混合策略改进的粒子群算法

针对粒子群算法易陷入局部最优、收敛精度低、收敛速度慢等缺陷,提出了基于混合策略的改进粒子群算法。使用融合Circle映射与精英反向学习的策略初始化种群,提升初始种群的质量,同时加快收敛速度;在粒子速度更新方式中引入蜘蛛移动策略平衡算法的全局搜索与局部搜索;提出了基于自适应t分布的变异策略,增强算法全局搜索和跳出局部最优能力;对15个单峰和多峰函数进行仿真实验,与其他3种算法进行了对比分析,结果表明：所提出的改进算法具有很强的寻优能力与稳定性。     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合,形成模拟退火—遗传算法以及模拟退火—粒子群优化算法,并作性能对比分析。研究结果表明,这两种算法都在进化代数和全局寻优能力方面有较大突破,在找寻最佳个体解的效率上,模拟退火—粒子群优化算法更突出。     

电力系统无功优化的一种新算法

本文提出了一种应用新的粒子群优化(NPSO)算法求解电力系统无功优化的新方法。给出了适合无功优化问题的具体实现方法以及应用NPSO算法求解电力系统无功优化的步骤。对IEEE30节点测试系统进行了无功优化计算。并与粒子群优化(PSO)算法的测试结果进行了比较。仿真结果表明,与PSO算法相比,应用NPSO算法求解无功优化问题是有效的。     

武器系统费用估算的参数法研究

提出了武器系统费用估算中参数法的形式化研究方法,对参数模型的建立、目标函数的建立以及优化参数的求取进行分析.考虑到模型对样本数据的适应能力,采用径向基神经网络建立参数模型;针对模型的拟合精度和推广能力之间的矛盾以及两者的要求,提出建立一种折中的目标函数;针对目标函数的参数较多、形式较为复杂的特点,采用粒子群优化算法计算得到模型的优化参数,最后通过实例加以分析验证.理论研究和计算分析表明,该方法从本质上解决了参数法的模型建立、参数优化等问题,既可以对新参数模型的建立在理论上提供指导,也可以在实践中推广应用,通用性较好.     

改进的粒子群优化算法结合人工神经网络用于有机物毒性的QSAR研究

介绍了粒子群优化算法和Alopex-B算法的基本原理,提出了一种用Alopex-B算法改进的粒子群优化算法,并将其应用于函数优化和有机物毒性的QSAR研究。结果表明:改进型粒子群算法对复杂的测试函数搜索效率明显提高,应用于有机物毒性的QSAR研究能提高计算的精确度,降低预测误差。     

基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

模拟退火并行粒子群优化算法程序设计与研究

针对粒子群优化算法后期收敛差和模拟退火算法全局优化能力强的特点,建立模拟退火并行粒子群优化算法(SA-PSO算法)模型。利用MATLAB语言开发SA-PSO算法工具箱,实现SA-PSO算法的程序设计,高效、稳定地提高算法全局寻优能力。     

磁固耦合效应下集成式永磁电动轮定子振动响应与结构优化研究

针对磁固耦合效应下集成式永磁电动轮定子振动问题,依据改进的子域模型理论和有限元分析方法,建立考虑定子齿尖效应的磁场预测模型。首先,根据Maxwell应力张量方程,明确不平衡电磁力时空分布及幅频特性;其次,基于薄壳理论,将定子总成等效为弹性圆柱薄壳,建立考虑激振力变化的磁固耦合动力学模型,给出电动轮关键构件模态频率及振型;在此基础上,以降低定子耦合振动为优化目标,采用提出的自适应权重粒子群优化算法对定子结构参数进行设计。对比分析表明,结构优化后,定子磁固耦合振动得到了有效改善,提高了永磁电动轮运行的稳健性。     

自适应惯性权重的改进粒子群算法

针对标准PSO算法求解高维非线性问题时存在的大量无效迭代(经过一轮迭代后全局最优位置保持不变),提出了一种自适应惯性权重的改进粒子群算法。基于单次迭代中单粒子运动状态的分析,提出并证明了论点:上一轮迭代适应度值变差的粒子,当前迭代中其惯性分量将引导粒子往适应度值变差的方向运动,导致粒子群体无效迭代次数增加。设计了标准PSO算法改进方案,将上一轮迭代中适应度值变差的全体粒子的惯性权重置为零,消除当前迭代中不利惯性分量对算法收敛的不良影响。采用6个标准测试函数,将该算法与标准PSO算法、固定惯性权重PSO算法和具有领袖的PSO算法进行性能对比分析。试验表明,该改进算法无效迭代次数更少,在收敛率、收敛速度和收敛稳定性上均具有明显的优势。     

基于Pareto控制的多目标PSO算法在铣削参数优化中的应用

工艺参数是影响零件加工质量和效率的关键因素,工艺参数的优化和调节是改善加工工艺的最有效方法。针对铣削加工参数优化问题,提出了一种基于应用实例的多目标切削参数优化方法。首先,以材料去除率、切削力和刀具寿命为目标函数,建立了统一的切削工艺参数多目标优化数学模型。随后,使用切削数据对目标函数进行组合,建立了该问题的数学模型,研究了适用的求解方法以获得最优解,并通过实验验证了参数优化的有效性。该方法可为加工参数的选择提供指导和依据。     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

基于粒子群算法与改进Ziegler-Nichols算法的PID整定方法

针对Ziegler-Nichols算法设计的PID控制器阶跃响应不理想,不具有灵活性等缺点,提出基于粒子群算法与改进 Ziegler-Nichols算法的PID整定方法。采用粒子群算法优化了Ziegler-Nichols算法中的幅值和相角,设计了具有更好性能 指标的PID控制器。实验结果表明采用该方法进行参数整定后的PID控制器响应速度较快,降低了系统的超调量。     

模具钢干铣削试验及参数优化研究

为了对铣削力做进一步的研究,以及预测铣削参数的改变对铣削力变化的影响,文章建立了铣削力预测模型,引 入了PSO优化算法。试验采用正交设计方法,干式铣削SKD61模具钢;KISTLER测力仪测量铣削力;HRsoft_DW数采软 件采集试验数据,并对数据进行极差分析。研究结果表明每齿进给量是铣削参数中影响铣削力最为主要的因素。研究 验证了PSO算法对铣削参数优化问题具有有效性。     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

基于粒子群算法的弹簧可靠性优化设计

将人工生命中的粒子群优化算法引入弹簧的可靠性优化设计中,根据弹簧可靠性优化设计的特点,提出了一种适用于弹簧可靠性优化设计的约束型粒子群优化算法。实验表明这种方法是有效的,这为机械可靠性优化设计的研究提供了一种新方法。     

基于粒子群算法的网络教学资源优化获取

利用通用搜索引擎可以在网络上获得大量相关的网络教学资源，如何在众多的网络教学资源中迅速、高效地获得理想的教学信息是越来越重要的研究课题。为解决这一问题，本文提出了基于粒子群算法的网络教学资源优化获取方法。首先对每个网络教学资源赋予一定的评价指标，然后利用粒子群算法对搜索列的网络教学资源进行优化排序，从而可以在众多的网络教学资源中迅速、高效地获得优质的教学资源。     

基于高斯白噪声扰动变异的粒子群优化算法

为了有效避免粒子群算法(PSO)早熟和局部收敛的现象,在深入分析PSO算法的基础上,提出了一种基于高斯白噪声扰动变异的粒子群优化算法(GMPSO)。该算法以一定的概率选中粒子进行基于高斯白噪声扰动的变异,并重新随机产生飞离搜索区域的粒子,以克服粒子群后期多样性严重下降的缺点。通过对Benchmark函数的测试表明:GMPSO算法无论是搜索精度、速度还是稳定性均显著优于PSO算法。     

基于改进Stanley算法的目标假车路径跟踪控制

为了满足智能汽车封闭场地测试的需求,开发了一种智能车场地测试用软目标车,能够有效地提高场地测试的安全性和效率。在封闭场地功能场景的测试中,软目标车应能够按照预设的GPS轨迹高精度行驶。为了提高目标车的路径跟踪精度,设计了基于偏差的比例、积分、微分和Stanley控制算法的横纵向控制器,基于遗传算法得到Stanley控制算法参数的最优知识库,利用模糊控制算法实现Stanley控制算法参数的自适应调节,基于Carsim和Matlab/Simulink联合建立了软目标车仿真模型,最后在封闭场地中进行实车验证。结果表明：提出的控制方法能够满足智能汽车封闭场地测试要求。     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题,课题组通过分析立体仓库中堆垛机的工作特点与运行情况,提出了基于混合蚁群粒子群算法的路径优化方法,在传统的蚁群算法中结合粒子群算法思想,使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明：混合算法路径优化速度较快,且比以往的路径更短。研究使堆垛机的运行效率得到提高。     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。