带时间窗的车辆路径问题的混合粒子群优化算法

针对带时间窗的车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW),提出了一种混合粒子群优化算法(Hybrid Particle Swarm Optimization,HPSO)进行求解。所提出的算法设计了一种高效的编解码策略,以此搭建HPSO算法解空间到VRPTW解空间的桥梁。同时为了提高算法的寻优能力,设计了由单点插入策略以及双点交换策略组成的局部搜索策略。通过solomon-50标准数据集中的九个算例进行仿真实验,实验结果证明了所提出算法的寻优能力和稳定性均优于对比算法,最优解误差相较于对比算法最多降低了38.32%。

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。

基于混合智能优化算法的输变电工程全环节关键数据处理方法

为了提升输变电工程全环节的数据管理质效,提出了一种基于混合智能优化算法的输变电工程全环节关键数据处理方法。该方法以造价数据管理为核心,利用层次分析法建立工程造价控制评估模型,获得了造价评估指标与指标权重。同时设计了一种改进的随机邻域嵌入算法实现数据降维,进而引入经自适应改进的鲸鱼优化算法及粒子群算法。在交叉策略框架下,将两者相结合并得到鲸鱼粒子群混合优化算法。实验结果表明,所提方法对输变电工程全环节关键数据的处理效果较优,而与其他方法相比,其精度和效率也均具备显著优势,能够提升数据管理水平。

一种适合于电力系统机组组合问题的混合粒子群优化算法

该文针对机组组合问题,提出了一种新的混合粒子群优化算法。该算法包含 3 个重要的方面:通过在算法迭代过程中对松弛后的 0、1 变量与机组有功出力变量并行地进行优化,避免了由于决策变量过多造成的维数灾难题;引入变动阈值,解决了在寻优过程中粒子的值出现振荡时可能会丢失机组有效启停状态的问题;在粒子群优化算法中引入启发式变异技术,有效地处理了机组启、停时间的约束并提高了粒子群优化算法的全局收敛能力。文中通过对 2 个算例的计算及与其他算法进行的比较结果,验证了所提出的混合粒子群优化算法具有更好的全局收敛性。

一种求解高维复杂函数优化问题的混合粒子群优化算法

对于高维复杂函数 ,传统的确定性算法易陷入局部最小 ,而单一的全局随机搜索算法收敛速度慢 .本文通过将粒子群优化算法和单纯形法相结合 ,利用前者搜索速度快、搜索范围广和后者收敛速度快的特性 ,提出一种快速、易实现的混合粒子群优化算法 .基于典型高维复杂函数的仿真表明 :该混合算法效率高、优化性能好、对初值具有很强的鲁棒性 ,其性能大大优于单一的优化方法 .

基于混合粒子群优化算法的矿山生产配矿

为了提高矿山低品位矿产资源的利用率,确保生产过程中矿石质量的稳定性和均匀性,建立了一种矿山多目标配矿优化模型,并将标准遗传算法中的交叉和变异操作与标准粒子群算法融合,提出求解该优化模型的混合粒子群算法。以国内某地下铝土矿为例,分别运用混合粒子群优化算法、标准遗传算法和标准粒子群算法3种方法对建立的多目标配矿优化模型进行求解,通过对比优化结果发现:混合粒子群优化算法求解的各采区月出矿量完全满足矿山实际生产要求,而标准遗传算法和标准粒子群算法求解结果存在误差,分别达到9.92%和14.94%,且易陷入局部最优值;从迭代进化曲线可知,混合粒子群优化算法收敛速度快,稳定性和鲁棒性较高,具有一定科学研究和实际应用价值。

基于混合粒子群算法的铅锌烧结过程产量质量优化

建立铅锌烧结过程的产量质量预测模型及其数学优化模型,利用混合粒子群优化算法对其进行优化。将质量约束的产量优化问题转换为两个目标函数的优化问题,即产量目标函数和违反质量约束条件的程度函数。采用联赛选择算子比较粒子群算法所搜索到的解。当粒子群算法收敛停滞时,沿着当代全局最优解和前一个不同的全局最优解矢量之差的方向进行线性搜索,将搜索到的更优解作为粒子群的当代全局最优解,从而保持粒子群算法的活性。针对工况波动,利用专家规则修正优化参数。实际运行结果表明,该优化方法能在保证质量的情况下在一定程度上提高产量。

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。

嵌入共轭梯度法的混合粒子群优化算法

针对标准粒子群算法收敛速度慢和精度低的问题,提出了一种嵌入共轭梯度法的混合粒子群优化算法.算法有效结合了粒子群优化算法较强的全局搜索能力和共轭梯度法快速精细的局部搜索能力,在基本粒子群算法得到的最优解的基础上引入共轭梯度法,加快了算法的收敛速度,克服了基本粒子群算法收敛慢的弊端.相比于基本粒子群算法,它能够以较高精度和较快速度收敛到所求无约束优化问题的全局最优解.数值实验结果表明,所得混合算法是一种求解高维多峰连续函数无约束优化问题的高效方法.

基于混合粒子群优化算法的故障特征选择

通过将遗传算法和粒子群优化算法相结合,提出了混合粒子群优化算法(HPSO),用于机械故障特征选择问题。此方法在对粒子进行优化的同时选择部分优良的粒子进行遗传交叉和变异操作,增强了算法跳出局部极值的能力。某导弹运输车减速器齿轮故障特征选择试验结果表明HPSO可以快速、有效地求得优化特征集,其性能优于PSO和GA。

混合粒子群优化算法选择特征的网络入侵检测

针对网络入侵特征优化问题,提出一种混合粒子群优化算法选择特征的网络入侵检测模型,以提高网络入侵检测率.首先将网络入侵检测率作为特征选择的目标函数,网络状态特征作为约束条件建立相应的数学模型,然后采用混合粒子群算法找到最优特征子集,最后采用支持向量机作为分类器建立入侵检测模型,并在MATLAB2012平台上采用KDD1999数据进行验证.实验结果表明,该模型可高效地查询到最优特征子集,入侵检测率和效率均优于经典入侵检测模型.

混合粒子群优化算法及其应用

提出了一种通过改进全局最优位置粒子寻优策略而提高粒子群优化计算效率的混合粒子群优化算法。针对流程工业典型设备的状态跟踪预报等有计算时间限制的优化问题,混合粒子群优化算法在不改变原有粒子群粒子寻优策略的前提下,将粒子群整体已搜寻到的全局最优位置看作一个特殊的粒子,令该粒子执行梯度下降寻优的寻优策略。在粒子群的寻优迭代计算中增加全局最优位置粒子单独的梯度下降寻优过程,从而将粒子群优化算法的全局寻优特性与梯度下降算法的邻域寻优特性相结合,以提高粒子群优化算法的整体寻优效率,进而缩短寻优计算的时间。针对流程工业典型设备的实际应用表明,混合粒子群优化算法能够减少寻优迭代次数,进而缩短优化计算时间。

基于改进混合粒子群优化算法的移动节点部署研究

在概率感知优化模型下,将无线传感器网络(WSNs)的覆盖率和移动节点的能耗作为多目标优化函数,通过改进混合粒子群优化算法(IM-HPSO)不断迭代,调整移动节点的最优位置,控制网络覆盖率最大化,同时减小移动距离,使得能耗最小化。仿真结果表明:IM-HPSO算法在覆盖率的提高、能耗的减少、网络生命周期的延长方面优于其他算法。

一种基于全局劣汰策略的混合粒子群优化算法

提出一种改进的粒子群优化算法——基于全局劣汰策略的混合粒子群优化算法(GTPSO)。GTPSO在保持PSO算法快速收敛的基础上,以郭涛算法(GuoA)的寻优机制确保种群的多样性和算法的坚韧性。数值计算结果表明,对于高维(维数≥10)复杂非凸多峰函数的数值优化问题,GTPSO算法的计算结果均优于GuoA算法和粒子群优化算法。

一种新的混合粒子群优化算法

将禁忌搜索思想引入粒子群优化算法中,改进惯性权重,添加罚函数重新构造适应度函数;在此基础上,提出了一种基于禁忌搜索的新的混合粒子群优化算法(NHPSO),通过4个标准测试函数实验,结果表明:NHPSO算法比基本粒子群优化算法(PSO)具有更好的全局寻优能力、更快的收敛速度以及获得更高精度解的能力。

混合粒子群算法的电火花成型加工工艺参数优化

针对电火花成型加工机床工艺参数难以确定以及工件表面质量差的问题,在CTM450机床上探究了脉冲电流、脉冲宽度、脉冲间隔对成型加工中MPR和Ra的影响,在正方实验的基础上,以提高材料去除率和工件表面质量为优化目标,设计了混合粒子群算法,将仿真优化后的结果与实际加工效果进行验证,表面该算法准确有效。

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法(MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过非线性系统实例进行仿真,仿真效果良好.

利用遗传-粒子群优化混合算法求取剩余静校正量

剩余静校正是一个具有多参数、多极值的全局优化问题,当大量未知参数存在时,常规的遗传算法(GA)几乎无法避免早熟现象,难以保证收敛于全局最优。结合粒子群优化算法(PSO)和遗传算法的优势,提出了一种新颖的粒子群优化-遗传混合算法。混合算法利用了粒子群优化算法的速度和位置的更新规则,并引入遗传算法里的交叉变异思想。用混合算法和遗传算法分别对两个理论模型进行试处理,处理结果表明,混合算法比遗传算法具有更好的性能,是一种求取复杂地形条件下剩余静校正量的实用方法。

混合粒子群优化算法及其收敛性分析

为解决标准粒子群优化算法不能保证全局收敛,寻优精度低,尤其在高维函数优化方面易陷入局部极小值等问题,提出一种融合Kent混沌映射、云模型理论和布谷鸟搜索的混合粒子群优化算法(CPSO);CPSO算法采用混沌初始化种群位置、全局开发及局部开采的均衡搜索、多子种群协同进化等改进策略,同时从随机优化算法的全局收敛准则角度对CPSO算法的全局收敛性进行证明,并给出了CPSO算法的时间复杂度分析;经典的benchmark测试函数的实验统计结果表明,CPSO算法在收敛性、寻优精度、稳定性等方面均优于经典算法。

基于人工鱼群和粒子群优化混合算法的侧铣刀轴轨迹规划

针对圆锥刀侧铣加工非可展直纹面的刀轴轨迹规划问题,采用两点偏置法确定初始刀轴矢量,为评价单个刀位,提出了单刀位下的误差度量函数,即刀轴上各点到非可展直纹面的距离与对应各点到圆锥面的距离差值的平方和最小。为解决每个刀位下的位姿寻优问题,提出了基于人工鱼群(AFS)和粒子群优化(PSO)混合算法的优化方案。仿真结果表明,所提方法在单刀位下的优化过程简单,结果精度高,优化后位姿集合形成的刀具包络误差小。