一种用于大规模实时优化的基于记忆增强的优化方法

摘要

本发明公开了一种用于大规模实时优化的基于记忆增强的优化方法；该方法利用实时优化过程中先前优化得到的最优解，建立解集的经验记忆库，实时优化过程中当参数改变时，利用先前的经验记忆库，结合优化问题的模型，合理地选择数值逼近方法包括多阶分段拉格朗日插值方法及高维多阶分段拉格朗日插值方法等，估计此时优化问题的最优解，将其作为优化计算的初始点，再利用求解器对优化问题进行快速有效地求解；与传统的实时优化方法相比，此方法有着明显较快的计算速度以及较好的收敛性，具有更好的鲁棒性，具原理简洁清晰，易于实施，灵活性很好。

主权项

1.一种用于大规模实时优化的基于记忆增强的优化方法，其特征在于，该方法为：利用实时优化过程中先前优化得到的最优解，建立解集的经验记忆库，实时优化过程中当参数改变，利用先前的经验记忆库，结合优化问题的模型，合理地选择数值逼近方法，估计此时优化问题的最优解，将其作为优化计算的初始点，再利用求解器对优化问题进行快速有效地求解。