导了该系统用户遍历可达速率的近似闭式解。通过渐近性分析可知,随着中继节点天线数的增多,非理想量化对数据传输的影响将会消失。其次,为了补偿非理想量化对系统性能造成的损失,以最大化系统和速率为目标,构建了用户和中继发送功率的联合优化非凸问题,并提出了一种基于连续凸近似的最优功率分配迭代算法来求解该问题。最后,为了实现系统发送功率和硬件开销之间的折衷,本文还提出了一种最小化系统总功率消耗的功率分配算法。仿真结果验证了所提出算法的有效性和收敛性。4.非均匀部署的毫米波大规模MIMO异构网络性能分析针对毫米波大规模MIMO异构网络的非均匀部署问题,基于随机几何理论对异构网络建模,推导了用户接入概率、覆盖概率、平均速率的理论表达式,并评估了网络参数如毫米波小小区基站密度、簇内基站数、簇半径对网络性能的影响。仿真结果显示,相比于同频组网的异构网络,部署更多的毫米波小小区基站可有效地增加用户的覆盖概率和平均速率。对于非均匀部署的异构网络而言,簇内基站数的增加会降低覆盖概率,而部署更多的毫米波小小区基站可以减弱这种影响。进一步,基于理论分析的结果,利用Jensen不等式,本文提出了一种基于距离的用户接入准则,该准则可以判断用户接入何种频段的基站可以实现最大的覆盖概率。
李亮[10]2014年在《大规模结构并行优化方法及其工程应用研究》文中指出随着科学技术的发展，工程结构的精细化程度越来越高，结构优化设计逐渐取代传统的结构设计方法，在工程领域得到越来越广泛的应用。结构优化设计将结构设计对象构造成结构优化模型，并转化为数学优化问题进行求解。目前，已经发展出许多用于求解中小规模结构优化问题的优化方法，其中数值效果最好、应用最广泛的为增广乘子（ALM）法和序列二次规划（SQP）法。但ALM法和SQP法在应用于航空、航天等领域的大规模复杂结构的优化设计时，由于设计变量及约束的数量增大，优化迭代中的计算量和存储量会急剧攀升，使计算效率受到严重影响。为高效地求解大规模结构优化问题，有必要对ALM法和SQP法进行改进，在保证全局收敛性、数值稳定性及较高计算精度的同时，极大减少计算量和存储量，以提高计算效率。为发展基于梯度的大规模结构优化方法，本文对BFGS法进行了研究和改进。首先，为提高对可用信息的利用程度，提高近似Hessian阵（近似逆Hessian阵）的精度，本文推导了一种新型拟牛顿方程和一种新型BFGS校正公式，并由此提出一种新型BFGS法。其次，为解决BFGS法求解大规模无约束优化问题时计算量和存储量过大的问题，本文对块对角拟牛顿法进行改进，并与新型BFGS法结合，提出了一种新型块对角BFGS法。为提高优化迭代的计算效率，本文将并行方法应用于新型块对角BFGS法及Armijo线性搜索法，形成了一种适用于大规模无约束优化问题的并行新型块对角BFGS法。采用25个国际标准Benchmark数值优化算例，分别验证了新型BFGS法、新型块对角BFGS法及并行新型块对角BFGS法的有效性。本文将并行新型块对角BFGS法应用于ALM法，提出了一种适用于大规模结构优化问题的并行新型块对角BFGS增广乘子法。首先，对ALM法采用的PHR型增广拉格朗日函数及构造序列无约束优化子问题的方法进行了改进，构造出以改进的PHR型增广拉格朗日函数为目标、以设计变量限为约束的序列优化子问题。其次，采用新型BFGS校正公式构造优化子问题的近似逆Hessian阵，并采用修正的并行新型块对角BFGS法及并行Armijo线性搜索法求解序列优化子问题。同时，为提高优化迭代的计算效率，本文针对以结构重量最小为设计目标的结构优化问题提出了一种二次线性搜索技术，可在Armijo线性搜索后进一步降低目标函数值。数值算例表明，并行新型块对角BFGS增广乘子法具有良好的收敛性和计算精度，计算效率提高显着。在改进SQP法的研究工作中，本文提出了一种适用于大规模结构优化问题的并行预估校正-原对偶内点序列凸约束二次规划（SCCQP）法。首先，为提高近似子问题的精度，构造了一种以二次函数为目标、以基于混合变量的凸函数为约束的凸约束二次规划（CCQP）子问题。为减少优化迭代中的计算量和存储量，提出了一种并行预估校正-原对偶内点法来求解CCQP子问题。新方法采用原对偶内点法将CCQP子问题转化为原对偶方程组，再利用并行预估校正法求解原对偶方程组。在对原对偶方程组的求解中，用降维技术降低修正牛顿方程组的维数，再结合并行新型块对角BFGS法将降维后的修正牛顿方程组转化为几乎块对角形式，并用并行方法求解几乎块对角修正牛顿方程组。根据CCQP子问题的解求得搜索方向，再利用并行Armijo线性搜索法以增广拉格朗日函数为价值函数求步长因子。数值算例表明，并行预估校正-原对偶内点SCCQP法的数值效果良好，能极大地提高计算效率。为减少实际参与优化迭代计算的设计变量和约束，提高计算效率，本文对结构优化设计中常用的设计变量降维与约束筛选技术进行了总结和分析，并提出了一种用于降低设计变量数的区域设计变量链技术。为将并行新型块对角BFGS增广乘子法及并行预估校正-原对偶内点SCCQP法应用于工程实际，本文开发了一套大规模结构并行优化软件系统。该优化软件系统通过CAD/CAE软件建立结构的有限元模型，通过人机交互界面输入优化初始信息及控制参数，并将数据分别保存在有限元模型文件和优化文件中。该优化软件系统的并行优化程序采用FORTRAN语言和MPI并行编程模型编写，可以实现数据的读取和管理、方程表达式的解析、并行计算机各计算节点间的信息交换和计算协调、结构的响应分析和敏度分析、约束的筛选、优化迭代计算及优化计算结果的输出等功能。使用本文开发的优化软件系统，在四台计算机组成的并行计算机上，在五种载荷工况下，以结构重量最小为设计目标，以结构元件的构形参数为设计变量，以平尾翼尖挠度和扭转角、结构的应力和应变为约束对T型尾翼进行结构优化设计。首先，对T型尾翼的结构布局形式及传力路线进行分析，建立了结构的有限元模型。然后，对有限元模型进行设计变量分区，设置约束条件。最后，分别调用优化软件系统的两个优化算法模块执行优化计算，并对优化计算结果进行校核和分析。优化计算结果表明，本文提出的两种大规模结构并行优化方法均具有良好的收敛性，具有较高的计算精度和计算效率。
参考文献：
[1]. 基于群集智能的复杂问题优化算法与应用研究[D]. 唐若笠. 武汉大学. 2016
[2]. 过程系统的大规模优化问题研究[D]. 仲卫涛. 浙江大学. 2001
[3]. 大规模简约空间SQP算法及其在过程系统优化中的应用[D]. 江爱朋. 浙江大学. 2005
[4]. 轻烃回收分馏过程操作优化理论与技术研究[D]. 熊昕东. 西南石油学院. 2004
[5]. 大规模动态过程优化的拟序贯算法研究[D]. 洪伟荣. 浙江大学. 2005
[6]. 过程系统优化的分布式并行计算[D]. 张帆. 浙江大学. 2002
[7]. 基于智能优化算法的系统可靠性优化问题研究[D]. 刘玉宝. 吉林大学. 2017
[8]. 西南地区大规模水电站群长期跨流域补偿优化调度方法研究[D]. 曾筠. 大连理工大学. 2016
[9]. 基于大规模MIMO的异构网络性能分析及资源分配研究[D]. 刘银钧. 北京邮电大学. 2018
[10]. 大规模结构并行优化方法及其工程应用研究[D]. 李亮. 西北工业大学. 2014
标签：自动化技术论文; 智能算法论文; 网络优化论文; 异构网络论文; 优化论文; 用户研究论文; 优化策略论文; 网络模型论文; 异构计算论文; 迭代计算论文; 用户分析论文; 迭代模型论文; 算法论文; mimo论文; 变量论文;