基于粒子群-细菌觅食混合优化算法的汽车碳纤维复合材料地板铺层设计

为提高白车身地板复合材料铺层优化设计的精度、效率及结构轻量化水平,提出了一种碳纤维复合材料地板铺层优化设计方法。首先建立了白车身有限元模型并验证了其有效性,然后通过力学性能测试获取了碳纤维复合材料的参数,并进行了地板铺层的概念设计和建模。接着,采用连续变量优化设计方法确定了地板的铺层厚度、铺块形状和铺层层数,并使用离散化圆整策略获得了各铺向角的离散铺层层数。优化结果表明,所提出的粒子群-细菌觅食混合优化(PSO-BFO)算法对地板质量、静态弯曲刚度和白车身轻量化系数的改善率分别为34.4%、6.0%和5.3%。

基于免疫粒子群算法的非合作博弈Nash均衡问题求解

针对N人非合作博弈Nash均衡求解问题,将免疫算法中抗体浓度抑制机制和免疫记忆功能引入基本粒子群算法,提出了一种求解博弈问题Nash均衡的免疫粒子群算法。该算法通过抗体浓度抑制机制和免疫记忆功能来保持种群的多样性,不仅保持了粒子群算法简单、易于实现的特点,而且增强了粒子群算法的全局寻优能力,加快了算法的速度。实验表明,提出的算法具有较好的性能,优于免疫算法和基本粒子群算法。

合作博弈的粒子群算法求解

随着局中人人数的增加,利用传统的"占优"方法和"估值"方法进行合作博弈求解无论从逻辑上还是计算上都变得非常困难。针对此问题,将合作博弈的求解看作是局中人遵照有效性和个体理性提出分配方案,并按照一定规则不断迭代调整直至所有方案趋向一致的过程。依据该思路,对合作博弈粒子群算法模型进行构建,确定适应度函数,设置速度公式中的参数。通过算例分析,利用粒子群算法收敛快、精度高、容易实现的特点,可以迅速得到合作博弈的唯一分配值,这为求解合作博弈提供了新的方法和工具。

基于博弈模型的合作式粒子群优化算法

粒子群算法作为一种新兴的进化优化方法,能够大大减轻复杂的大规模优化问题的计算负担.根据博弈论的思想,在传统粒子群基础上提出了一种基于博弈模型的合作式粒子群优化算法,算法基于重复博弈模型,在重复博弈中利用一个博弈序列,使得每次博弈都能够产生最大效益,并得到了相应博弈过程的纳什均衡.通过典型基准测试函数对算法的性能进行对比实验,实验结果表明算法是可行的、有效的,对拓展粒子群算法研究具有重要的理论意义与实际意义.

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。

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.

基于非合作博弈的风-光-氢微电网容量优化配置

多分布式电源参与的混合微电网容量优化配置是微电网设计的一个重要环节,文中针对风电场、光伏电站和制氢-储氢-发电一体化微电网系统的容量配置问题进行研究。首先,系统设立了风电、光伏和制氢-储氢-发电系统3个投资方,并以各投资方收益最大化为优化目标,建立基于非合作博弈的风-光-氢微电网容量优化配置模型;然后,考虑各博弈参与者的投资成本、运维成本、购售电成本、弃风弃光惩罚费用和负荷中断惩罚费用等经济因素,利用粒子群算法对各博弈参与者的容量配置进行单独优化,确定各博弈参与者收益最大化的Nash均衡点;最后,采用新疆某地区典型月的风速和光照强度数据对微电网容量配置进行算例分析。结果表明该模型能够在月综合成本相对较低的前提下保证供电的可靠性,实现了微电网系统容量的合理配置。

基于合作博弈的风光储集群协同优化调度模型

为降低自配储能的风光电站集群的弃风弃光问题,提高电站集群收益,提出一种基于合作博弈的风光储集群协同优化调度模型。首先,设计了风光储集群联盟的工作机制;其次,建立了考虑电站售电收益、减少弃风弃光惩罚收益、减少计划发电误差惩罚收益和输电成本的风光储集群联盟收益模型;在此基础上,建立了基于合作博弈的风光储集群协同优化调度模型,并利用粒子群优化算法求解协同优化模型;然后,基于Shapley值给出风光储集群联盟收益分配策略。最后,基于实际风光电站集群的出力数据进行算例分析,结果表明本文提出调度模型能够有效提高风光储集群联盟的收益,并保障集群联盟的稳定性。

基于博弈论的孤岛型风-光-氢微网容量规划

为了解决多经济主体参与的微电网容量规划问题,针对构建的孤岛型风-光-氢微电网进行容量规划研究。系统以风电场、光伏电站和制氢-储氢-发电系统三个投资商各自的经济成本最小为优化目标,首先考虑各博弈方的投资成本、运行维护成本、负荷中断惩罚成本与弃风弃光惩罚成本,提出五种非合作/合作博弈的规划模型,采用粒子群算法对各博弈模式下的纳什均衡点进行求解,然后基于Shapley值对合作博弈模式中最小的总经济成本进行成本分摊。最后应用西北某地区风速和光照强度的历史数据进行算例分析,验证了所提模型可以满足各方的经济性和系统的可靠性。

基于自适应粒子群算法的增量配电网电源博弈规划

针对增量配电业务开放环境下多主体独立规划带来的资源浪费,以及传统粒子群算法在寻优时出现由于局部最优而无法找到整体最优解的问题,提出了一种基于自适应粒子群算法的增量配电网电源侧博弈规划方法。分析分布式电源投资运营商和储能运营商之间的利益关系,以各自收益最大为目标建立各决策主体的收益模型;从博弈参与者、策略集合及收益函数出发,构建非合作博弈规划模型;引入自适应权重系数对传统粒子群算法进行改进,利用改进的自适应粒子群算法对上述模型进行求解。通过对非博弈、传统粒子群博弈及自适应粒子群博弈3种不同场景的仿真分析,进一步验证所提出的博弈规划方法能平衡各主体收益,使整体经济利益最优。

改进的可见光通信系统PTS峰均比抑制方法

针对非对称剪切正交频分复用(asymmetric-clipped orthogonal frequency division multiplexing,ACO-OFDM)可见光通信(visible light communication,VLC)系统中信号的高峰均功率比(peak-to-average power ratio,PAPR)问题,采用部分传输序列(partial transmit sequence,PTS)方法,并结合二进制离散粒子群优化(discrete particle swarm optimization,DPSO)算法,提出一种改进的PTS峰均比抑制方法——DPSO-PTS方法。利用DPSO算法对加权的相位因子进行优化处理,选择最佳的相位因子组合来有效控制PAPR的范围,并对乘加权信息的子块进行求和,从而选择出最小PAPR对应的一组信号进行传输。仿真结果表明,在互补累计分布函数(complementary cumulative distribution function,CCDF)为10-4时,DPSO-PTS方法的系统PAPR降低了约4 dB,且相较于传统PTS方法,系统的复杂度和误码率(bit error rate,BER)性能也得到有效的改善。

南极科考平台肢腿部件合作博弈优化设计

针对南极科考平台肢腿部件在强风极端工况行驶时存在难以同时满足高抗变形能力、低功耗水平的设计难题,分析极端工况时肢腿部件考虑风阻的复杂载荷特性,提出一种基于合作博弈的肢腿部件多目标优化设计方法,将肢腿最小变形、行驶最小功耗多目标优化问题转换为博弈问题,确定肢腿部件结构特征参数作为优化变量并构建博弈策略空间;通过建立合作博弈理论与粒子群算法相融合的博弈-粒子群方法寻求最优解,与粒子群算法相比,该方法不仅所需时间短,而且优化后的肢腿部件结构单位功耗内抗变形能力提升了1.3倍,并通过有限元方法验证优化后结构设计的安全性。

一种双层-四级随机-鲁棒优化调度模型及求解

提出一种考虑场景概率和出力不确定性的配电运营商-多微电网双层-四级随机-鲁棒优化模型及其求解方法。基于主从博弈原理构建上层配电运营商和下层微电网之间的主从关系,并分析主从博弈交易机制;配电运营商建立考虑风电场景概率不确定性的随机定价模型;下层微电网考虑风电场景概率不确定性和出力不确定性的影响,建立min-max-max-min四级结构的随机-鲁棒优化调度模型;提出了一种变量交替迭代的列约束生成算法,通过解耦四级结构来求解下层微电网随机-鲁棒模型;利用粒子群算法求解非凸的双层优化模型。最后,通过算例验证所提模型和方法的有效性。

一种基于群体智能的合作探究式教学方法

人类社会的知识更新过程与群居生物的智能行为具有很强的类似性,都是通过个体探究与社会协作来实现的。基于群体智能的思想,针对掌握知识、培养能力和提高素质的教学目标,本文提出了一种合作探究式教学方法,并以粒子群算法为例,建立了教学模型,并分析了具体的实现方法和实施流程。

基于粒子群优化求解纳什均衡的演化算法

基于粒子群优化方法从群智能的角度建立了博弈的演化模型,为求解有限n人非合作博弈的纳什均衡设计了一种粒子群优化算法.通过随机初始点的可行化以及对迭代步长的控制,保证粒子群在算法的迭代过程中始终保持在博弈的可行策略空间内,避免了在随机搜索中产生无效的粒子,因此提高了粒子群优化算法求解纳什均衡的计算性能.给出了算法的数值例子并分析了该算法的计算性能,通过粒子群算法与遗传算法的比较显示了粒子群算法求解博弈纳什均衡解的高效性.

基于惩罚机制的产学研合作演化博弈分析

产学研合作对构建国家创新体系和实现向创新驱动型经济体转变具有重要的作用,而在新形势下,多方参与的产学研合作模式成为主流,为保证各方的利益及合作顺利进行,在长期合作中需要有一定的约束惩罚机制。首先建立多人多策略的演化博弈模型,并对各情况下的收益进行分析计算;然后建立惩罚机制,并把惩罚和收益关联起来,调整各方不同情况下的收益;之后使用粒子群优化算法进行模拟仿真,摒弃传统固定好数值的静态模拟方法,考虑"支出-收益"比例和"惩罚-收益"比例的动态数值分析,模拟得出惩罚约束存在下多人多策略的产学研合作演化情况;最后,得出结论并提出相应的对策建议。

基于自适应小生境粒子群算法的多重Nash均衡求解

针对n人非合作博弈多重Nash均衡求解问题,提出一种自适应小生境粒子群算法。该算法融合了序列小生境技术、粒子群优化算法的思想,并加入了变异算子和自动生成小生境半径机制,使得所有粒子尽可能分布到整个搜索空间的不同局部峰值区域,从而有效地求得博弈问题的多重Nash均衡。最后给出几个数值算例,计算结果表明所提出的算法具有较好的性能。

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。

基于改进量子粒子群算法的Nash均衡研究

在N人非合作博弈Nash均衡问题求解过程中,将量子不确定性原理、协同演化以及免疫算法内的抗体浓度抑制机制引进到经典粒子群算法中,设计了一种新型改进量子粒子群算法来更好地处理Nash均衡问题。该算法在运算过程中,运用抗体浓度以及协同演化的方式来维系粒子群具备的多样性特征,并借助量子不确定性缩减迭代搜索耗时。该算法不仅有效地将粒子群算法运算简单与方便实现的特质承继下来,而且算法的收敛速度以及其全局搜索能力都获得了大幅度的提升。相关数值算例分析表明,改进的算法能够更好地处理粒子早熟,相较遗传算法以及免疫粒子群算法更具性能优越性。

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。