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-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。

基于混合粒子群算法的复杂机械产品装配质量控制阈优化方法

为提高复杂机械产品的装配精度和服役安全性,提出一种多载荷作用下的基于混合粒子群算法的复杂机械产品装配过程质量控制点控制阈优化方法。分析复杂机械产品装配及服役的特点,定义关键质量控制点的多载荷影响因子;综合考虑装配质量损失成本和装配时间调整成本,建立基于多载荷影响因子的关键质量控制点装配损失-控制阈函数,揭示了质量控制点总损失与控制阈的关系;在保证装配精度的情况下,以总成本最小化为目标,构建多载荷影响因子的装配质量控制阈优化模型,并给出了基于混合粒子群算法的模型求解过程。最后以某型发动机的缸盖拧紧过程为例,将基于多载荷影响因子的模型求解出的产品装配方案结果与应用该方法之前装配结果做了对比分析,结果表明该方法能够显著提高装配质量及服役安全性能,为复杂机械产品装配质量控制阈优化提供了一种方法。

基于蚁群-粒子群混合算法的水资源优化配置研究

【目的】对区域水资源的合理优化配置进行研究,为区域经济的发展、水资源的合理开发利用和节水型社会的建立提供参考。【方法】建立以经济、社会、生态环境效益为目标函数,各目标加权和为最优解的水资源优化配置模型,采用蚁群-粒子群混合算法对模型进行求解,并对渭北工业区进行水资源优化配置的实例分析,通过原供水量与优化配置水量的比较验证所建立模型的合理性。【结果】经计算,75%保证率下渭北工业区水资源的配置结果为:2015年地表水、地下水、外调水、中水供水量分别为1 747.30,13 244.84,12 905.95和1 060.23万m3;2020年各水源供水量分别为2 019.19,12 214.42,23 530.42和1 798.60万m3;与原始供水量相比,2015年和2020年总供水量分别减少312.73和421.11万m3,表现在农业供水量减少,生活、工业、生态用水均达到供需平衡。【结论】基于蚁群-粒子群混合算法的水资源优化配置结果合理,可作为研究区水资源合理开发利用决策的参考;蚁群-粒子群混合算法收敛速度快,寻优性能优越,可用于水资源优化配置的分析。

基于改进的粒子群算法的多目标混合流水车间调度研究——评《粒子群优化算法及其在电力电子控制中的应用》

生产计划问题是指为达到特定性能标准,对可共享的资源进行配置和对生产作业进行顺序安排。混合流水车间计划问题在冶金、石化、国防等行业具有很好的实际运用前景,是一种通用的流水作业调度问题和并行作业问题的扩展,具有多约束、多阶段、多目标、高非线性等特征。由于该问题具有较大的特殊性,难以采用常规的数学规划方法来解决。

一个解非线性0-1整数规划问题基于罚函数的混合粒子群优化算法(英文)

利用罚函数思想把非线性0-1整数规划问题转化为无约束最优化问题,然后把粒子群优化和罚函数方法结合构造出一个基于罚函数的混合粒子群优化算法,数值结果表明所提出的算法是有效的.

基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演

软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。

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。

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。

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 .

基于粒子群-拟牛顿混合算法的管道机器人定位

针对管道机器人定位问题,通过磁偶极子理论建立了以极低频电磁脉冲为检测手段的定位模型,推导出了定位模型的非线性方程组。在此基础上设计了基于粒子群优化-拟牛顿混合算法用于定位方程组的求解,提高了管道机器人的定位精度,避免了粒子群优化算法局部精细搜索能力差和拟牛顿算法对初值敏感的不足。数值仿真与实验结果验证了管道机器人定位模型和数值算法的有效性和可行性,实验定位平均误差满足管道机器人工作中定位的需要,采用改进的混合算法后,平均定位误差在x、y、z三个方向上分别降低了4.19 cm、3.81 cm、4.65 cm,提高了定位精度。

人工鱼群——粒子群混合算法优化进港航班排序

针对空中交通管理中的进港航班排序问题,提出了人工鱼群—粒子群混合算法(AFPSO)这一航班排序算法来优化进港航班排序,使时段内进港航班队列总延误时间最少。算法结合了基本人工鱼群算法(AFSA)和基本粒子群算法(PSO)各自的优点,先以AFSA在全局寻找满意的解域,再以PSO算法在这些解域中进行快速的局部搜索获得精确解,最终使算法提高收敛速度和搜索精度。仿真结果表明,在单跑道和双跑道情况下,AFPSO算法使得航班队列总延误时间比FCFS调度方法减少了20.9%和34.4%,比基本AFSA减少了3.2%和3.5%。算法得到的满意解能够为自动化空中交通管理提供实时支持。

嵌入极值优化的混合粒子群优化算法

针对标准粒子群算法容易陷入局部极值和精度低的问题,提出一种嵌入极值优化算法的粒子群优化算法。在线性下降的惯性权重粒子群算法运行过程中,间隔一定迭代次数与极值优化算法相结合,利用其波动性增加种群的多样性,并有效结合粒子群算法较强的全局探索能力和极值优化算法精细的局部搜索性能,以较高精度收敛到全局极值。仿真实验结果表明,该混合算法是一种求解高维多峰连续函数极值的有效方法。

一种改进的混合粒子群优化算法

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,把Hooke-Jeeves模式搜索方法作为粒子群优化算法的一个局部搜索算子,嵌入到粒子群算法中,Hooke-Jeeves的强局部搜索能力提高了粒子群优化算法的局部收敛速度和精度,从而提出了一种混合粒子群优化算法。通过基准函数和实例测试进行了验证,结果表明,提出的混合算法的收敛速度和精度均优于粒子群优化算法。

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。

考虑电压-无功调节的台区互联装置规划方法

伴随分布式能源广泛接入低压配电网,其对配电网运行灵活性和消纳能力的要求不断提高。利用低压柔性互联装置将独立运行的低压配电台区分区互联,避免传统电压调节和无功补偿装置频繁动作。考虑到柔性互联装置造价昂贵,协同传统电压-无功调节装置,文中提出低压柔性互联装置的选址定容规划方法。首先,分析低压柔性互联装置拓扑和运行方式,建立其潮流模型。其次,建立低压柔性互联装置优化配置的双层规划模型,上层规划以年综合费用最小为目标,下层规划考虑电压-无功协调控制时间序列模型,以运行成本和电压偏差最小为目标,基于粒子群优化算法和混合整数二阶锥规划算法交替求解,得出配电系统最优柔性互联方案和最优运行方式。最后,在IEEE 33节点系统上进行实例分析,验证该双层规划算法的有效性。结果表明,所提方法能有效减少柔性互联装置的过度布置,同时减少由分布式能源频繁波动造成的运行成本。将模型凸化并线性化的方法明显提高了求解效率。

最优化问题全局寻优的PSO-BFGS混合算法

针对利用粒子群优化算法进行多极值函数优化时存在早熟收敛和搜索效率低的问题,提出混合的PSO-BFGS算法,并增强了混合算法的变异能力使算法能逃出局部极值点。通过对三种Benchmark函数的测试结果表明,PSO-BFGS算法不仅具有有效的全局收敛性能,而且还具有较快的收敛速度,是求解最优化问题的一种有效算法。

基于GIS和遗传-粒子群的公路智能选线方法

为克服现有路线优化方法难以用于生产实践的缺点,提出了一种基于GIS(地理信息系统)和遗传-粒子群混合算法的方法,以辅助路线平面方案的选择。该方法以AutoCAD Map为平台,直接支持DWG格式地形图,实时获取路线所经区域的空间信息,为方案决策提供依据;优化算法采用一种遗传-粒子群优化算法,该算法在基本粒子群算法中加入遗传算法的交叉、变异算子,综合了遗传算法和粒子群优化算法的优点。数字试验的结果表明:该算法能很快收敛到最优解,达到最优解迭代次数为35次左右;该方法具备较好的寻优性能,适用于公路智能选线的实践。

Logistic动态粒子群优化算法的改进及分析

分析了Kennedy最新提出的高斯动态粒子群优化算法(GDPSO)的寻优模式,针对GDPSO的特点,结合粒子群优化算法的新寻优模式,提出了Logistic动态粒子群优化算法(LDPSO);并基于LDPSO和GDPSO的特性,设计了LDPSO算法的两种改进策略——混合优化策略和最优粒子变异策略,混合优化策略用以提高收敛速度,最优粒子变异策略用以保持群体多样性,避免算法陷入局部最优。实验结果显示了LDPSO及其改进算法的有效性。

基于混合优化算法的粮食仓储机械通风工艺优化

机械通风作为储粮中最常用的技术,在调节粮食的温度和水分方面起着非常重要的作用。为了缩短储粮仓中小麦机械通风的时间,降低该过程中的能耗,采用多元非线性回归法,拟合了通风口处空气温度和相对湿度、小麦初始水分和温度与通风时长的函数关系,运用粒子群-遗传混合优化算法对小麦通风时长进行了单目标优化。结果表明,降水通风过程最佳工艺参数为通风口处空气温度28℃、相对湿度25%;降温通风过程最佳工艺参数为通风口处空气温度10℃。研究结果可为小麦机械通风过程工艺参数的设置提供理论依据,具有一定的实用价值。