GA-PSO混合规划算法

目的 提出一个比GP算法更优的GA-PSO混合的规划算法。方法 通过将层次型问题的描述转换为固定长度线形结构的描述方式,使GP算法与GA规划算法达到统一;通过构造运算符,将PSO算法引入到GA规划算法框架之中,形成GA-PSO混合规划算法。结果 从解的描述、遗传算子、PSO运算符的构造再到GA-PSO算法框架,提出了完整的GA-PSO混合规划算法。结论 实证研究显示,GA-PSO混合规划算法优于GP算法以及GA算法。

鄱阳湖湖区似大地水准面精化研究

提出基于粒子群算法优化的BP神经网络方法用于精化区域似大地水准面,通过合理选取神经网络的权值和阈值可以有效地避免网络收敛速度慢、易陷入局部最优的缺陷。经鄱阳湖湖区地理测量所得资料进行验证,并与根据高程异常变化规律选取的二次曲面分区拟合方法所得结果进行对比,发现在没有考虑地形改正的情况下,PSO-BP神经网络模型也能取得分区拟合的效果。

公路隧道交通量预测的粒子群高斯过程耦合模型

交通量的预测对公路隧道运营期通风系统的节能降耗具有重大意义,将新型小样本学习机器高斯过程引入隧道交通量预测,提出了一种组合核函数,用以改善单一核函数高斯过程的泛化性能,在网络训练过程中采用粒子群优化算法,自动搜寻泛化性能最好的高斯过程超参数,形成粒子群高斯过程耦合算法,并编写了相应的计算程序.对某公路隧道交通量进行了预测,结果表明:组合核函数高斯过程最大预测相对误差仅为4.41%,平均相对误差为1.96%;两种单一核函数高斯过程最大预测相对误差均为6.68%,平均相对误差分别为2.7%和2.67%;粒子群高斯过程耦合模型可以高精度地用于隧道交通量预测,且组合核函数可以提高单一核函数的泛化性能,并为其他类似工程提供借鉴.

基于改进粒子群算法的新一代GPS平面度误差评定

为了在全局范围准确评价平面度误差,根据新一代GPS标准,建立了符合最小区域条件的平面度评定的数学模型.针对平面度误差评定的特点,提出了一种基于遗传交叉因子的改进粒子群优化算法对平面度测量数据进行最小区域评定,给出了该算法的实现方法.实例结果表明,此方法可以在新一代GPS标准下有效、准确地评价平面度误差.

基于粒子群优化与高斯过程的协同优化算法

对于适应度函数计算耗时较大的工程优化问题,采用仿生智能优化算法求解时常遇到由于适应度函数评价次数过大而导致计算量过高的瓶颈问题。针对上述问题,提出一种基于粒子群优化(particle swarm opti-mization,PSO)算法与高斯过程(Gaussian process,GP)机器学习方法的协同优化算法(PSO-GP)。该算法在寻优过程中采用GP近似模型来构建决策变量与适应度函数值之间的映射关系,在PSO全局寻优过程中不断地总结寻优历史经验的基础上,预测可能包含全局最优解的搜索区域,以优化粒子群飞行的方向。多个测试函数的优化结果表明,该算法是可行的,与基本PSO算法相比,在获得全局最优解的前提下,可显著减小寻优过程中的适应度函数评价次数,寻优效率较高,在高计算代价复杂工程优化问题的求解上具有良好的应用前景。

基于GPS数据的粒子群算法反演断层三维滑动速率

将粒子群算法与位错理论模型相结合,利用青藏高原东北缘2001—2004年的GPS观测数据,对祁连山断层的三维滑动速率进行反演计算。结果表明,粒子群算法可有效地求解断层的三维滑动速率,其反演结果与地质等方法获得的结果具有较好的一致性。

基于改进粒子群算法的圆柱度误差评定

根据新一代GPS标准,建立了符合最小区域条件的圆柱度评定的数学模型。提出了一种带交叉算子的改进粒子群优化算法,并以此对圆柱度测量数据进行最小区域评定,给出了该算法的实现方法。经实例验证,该方法可以在新一代GPS标准下更快速、准确地评价圆柱度误差。

基于两级序优化模型的火控攻击配置方案寻优

火控攻击配置方案寻优是多输入参数的仿真优化问题,针对传统方法在解决此类优化问题时存在的计算量大、耗时长等问题,提出一种基于两级序优化模型的火控攻击配置方案寻优方法。以空空导弹成功发射概率作为评价指标,采用分级寻优策略将寻优过程分为粗糙评估寻优与精细评估寻优。在粗糙评估寻优中,建立基于粒子群-遗传规划的粗糙评估模型,对样本空间所有配置方案快速评估得到优质解集。在精细评估寻优中,采用迭代寻优的方法,逐步提升粗糙评估模型的精度,并缩小优质解集的规模。最后利用仿真模型评估得到满足效能指标要求的最佳配置方案。算例仿真分析表明了算法的有效性与可行性。

基于径向基核的多面函数在GPS高程转换中的应用

利用粒子群算法(PSO)对径向基核函数的参数进行优选,结合多面函数对某GPS控制网的高程异常资料进行拟合分析,并与二次曲面拟合的结果进行对比。结果表明优化后的径向基核函数用于多面函数可获取更为精确的高程异常。

基于粒子群算法的高斯过程建模对GPS天线优化设计研究

目前微带天线的优化设计主要采用优化算法与电磁仿真软件HFSS相结合的方案,但使用HFSS进行大量的精确电磁仿真花费时间较长且对硬件要求较高.为解决此问题,提出了一种在优化过程中利用高斯过程模型替代全波电磁仿真软件的方法,并应用粒子群算法进行优化设计,这种方案可以有效减少优化设计所需时间.利用该方法对GPS北斗双模微带天线进行了优化设计,在花费时间只有原方法0.2%的基础上所设计的天线能够满足设计指标,证明了该方法的有效性.

基于GPS的InSAR大气延迟校正方法研究

基于GPS和InSAR大气延迟的关联性和空间分辨率的差异,利用PSO(Particle Swarm Optimization)优化算法辅助LSSVM(Least Square Support Vector Machine)寻求最优参数对GPS大气延迟进行插值,以实现GPS对InSAR大气延迟进行逐像元改正。分析证明,利用GPS技术改正InSAR大气延迟值约为30 mm,显著提高了InSAR技术精度。

求解约束优化的改进粒子群优化算法

针对种群初始化时粒子过于集中和基本粒子群算法搜索精度不高的缺陷,提出了一种求解约束优化问题的改进粒子群算法。该算法引入佳点集技术来优化种群的初始粒子,使种群粒子初始化时分布均匀,因而种群具有多样性,不会陷入局部极值;同时使用协同进化技术使双种群之间保持通信,从而提高算法的搜索精度。仿真实验结果表明:将该算法用于5个基准测试函数,该算法均获得了理论最优解,其中有4个函数的测试方差为0。该算法提高了计算精度且鲁棒性强,可以广泛应用于其他约束优化问题中。

基于DP-PSO的车辆GPS轨迹时空自适应离线压缩算法

为了尽可能多地保留有效轨迹信息,并更好地平衡有效轨迹信息与全局压缩效率之间的动态关联关系,利用海量移动轨迹数据,提出了一种基于Douglas Peucker-particle swarm optimization(DP-PSO)的车辆GPS轨迹时空自适应离线压缩算法。首先,根据原始轨迹时空特性,在第一阶段利用MDL分割框架对筛选出的有效轨迹进行初步分割,获取表征原始轨迹特性的轨迹分段数;然后,在第二阶段考虑偏移角度、垂直欧氏距离、轨迹分段数等多种影响因素,建立基于DP-PSO的车辆GPS轨迹时空自适应离线压缩算法,动态调整各参数阈值将所有轨迹同化为具有相似特性的一类轨迹簇,建立能够全面反映压缩结果的空间、时间特征的评价指标,实现所有轨迹的全局优化和有效压缩;最后,选择某城市车辆GPS轨迹数据验证本算法的可靠性。结果表明:与经典的TRACLUS算法和新算法TCDP、RSF、Top-Down Time Ratio相比,在轨迹压缩的准确性上,本文算法在保留较多特征轨迹点的同时,也涵盖了较丰富的轨迹信息。在精简性方面,本文算法在轨迹压缩数的平均变化量,相比于其他4种算法分别减少了55.823%、45.802%、50.815%和32.566%。在复杂度方面,本文算法不仅能获得较好的压缩精度,还能在压缩时间上相较于其他4种算法有较大优势,且稳定在101095 ms左右,提升轨迹压缩的整体运行效能。

PSO选星算法参数分析与改进

多星座组合导航提供更多的可用卫星,但也增大接收机计算复杂度,选取部分可见星代替全部可见星进行接收机位置解算成为选星算法研究的热点。粒子群优化(PSO)选星算法将PSO算法引入到选星过程中,该方法能够减少选星时间,实现北斗/GPS组合星座快速选星。研究了该算法的关键参数包括惯性权重因子、加速系数、种群大小等对PSO选星算法性能的影响,并针对搜索过程容易陷入局部最优问题,提出自适应模拟退火粒子群优化(ASAPSO)选星算法,该算法通过引入随适应值大小自适应调整进化参数及结合模拟退火算法调整粒子速度,以增强算法跳出局部极值的能力。采用实际数据对算法进行验证,结果表明:ASAPSO选星算法在保证选星时间的同时,能够提高算法搜索结果的准确性,其性能优于PSO选星算法。

基于SVM的GPS高程拟合方法的参数选取研究

本文详细阐述SVM在GPS高程拟合的应用和原理,介绍SVM方法参数选取的意义和重要性,结合MATLAB在不同样本的情况下,对三种参数寻优方法进行对比试验。结果表明,PSO算法比其他两种算法更稳定,拟合精度也更高。

基于粒子群算法优化SVM的GPS高程拟合方法

采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题。本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强和收敛速度快的特点对SVM模型进行优化,提升GPS高程拟合精度的同时增强模型的泛化适应性。最后基于实际算例对所提方法的拟合性能进行验证,结果表明相对于传统交叉验证SVM模型,所提PSO-SVM模型能够获得更高的拟合精度,并且对复杂地势具有更强的适应能力。

A Robust Hybrid Multisource Data Fusion Approach for Vehicle Localization

In this paper, an innovative collaborative data fusion approach to ego-vehicle localization is presented. This approach called Optimized Kalman Swarm (OKS) is a data fusion and filtering method, fusing data from a low cost GPS, an INS, an Odometer and a Steering wheel angle encoder. The OKS is developed addressing the challenge of managing reactivity and robustness during a real time ego-localization process. For ego-vehicle localization, especially for highly dynamic on-road maneuvers, a filter needs to be robust and reactive at the same time. In these situations, the balance between reactivity and robustness concepts is crucial. The OKS filter represents an intelligent cooperative-reactive localization algorithm inspired by dynamic Particle Swarm Optimization (PSO). It combines advantages coming from two filters: Particle Filter (PF) and Extended Kalman filter (EKF). The OKS is tested using real embedded sensors data collected in the Satory’s test tracks. The OKS is also compared with both the well-known EKF and the Particle Filters (PF). The results show the efficiency of the OKS for a high dynamic driving scenario with damaged and low quality GPS data.

基于实测海杂波数据的GP-R模型建立

海杂波的研究对于海上目标检测具有重要意义,通过对海杂波的统计特性进行分析,能够建立更加准确的模型,以提高目标检测性能;幅度分布是海杂波非常重要的特性,同时,利用实测数据对幅度进行分析是一种更加贴近实际的方法。因此,提出了一种基于广义帕累托和瑞利的联合分布模型,利用单基IPIX实测数据、实测双基海杂波数据以及非线性粒子群优化算法来对各分布模型进行拟合,例如瑞利、对数正态、韦布尔、K、广义帕累托,比较不同海况以及不同极化方式下的拟合优度检验结果,结果表明GP-R模型在单基以及双基海杂波幅度分布拟合方面具有一定的优势。

粒子群最小二乘支持向量机在GPS高程拟合中的应用

针对传统的GPS高程拟合方法要求有足够多样本数据的缺陷,本文采用粒子群(PSO)算法优化最小二乘支持向量机(LSSVM)参数的方法进行GPS高程拟合。实验表明,在有限样本的情况下,PSO-LSS-VM模型不仅发挥了LSSVM处理小样本数据的能力,而且通过PSO优化后的LSSVM能够选择出合适的参数;与LM-BP神经网络、标准最小二乘支持向量机等方法比较,PSO-LSSVM模型拟合精度较高。

GPS重力数据的粒子群算法联合反演断层三维滑动速率

联合反演是解释地球动力问题的有力手段,本文利用近年来发展的新优化算法—粒子群算法结合位错理论模型,比较了模拟数值的联合反演与单一数据反演的结果。并采用青藏高原东北缘2001-2004年间的GPS数据,及2003-2004年间的重力数据,对皇城-塔尔庄断层的三维滑动速率进行了附有相对权比的联合反演计算。结果表明,多种数据联合反演能更合理的把握运动特征。粒子群算法可有效地求解断层的三维滑动速率,该算法在大地测量反演中将有广阔的应用前景。