粒子群优化算法在桁架结构优化中的应用

介绍了粒子群优化(PSO)算法的一种改进算法:用于约束优化问题的启发式粒子群优化(HPSO)算法。针对HP-SO算法在桁架结构优化中速度较慢的问题,将HPSO算法的约束处理策略与另一种适用于粒子群算法的约束处理方法结合,并将改进后的算法应用到1个桁架结构截面优化设计算例中,同时与HPSO算法进行对比分析。对于此算例,改进算法和HPSO算法都运行了多次,从多次运行的统计分析中可以看出,改进算法的优化效果和稳定性好于HPSO算法,且结构分析的次数减少了一半左右,从而整个程序运行的速度比HPSO算法提高了将近一倍。

基于启发式PSO算法的新能源电池组串联充放电均衡优化

由于新能源电池串联成组后会出现性能参数上的差异,导致电池组能量利用率较低,提出基于启发式粒子群优化(Particle Swarm Optimization,PSO)算法的新能源电池组串联充放电均衡优化。构建以电池组内单体电池实际可充入电量一致为目标的均衡优化模型,以最劣粒子排斥作用为启发式规则应用于PSO算法,得到最佳新能源电池组串联充放电均衡优化方案。实验表明,设计方法优化电池组充放电均衡后,较优化前电池可充入与放出的容量有所增加,证实该方法可提高新能源电池组能量利用率。

群搜索优化算法在桁架结构优化中的应用

介绍一种改进的群搜索优化算法(IGSO)及适用于它的一种约束处理方法,并将其应用到两个桁架结构截面优化设计算例中,同时与HPSO算法进行对比分析。对于每个算例,IGSO和HPSO算法各运行10次,从10次运行的统计分析中可以看出,IGSO算法的优化效果和稳定性稍逊于HPSO算法,但其收敛速度比HPSO算法快,且其使用的约束处理方法大大减少有限元分析的次数,提高程序运行的速度。

多目标群智能杂交算法及双层球面网壳动力优化

为了改善多目标粒子群算法在结构多目标优化中的收敛精度和速度,提出了一种新型多目标算法——基于启发式粒子群算法和遗传算法的多目标杂交算法(MHGHA).以双层网壳结构为研究对象,对其在地震作用下的时程响应进行分析,以结构节点最大位移最小化和结构质量最轻化为目标进行多目标优化设计,并与经典算法进行对比.结果表明,杂交算法的收敛精度更高,同时能够实现复杂空间结构多目标优化.

HEURISTIC PARTICLE SWARM OPTIMIZATION ALGORITHM FOR AIR COMBAT DECISION-MAKING ON CMTA

Combining the heuristic algorithm （HA） developed based on the specific knowledge of the cooperative multiple target attack （CMTA） tactics and the particle swarm optimization （PSO）, a heuristic particle swarm optimization （HPSO） algorithm is proposed to solve the decision-making （DM） problem. HA facilitates to search the local optimum in the neighborhood of a solution, while the PSO algorithm tends to explore the search space for possible solutions. Combining the advantages of HA and PSO, HPSO algorithms can find out the global optimum quickly and efficiently. It obtains the DM solution by seeking for the optimal assignment of missiles of friendly fighter aircrafts （FAs） to hostile FAs. Simulation results show that the proposed algorithm is superior to the general PSO algorithm and two GA based algorithms in searching for the best solution to the DM problem.