教師著作
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/31268
Browse
4 results
Search Results
Item 結合局部搜尋之多目標並行處理粒子群聚最佳化法及其在不確定間隔系統數位控制之應用(3/3)(行政院國家科學委員會, 2009-07-31) 許陳鑑連續時間間隔系統(continuous-time interval systems)之數位控制(digital control)係一 不易藉由傳統方法處理的問題，為了替這種系統進行數位模擬(digital simulation)或是數 位設計(digital design)，在數位化(discretization) 的過程中會導致數位模型係數為不確定 參數之非線性函數，而且有嚴重地指數函數耦合情況，這使得原系統之間隔結構(interval structure)在數位化的過程中喪失殆盡；同時，在數位化的過程中也會額外引進一獨立變 數-取樣時間 (sampling period)，使得數位控制系統之分析及設計更加困難。這些複雜的 問題至少包含：連續時間間隔系統之數位建模 (discrete modelling)、等效數位模型最小 相條件 (minimum-phase criteria)、數位控制器之設計(Digital redesign of continuous systems with improved suitability)、數位化再設計之性能評估(Performance evaluation of redesigned digital system for uncertain interval systems)等。有鑑於這些問題所要處理的函 數大都為高度非線性耦合(nonlinear coupling) 之non-convex 函數，傳統最佳化方法將無 法有效解決此一問題，特別是在處理高階的間隔系統時尤其困難，因此，本計劃即針對 該些問題提出可能之解決方案，作法上係藉由對不確定參數作適當的邊界跳脫 (overbounding)，將求取等效數位模型、最小相取樣時間範圍、穩定取樣時間範圍、以及 數位化再設計之適合度評估等問題，規劃形成複數個最佳化的問題，再利用所提出具有 並行處理能力的通用型(general-purpose)、嵌設有改良式NM 區域搜尋法、以及加入多目 標最佳化處理機制等功能之粒子群聚最佳化法之研究成果為基礎，發揮其全域最佳化、 概念簡單、容易實現、高運作效能等優點、具備並行處理能力之優勢，以改善粒子群聚 最佳化法的演化過程較為耗時的問題，提升其運算效能，以有效解決上述不確定連續時 間間隔系統在數位控制之分析及設計上之諸多問題，方便使用者應用離散時間領域中關 於強健控制之既有方法，進行後續之的分析與設計。Item 結合局部搜尋之多目標並行處理粒子群聚最佳化法及其在不確定間隔系統數位建模之應用(1/3)(行政院國家科學委員會, 2007-07-31) 許陳鑑本計畫係針對原始粒子群聚最佳化法(Particle Swarm Optimization, PSO)之不足，提 出一嵌設有局部搜尋(local search) 功能之多目標(multiobjective) 並〈行處理(parallel processing)粒子群聚最佳化法。其主要改進作法包含：1).納入區域搜尋機制，利用改良 式NM 單體搜尋法(NM simplex search)，取得鑽探搜尋(exploitation)以及探索搜尋 (exploration)的平衡，提升其最佳化收斂速度。2).提供多目標處理機制(multiobjective handling)，利用不受支配等級(non-dominated level)及擁擠距離(crowding distance)來評估 解答的優劣程度，使得PSO 具備解決多目標最佳化問題之能力。3).導入適合PSO 處理 之平〈行計算機制，充分利用同步與非同步計算模式的優點，整合校內各種不同質 (heterogeneous)之工作站，減少工作站之間所需要的溝通時間，使得閒置之計算資源能 有效發揮，提升計算效能。另一方面，連續時間間隔系統(continuous-time interval systems) 之等效數位化模型(equivalent discrete-time model)係一不易藉由傳統方法求解的問題，主 要原因是該數位模型的係數為不確定參數之非線性函數，且以指數型態嚴重非線性耦 合，因此求解極其困難。為分析與設計上的需要，本計畫即針對此一問題提出解決方案， 作法上係藉由對不確定參數作邊界跳脫(overbounding)，將求取等效數位轉移函數係數或 是系統矩陣(system matrices)的問題，規劃形成複數個最佳化的問題，利用所提出之改良 式粒子群聚最佳化法，求得數位轉移函數(系統矩陣)每一個係數(元素)之上限與下限， 以保留間隔結構(interval structure)的型態，因此，所求得之數位間隔系統模型(discrete interval system)將可包覆(enclosing)原精確離散系統模型，方便使用者應用離散時間領域 中關於強健控制(robustness)之既有方法，進〈行後續之的分析與設計，為了評估所提出方 法之可〈行性，本計劃將藉由時間響應(time responses)與根群聚(root clustering)之相似程 度，與既有文獻之結果作比較，以驗證所求得之解答。由於所提出之方法需要執〈行複數 個最佳化程序，再加上粒子群聚最佳化法的演化過程較為耗時，此時本計劃所提出之改 良式並〈行處理機制即可充分發揮功效，快速提昇求解之速度。Item 結合局部搜尋之多目標並行處理粒子群聚最佳化法及其在不確定間隔系統數位控制之應用(2/3)(行政院國家科學委員會, 2008-07-31) 許陳鑑本計畫係針對原始粒子群聚最佳化法(Particle Swarm Optimization, PSO)之不足，提 出一嵌設有局部搜尋(local search) 功能之多目標(multiobjective) 並〈行處理(parallel processing)粒子群聚最佳化法。其主要改進作法包含：1).納入區域搜尋機制，利用改良 式NM 單體搜尋法(NM simplex search)，取得鑽探搜尋(exploitation)以及探索搜尋 (exploration)的平衡，提升其最佳化收斂速度。2).提供多目標處理機制(multiobjective handling)，利用不受支配等級(non-dominated level)及擁擠距離(crowding distance)來評估 解答的優劣程度，使得PSO 具備解決多目標最佳化問題之能力。3).導入適合PSO 處理 之平〈行計算機制，充分利用同步與非同步計算模式的優點，整合校內各種不同質 (heterogeneous)之工作站，減少工作站之間所需要的溝通時間，使得閒置之計算資源能 有效發揮，提升計算效能。另一方面，連續時間間隔系統(continuous-time interval systems) 之數位控制(digital control)係一不易藉由傳統方法處理的問題，為了替這種系統進〈行數 位模擬(digital simulation)或是數位設計(digital design)，在數位化(discretization) 的過程 中會導致數位模型係數為不確定參數之非線性函數，而且有嚴重地指數函數[22]耦合情 況，這使得原系統之間隔結構(interval structure)在數位化的過程中喪失殆盡；同時，在 數位化的過程中也額外引進一獨立變數-取樣時間 (sampling period)，使得數位控制系統 之分析及設計更加困難。這些複雜的問題至少包含：連續時間間隔系統之數位建模 (discrete modelling)、等效數位模型最小相條件 (minimum-phase criteria) 、數位化再設 計之適合度評估 (suitability of redesigned digital system)等。有鑑於這些問題所要處理的 函數大都為高度非線性耦合(nonlinear coupling) 之non-convex 函數，傳統最佳化方法將 無法有效解決此一問題，特別是在處理高階的間隔系統時尤其困難，因此，本計劃即針 對該些問題提出可能之解決方案，作法上係藉由對不確定參數作適當的邊界跳脫 (overbounding)，將求取等效數位模型、最小相取樣時間範圍、穩定取樣時間範圍、以及 數位化再設計之適合度評估等問題，規劃形成複數個最佳化的問題，再利用去年申請通 過之計畫（現正執〈行之計畫）所提出的粒子群聚最佳化法之研究成果為基礎，予以進一 步改良，發揮其全域最佳化、概念簡單、容易實現、高運作效能等優點，並導入並〈行處 理的作法，以改善粒子群聚最佳化法的演化過程較為耗時的問題，提升其運算效能，以 有效解決上述不確定連續時間間隔系統在數位控制在分析及設計上之諸多問題，方便使 用者應用離散時間領域中關於強健控制之既有方法，進〈行後續之的分析與設計。Item 改良式非同步並行處理之粒子群聚最佳化法(2008-06-07) 許陳鑑; 林耕宇本文提出ㄧ種 改良式非同步並行處理之粒子群聚最佳化法 ，以提升粒子群聚最佳化法在不同質(heterogeneous)的計算環境中之計算效率。作法上係綜合傳統的同步與非同步並行處理計算法，以僕工作端(slave)之性能為基準，分配適當的粒子數量，以減少工作站等待時間的浪費，使計算效能得以提升。為評估本文所提出方法之有效性，我們將以minimax 最佳化問題及系統模型降階的問題作為標的，分別使用傳統的同步並行處理、非同步並行處理、ㄧ台獨立電腦、以及本文所提出之方法做比較。實驗結果指出，我們所提出的方法在兩個範例都有較好的性能展現。