基于改进二进制粒子群算法优化DBN的轴承故障诊断

针对滚动轴承故障振动信号非平稳性的特点,对二进制粒子群优化算法(binary particles swarm optimization,BPSO)和深度信念网络(deep belief network,DBN)进行研究,提出一种基于局部均值分解(local mean decomposition,LMD)和IBPSO-DBN的轴承故障诊断方法。提出用加权惯性权重改进BPSO迭代过程中的固定权重,再用改进BPSO优化DBN的隐含层神经元个数和学习率。该方法先对信号进行LMD,提取出各PF分量的散布熵和时域指标,并构建特征矩阵,然后把特征矩阵输入改进BPSO-DBN模型中训练,实现滚动轴承故障诊断和分类。采用试验轴承数据做验证并与其他诊断方法对比,结果表明,基于LMD和BPSO-DBN的滚动轴承故障诊断方法具有较好的故障识别率。

改进二进制粒子群优化算法在配电网络重构中的应用

配电网络重构是一个非常复杂的大规模组合优化问题。网络重构中,能否得到有效解,即保证辐射状网络,是一个很关键的问题。对电网拓扑进行简化,配合破圈法更新粒子,得到100%的有效解,大大提高了计算速度。提出一种应用于配电网络重构的改进二进制粒子群优化算法,并结合禁忌搜索算法,使PSO算法跳出局部最优化陷阱,改善了算法的搜索效果,加快了寻优速度。最后对IEEE 69节点系统进行计算,并与相关文献结果进行对比,表明本文改进算法具有快速、高效的全局寻优能力。

基于混沌二进制粒子群算法的独立微网系统的微电源组合优化

建立了多目标多约束的独立微网系统优化运行数学模型,以经济运行成本最小与系统网损最小构成多目标函数,采用赋权的方式将多目标转化成单目标,考虑功率平衡、电压越限、机组启停时间等约束条件,并计及了微网中可控型微电源的启停控制策略。将二进制粒子群算法与混沌优化算法相结合求解模型。典型微网模型仿真结果验证了所提算法与模型的正确性,采用所提方法可确保微网的优化经济运行。

一种适于求解离散问题的二进制粒子群优化算法

分析了二进制粒子群优化算法(BPSO)的缺陷。为克服此缺陷提出了“粒子位置的双重结构编码”的概念,以此为基础给出一种新的二进制粒子群优化算法———具有双重结构编码的二进制粒子群优化算法(简称DS_BPSO)。DS_BPSO算法既保留了PSO的优点,又非常适用于求解离散优化问题。对随机3-SAT测试实例的数值计算表明:该算法的性能远远超过BPSO算法。

改进二进制粒子群优化的节点选择算法

针对无线传感器网络多目标跟踪节点选择问题,提出了一种最大化跟踪精度的二进制粒子群优化节点选择算法.该算法基于目标的预测位置,以费舍尔信息矩阵的迹为精度度量,构建节点优化选择模型,提出了二进制粒子群优化的改进形式,并用于节点选择模型的求解.改进的二进制粒子群优化算法采用矢量的二进制编码方式、约束满足的循环移位种群初始化方法,带V型转换函数的位置更新规则,并设计了引导因子引导粒子群的进化.仿真结果表明,所提出的节点选择算法能够有效地应用于多目标跟踪问题,与基本的二进制粒子群优化算法和遗传算法相比,改进的二进制粒子群优化算法能够在全局寻优和局部探索间取得平衡,且能有效地避免局部最优,对较大规模的网络具有很强的适用性.

改进的带经验因子的二进制粒子群优化算法

针对传统二进制粒子群优化(BPSO)算法未充分利用粒子位置的历史信息辅助迭代寻优,从而影响算法寻优效率的进一步提高的问题,提出一种改进的带经验因子的BPSO算法。该算法通过引入反映粒子位置历史信息的经验因子来影响粒子速度的更新,从而引导粒子寻优。为避免粒子对历史信息的过度依赖,算法通过赏罚机制和历史遗忘系数对其进行调节,最后通过经验权重决定经验因子对速度更新的影响。仿真实验结果表明,与经典BPSO算法以及相关改进算法相比,新算法无论在收敛速度还是全局搜索能力上,都能达到更好的效果。

基于改进二进制粒子群优化算法的网络重构研究

提出了一种基于改进二进制粒子群优化算法的网络重构方法,该算法在二进制粒子群优化算法的基础上,通过结合破圈法理论以控制粒子的更新过程,使更新后的粒子100%符合网络的辐射状要求,从而减少了以往网络重构中辐射网判断的环节。此外算法还引入了禁忌搜索算法的思想,克服了粒子群算法易陷入局部最优的缺陷。最后对IEEE单馈线33节点系统进行计算,证实了算法的有效性,并与相关文献中的算法进行比较,表明算法具有较高的搜索效率和较强的全局寻优能力。

基于技术成熟度和二进制粒子群优化算法的装备测试设计优化方法研究

针对复杂装备测试性设计过程中测试设计优化问题,在分析现有优化方法的基础上,提出了一种基于技术成熟度评价(TRA)方法和二进制粒子群优化(BPSO)算法的测试设计优化方法。该方法根据装备测试设计的技术成熟度分析结果建立目标优化模型,然后应用二进制粒子群算法对模型进行求解,得到的结果直接用于装备的测试性设计工作。由于考虑装备测试设计的影响因素较一般方法多,因此得到的结果更加优化。该方法已经在某型装备测试设计辅助系统中得到应用。

改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题。在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析。结合免疫算法的"亲和度"思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法。案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题。

采用弧形映射函数的二进制粒子群优化算法

针对二进制粒子群优化算法(BPSO),采用S形映射函数,将粒子在空间中飞行速度的正负值大小映射为其位置向量取1的概率,易于陷入局部最优解的问题,本文提出了采用弧形映射函数的二进制粒子群优化算法(ABPSO).该算法采用弧形映射函数取代BPSO中的S形映射函数,将速度平方值大小映射为位置向量改变的概率大小,当粒子具有较低的速度平方值时能够维持在原位置,较高的速度平方值时改变位置,从而使算法更好地收敛于全局最优解;同时,采用了无强制性位置更新程序,符合弧形映射函数使用速度平方大小映射为位置改变概率大小的需要.通过六个基准函数的仿真实验发现,ABPSO具有更好的收敛精度和更高的收敛速度;ABPSO采用更加符合粒子运动规律的弧形映射函数,表现出更好的收敛于全局最优解的能力和更高的收敛速度.

基于二进制粒子群优化算法的行人检测

针对汽车前方道路上的行人安全问题,对道路行人采用二进制粒子群优化算法(BPSO)进行了检测,以确保行人的安全。首先,对随机采集的道路行人图像样本进行了二维离散余弦变换(DCT),将行人的描述从图像空间转换为用少量数据点来表示频率域空间,再利用DCT算法的对称性,解压缩图像,获得了行人图像的特征向量;其次,应用BPSO算法对得到的特征向量进行了特征选择,从行人频域特征空间中,提取了有价值的特征子集,得到了最具代表性的行人特征,完成了行人检测。试验结果表明,在样本数量较少的情况下,无论在检测正确率还是检测实时性方面BPSO算法都优于传统的支持向量机(SVM)算法。研究结果表明,二进制粒子群优化算法能够高效快速的检测到行人,为车辆主动安全技术提供重要基础,对于减少交通事故具有重要意义。

自适应学习因子的混沌二进制粒子群优化算法

针对二进制粒子群优化算法存在求解精度低的问题,提出一种自适应学习因子的混沌二进制粒子群优化算法(SABPSO)。首先,SABPSO算法采用混沌策略初始化粒子种群;其次,根据适应度值以及当前粒子与最优粒子间距离设计粒子成长因子,反映种群的进化状态;再次,通过成长因子和迭代次数设计自适应学习因子更新机制;最后,实验结果表明:在4个经典测试函数上SABPSO算法具有更有效的收敛性能。

利用种群平均信息的二进制粒子群优化算法

在Kennedy和Eberhart的二进制粒子群优化算法(BPSO)的基础上提出一种利用种群平均信息的二进制粒子群优化算法。新算法利用种群个体极值的平均信息和粒子的个体极值决定粒子当前取值的概率,使粒子可以充分利用整个种群的信息。通过测试函数优化和0—1背包问题,结果表明该算法具有较好的收敛速度和稳定性,求解结果要优于BPSO和一些改进算法。

二进制粒子群优化算法在车辆路径问题中的应用

车辆路径优化问题是一类实用价值很高的NP组合问题,针对传统启发式优化算法搜索速度慢、易陷入局部最优解的缺点,提出了一种新的基于二进制的粒子群优化算法,并将该算法应用于车辆路径优化问题,建立了相应的数学模型和求解算法.将该算法通过与遗传算法、混合蚁群算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性.

马氏田口系统的量子行为二进制粒子群特征选择优化方法

针对标准二进制粒子群用于马氏田口系统的特征选择优化时,存在迭代速度慢,容易陷入局部最优解等不足,提出一种改进的基于量子行为二进制粒子群的马氏田口系统变量选择优化方法。首先,为了规避可能存在的复共线性特性对距离度量结果的影响,本研究采用Gram–Schmidt正交化法计算马氏距离值,对系统进行标准化处理,对各属性向量进行正交化后计算各类别的马氏距离集合,通过ROC曲线确定系统分类的最佳阈值点,定义误分类率概念和被选择变量占比最小作为变量筛选标准,构建多目标的混合规划模型。运用改进的量子行为粒子群算法求解优化组合,为适应二值化的变量优化问题,算法基于概率对粒子进行二进制编码,求取目标函数的适应值,并完成粒子群的优化迭代过程。采用优化的变量组合,构建精简的马氏田口系统,建立度量预测模型,完成精确判别的任务。最后,以胎心分娩力造影术测量的胎儿健康诊断为例,对标准二进制粒子群算法和二进制量子粒子群优化算法进行对比验证,实验结果表明,本文方法可以有效地提升粒子的迭代速度和寻优精度,优化后的马氏田口系统的预测准确率明显提高。

基于二进制粒子群优化算法的热护套防护效率测试系统参数调节方法

针对火炮身管热护套防护效率测试系统中如何确定红外灯"开/关"状态模拟太阳热辐射,实现对热辐射参数调节问题,在分析系统工作原理基础上建立了数学模型,将其转化为组合优化问题。结合现场测试数据特点,设计了基于二进制粒子群优化的算法实现对组合优化问题的求解。实践表明,利用该算法确定的红外灯"开/关"状态和位置,能够满足测试系统对热辐射的精度要求,达到了调节测点热辐射参数的目的。

基于改进二进制粒子群优化的特征选择

为了在文本数据中选择有效的文本特征,本文提出一种新的基于改进二进制粒子群优化的特征选择算法,该算法利用翻转角度,局部翻转因子和全局翻转因子来决定粒子群的进化,通过求解目标函数的最优解,得到二进制特征选择系数,选择特征选择系数为1的特征为有效特征。实验证明,该方法不仅有效地降低了运算开销,而且提高了文本分类的准确度。

基于二进制粒子群算法的可中断负荷优化调度

可中断负荷是非常重要的需求侧资源.本文对于在保证系统安全的前提下进行可中断负荷的优化调度,基于二进制粒子群优化算法(BPSO)分时段优化调度特性不同的多个可中断负荷,以满足系统各时段削减容量的需求,同时满足可中断负荷的运行约束条件,并使供电公司支付的补偿费用最小以及执行中断的次数最少.使用加权的处理方法把可中断负荷优化调度的多目标优化问题简化为单一的目标函数,经实例验证基于BPSO的优化算法对可中断负荷的优化调度是有效的.

一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法

武器系统装备性能的不断提高,复杂度的不断增加对测试性设计提出更高要求。为了解决测试性设计中测试优化选择这一非确定性多项式难题(NP-hard),文中提出一种模拟退火-改进二进制粒子群算法(SA-IBPSO)用于求解最优完备测试集。该算法以二进制粒子群算法(BPSO)为基础框架,采用异步变化的学习因子,产生时变的压缩因子,以增强BPSO算法的全局搜索能力,确保其收敛性,并取消了对速度的边界限制;然后,与具有概率突跳能力的模拟退火算法(SA)相结合,以避免BPSO算法在求解过程中陷入局部最优。最后,通过案例验证,并与其他算法的运行结果进行比较,证明该算法可以更有效地解决测试优化选择问题。

一种非线性因子的粘性二进制粒子群算法

为了解决粘性二进制粒子群算法在优化过程中易陷入局部最优、全局搜索能力弱、后期收敛性能差的弊端,提出了一种非线性因子的粘性二进制粒子群算法(NFSBPSO)。NFSBPSO算法采用非线性递减策略优化粘性权重,平衡全局与局部探索能力;同时,利用混沌策略对种群进行初始化,在每个迭代过程中对最差和最优粒子进行优化,以提高种群质量,扩大种群的全局探索能力。将新算法与3个对比算法在基准函数上进行测试,实验表明新的算法能较好地跳出局部最优,提高了算法的稳定性和收敛能力。