基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能,提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数,以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量,基于粒子群算法,引入罚函数和遗传交叉、变异操作,解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例,对优化后的轴承进行应力分析和敏感度分析。结果表明,所提出算法的收敛性能较好、优化能力较强、运算速度较快,优化后的深沟球轴承接触应力下降了31.7%,从而验证了所提出方法的有效性。

基于粒子群萤火虫混合算法的计算机辅助配棉

为促进棉纺企业精细化管理水平和生产效益的提升,提出一种粒子群萤火虫混合算法的计算机辅助配棉方法。首先,构造混和棉成本最小和混和棉综合质量指标最优的多目标优化函数,建立库存、总重量、原棉种类及质量指标边界等多约束条件,按照线性加权方式将多目标模型转化为单目标模型。其次,对粒子群和萤火虫群进行分阶段初始化,设计一种学习因子动态调整和非线性递减惯性权重策略用以提高粒子群算法的综合寻优能力,并采用自适应移动步长更新萤火虫个体位置。最后,使用粒子群、萤火虫及粒子群萤火虫混合算法对配棉模型进行求解。试验结果表明:3种配棉算法均展现出良好的求解可行性,所得混和棉质量指标的综合绝对误差分别为0.0268、0.0240、0.0281,皆处于较低水平;并且粒子群萤火虫混合算法在成本节约方面更具优势,其配棉的总成本相比粒子群算法、萤火虫算法分别降低了1.20%、2.27%。

基于灰狼-粒子群算法的柴发机组节油优化

以变速柴油发电机组油耗率最低为优化目标,以指示热效率神经网络模型的柴油机平均值模型为燃油消耗率的计算基础,将柴油机转速上下限和功率限制线作为变速范围限制条件,对变速柴油发电机组在不同负荷工况下的节油转速进行优化。提出一种粒子群算法与灰狼算法相结合的混合算法,并用标准函数验证该算法的优势,表明其具有较均衡的全局和局部优化特性,更适合进行最低油耗率优化。优化计算结果表明:用电负荷越低,节油效果越明显;10%负荷时节油率可达30%以上,综合工况下节油率可达11.9%;采用该混合算法优化的转速能有效降低变速柴油发电机组的油耗率。

基于粒子-蚁群混合算法的截割头形状优化设计

针对EBH-150型横轴式掘进机截割头在截割过程中遇到的载荷波动问题,采用粒子-蚁群混合算法对现有抛物线形截割头进行优化设计。利用Matlab数值模拟软件,对截齿的排列参数进行多目标优化,以期减少载荷波动并提升掘进机的工作稳定性。优化结果显示,截割头的截线间距经过调整后,从外向内逐渐减小,使得单个截齿受力更为均匀。横向载荷波动降低了约62%,其他方向的载荷波动也显著降低,均超过50%。这些改进有效提高了掘进机横摆进刀的稳定性,并有助于延长截割头的使用寿命。尽管优化后的截割头在某些方向上的载荷均值有所增加,但载荷峰值降低,避免了单个截齿的过载现象。总体而言,优化设计取得了理想的效果,但仍需通过实际应用进行验证。本研究为掘进机截割头的优化设计提供了一种有效的算法支持,对于提高掘进机的工作效率和安全性能具有重要意义。

基于萤火虫与粒子群混合优化算法的移动储能调度

近年来,受规模化电动汽车无序充电、高比例新能源功率波动等因素影响,配电网存在负荷峰谷差较大、网损较高、配电网运行成本高的问题。提出基于萤火虫与粒子群混合优化算法的移动储能调度方法。分别建立电动汽车、移动储能车、氢燃料发电车的移动储能模型,建立负荷峰谷差、配电网网损和配电网运行成本多目标函数,为了降低排名异常的概率,引入Tent混沌映射、柯西变异算子、萤火虫算法中的模糊自适应惯性权值,求解多类型移动储能共同参与调度的最优方案。算例分析结果表明,所提方法能够有效减少负荷峰谷差、降低配电网网损和降低配电网运行成本。

一种基于人工萤火虫群优化的改进粒子滤波算法

针对传统粒子滤波算法中存在的粒子多样性丧失问题,提出一种基于人工萤火虫群优化的改进粒子滤波算法。该算法利用人工萤火虫群算法优化粒子滤波的重采样过程,按照权值的蜕化程度对样本集进行分层,通过转移概率将权值蜕化子集——映射到高似然区域。根据优化阈值条件,将低权值粒子集分为抛弃组和优化组,通过选取优化组粒子和高权值粒子适当地线性组合产生新粒子集。仿真结果表明,当感知系数为零时,优化算法将蜕化为基本粒子滤波算法;在适当选择感知系数的情况下,优化算法的滤波精度较高,跟踪突变状态的性能较优,在保证粒子群贴近真实后验分布的同时,增强了粒子的多样性。

基于高斯-柯西混合变异的多目标粒子群算法

针对MOPSO优化算法在解决复杂的多目标优化问题上收敛表现差,搜索全局能力不足与易于陷入局部最优的缺陷,提出了一种基于高斯-柯西混合变异的多目标粒子群算法(GC-MOPSO)。该算法使用一种混合高斯变异与柯西变异的变异扰动机制来提升粒子在局部与全局的搜索能力,在外部档案中采用锦标赛选择机制选取全局最优个体的策略来增加种群的多样性。通过与六项其他算法在反世代距离(IGD)上进行比较,验证了该算法的优势。

面向柔性作业车间调度问题的混沌编码量子粒子群优化算法

为解决柔性作业车间调度问题,提出一种混沌编码量子粒子群优化算法。针对标准量子粒子群优化算法中粒子过早收敛于局部最优值的缺点,提出具有扰动行为的自适应收缩-扩张系数和关联粒子适应度值的计算方法,改善算法的全局搜索能力;通过引入混沌边界变异策略,减少粒子大量聚集在边界的概率,增加种群的多样性来提高搜索最优解的能力;针对量子粒子群优化算法的迭代特性,设计一种适用的混沌编码策略。将提出的改进量子粒子群优化算法应用于柔性作业车间调度问题,并通过多种基准算例与标准量子粒子群优化算法、粒子群优化算法和混合遗传算法进行对比,验证所提算法的性能。实验结果表明:混沌编码量子粒子群优化算法具有更好的稳定性和更强的寻优能力。

基于优化全局版人工鱼群算法的斜拉桥成桥索力优化

为解决斜拉桥索力优化办法中常见的计算效率低、调索过程盲目等问题,提出了一种优化的全局版人工鱼群算法(OP-GAFSA)。优化后的算法引入了粒子群算法(PSO)的速度和位置更新策略,可有效求解多个基本测试函数最优值。相较于斜拉桥传统设计方法,OP-GAFSA算法具有更高的索力优化效率,且所求斜拉桥成桥状态弯曲能更小、结构线型更平顺,主跨最大挠度减小了81.6%。与PSO算法、人工鱼群算法(AFSA)和GAFSA算法相比,OP-GAFSA算法寻优时间短、计算效率高、结果离散性小,在解决斜拉桥索力优化问题时更具优势。

IABC-PSO算法优化调度水库群应用研究

随着经济增长、城市化发展,北方地区水资源需求量迅速增加。如何通过水利工程对水资源进行人工调节,在满足用水需求的基础上,兼顾发电、生态等多目标是目前的研究热点之一。本文以山西大水网中的忻州—阳泉供水区为研究对象,建立区域梯级水库多目标优化调度模型,考虑供水区年总缺水最小、梯级水库年发电量最大和年总生态缺水率最小的综合目标,提出改进的人工蜂群-粒子群优化算法(IABC-PSO),避免传统粒子群算法的不足,并成功应用于研究区供水水库调度方案优化,结果表明,当地供水丰水年能满足需求,平水年和枯水年存在一定程度缺水。相较于粒子群算法(PSO)和人工蜂群算法(ABC),本方法优化调度后,区域供水缺水率和生态缺水率有所降低。该研究成果可为不同地区的水资源调配提供借鉴。

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm,GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm,GA)、萤火虫算法(firefly algorithm,FA)和粒子群(particle swarm algorithm,PSO)优化算法进行对比。结果表明:运用PGOA算法优化后的风电场单位发电成本为2016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。

一种粒子群-萤火虫算法的参数优化方法

针对传统萤火虫算法(Firefly Algorithm,FA)的参数设置无法解决不同优化问题的实时要求,算法寻优效率降低等问题,提出一种通过粒子群优化(Particle Swarm Optimization,PSO)的粒子搜索,对不同优化问题自适应选取萤火虫算法参数值的优质组合的方法,并选取8个不同的测试函数进行实验.测试结果表明,该粒子群-萤火虫算法参数优化策略具有较强的灵活性和适应性,验证了优化方案的可行性和有效性,并为其他启发式算法的参数优化提供思路.

基于粒子群人工蜂群算法的灌区渠-塘-田优化调配耦合模型

为了缓解农业水资源供需矛盾,减少南方季节性干旱造成的损失,该文结合南方灌区渠、塘、田地复杂的水量转化关系,建立了以灌溉区域效益最大为目标的渠-塘优化调控与田间多种作物优化配水相结合的耦合模型;根据该模型的特点,提出了模型求解的粒子群-人工蜂群混合算法。将模型应用于漳河灌区,并与常规的渠-塘调控和作物配水模型和只考虑作物优化配水模型相比较。结果表明,渠-塘-田地协同调配效果显著,耦合模型计算所得特别枯水年(降雨频率为95%)下灌溉用水效益比采用其他2种模型分别提高了20.7%和6.9%。粒子群-人工蜂群混合算法能快速求解该优化调配耦合模型,有利于解决多水源、长距离输配水、库塘共同调控等复杂情况下的高效用水模型的求解问题。

基于萤火虫-粒子群混合算法的配棉优化研究

针对配棉问题,建立由原棉成本和质量控制成本组成的配棉目标函数,同时探讨了配棉约束条件,最终确立配棉数学模型。然后采用一种萤火虫-粒子群混合算法对配棉问题进行求解,仿真结果表明,该算法能高效解决自动配棉问题,并且优化效果较好。

人工萤火虫群优化算法求解约束优化问题

约束优化问题是工程应用领域经常出现的一类数学规划问题,近年来,约束优化问题求解已成为进化计算研究的一个重要方向.而一系列新型的进化计算方法 ,如人工神经网络、模拟退火、遗传算法、进化规划、进化策略、粒子群、人工鱼群等获得了极其迅速的发展和广泛的应用.本文提出了一种基于人工萤火虫群优化算法求解约束优化问题的新方法.该方法在求解约束优化问题的过程中,不断地寻找更优可行解,逐渐达到搜索全局最优解.通过标准测试函数和工程实例仿真表明,该方法能很好的求解约束优化问题,精度高、适应性强,在工程实际中有较大的应用价值.

0-1背包问题的萤火虫群优化算法

根据群集智能优化原理,给出了一种基于萤火虫寻优思想的新算法———萤火虫群优化算法,并针对0-1背包问题进行求解。经仿真实验并与蜂群算法、蚁群算法和微粒群算法进行了比较,获得了满意的结果,这说明了算法在0-1背包问题求解上的有效性和具有更快的收敛速度,拓展了萤火虫群优化算法的应用领域。

人工萤火虫群优化算法求解二重数值积分

为提高传统方法求解二重数值积分精度,提出利用人工萤火虫群优化算法求解二重积分的新方法。该方法初始时将矩形积分区域两个方向分割成若干不等距节点,通过萤火虫算法优化这些节点,以优化后的节点为分割点求数值积分的值,以得到比较精确的积分结果。数值积分算例表明,该算法得到的积分值精度高、自适应性强,是一种有效的数值积分方法,在数值计算、工程实际应用中具有一定的参考和应用价值。

一种增强型双种群粒子群算法的设计与实现

粒子群算法作为一种具有收敛速度快、易于实现和参数调节少等优点的群体智能算法,被广泛应用于函数与组合优化、机器学习等众多领域。在粒子群及其众多修改算法中惯性权重选择对算法性能起到较大的作用。为此,在经典粒子群算法上针对惯性权重提出了改进策略,设计了一种增强型双种群粒子群算法(EDUPSO)。当粒子在进化中将较小的惯性因子赋予到此次进化到最优位置的种群,将较大的惯性因子赋予到此次没有进化到当前最优位的种群。通过此思路提出了算法的设计和实现方式,并通过多个不同的测试函数分析了该算法与其他经典改进算法在性能上的差异,通过测试的结果可以看出相对于经典的粒子群算法及经典改进算法,此算法在搜索的速度、稳定性及精度上都有明显的优势。

采用多目标粒子群-遗传算法的井筒钻孔机械臂臂长设计

为了解决井筒工程人工钻爆法施工突出问题,采用4自由度机械臂替代人工完成井底炮孔钻掘.首先,在无初始臂长参数下,通过算法获得一组结构参数小,在有限封闭作业空间内末端执行器可达位置范围大的臂长参数.然后,借助MDH(modified Denavit-Hartenberg)坐标运动学参数化正向建模,以末端位置包络线为约束逆向筛选,以臂长参数、可达度为目标,采用多目标粒子群-遗传算法(MOPSO-GA)进行参数寻优,得到若干组Pareto最优解集,并根据适应度选择最优参数结果.最后,对最优参数蒙特卡洛法和运动学进行仿真验证.结果表明:末端点云布于井底,包覆井筒钻孔工作区域,各臂运动学参数相对平稳,能够完成目标任务.

萤火虫-粒子群优化神经网络的异步电机转子断条故障诊断

针对目前异步电机转子断条故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电机转子断条故障特征向量的基础上,提出一种基于萤火虫-粒子群神经网络的故障诊断方法,构建电机转子断条的神经网络故障诊断模型,采用萤火虫-粒子群算法优化神经网络的结构参数。试验分析表明,该方法用于电机转子断条故障诊断,诊断速度快、准确性高、可靠性好。