基于多目标狼群算法的机场行李导入系统仿真优化研究

针对民航机场行李导入系统运行过程中旅客行李注入等待时间长、系统能耗高等问题,综合考虑虚拟视窗控制方式、收集带式输送机运行速度、虚拟视窗长度及同时开放值机柜台数量等关键控制参数对机场行李导入系统运行效率的影响,提出一种求解该问题的仿真优化框架。通过分析机场行李导入系统实际运行工况,建立参数化仿真优化模型。以最小化旅客行李注入平均等待时间和系统能耗为优化目标,结合系统设计和运行过程中的实际约束条件,建立该问题的数学模型,并设计了一种多目标自适应并行狼群算法进行求解。该算法针对所提问题特性及经典狼群算法易陷入局部最优和收敛速度慢等不足,提出一种混合整实数单链编码方式,融合反向学习策略生成初始种群,引入自适应游走概率机制和智能行为并行机制,采用局部和全局自适应邻域搜索及启发式保优策略实现狼群算法智能行为搜索,使用Pareto非支配排序进行寻优迭代并获得最优解集。以国内某大型国际航空枢纽机场行李导入系统为例设计不同规模多种算法对比实验,验证了所提方法的有效性和优越性。

高校大学生心理健康评价指标体系与仿真技术研究——基于神经网络优化算法

本文以促进大学生心理良性发展为导向,以大学生心理健康问题的诱因为切入点,确定大学生心理健康评价指标体系。从分类问题和回归问题角度出发,在分类问题中使用有监督分类学习器对大学生心理健康评价体系进行建模,在回归问题中使用神经网络类学习器进行分析。使用SOM聚类算法验证大学生心理健康评价指标体系的稳健性,并基于神经网络学习器进行模型训练,针对最优权重以及阈值的选择问题使用遗传算法进行优化。

PSO算法优化BP网络的新方法及仿真实验

提出一种基于粒子群算法优化BP网络的权值调整新方法.该算法在基本BP算法的误差反传调整权值的基础上,再引入粒子群算法的权值修正,从而建立了基于粒子群算法优化的BP网络新模型.此模型不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且模型的精度较高,较好地提高了BP网络学习能力与泛化能力.将新模型应用于4个典型复杂函数的仿真实验,并与基本BP模型、基于遗传算法优化的BP网络模型(GA-BP)和传统的粒子群优化前向BP网络模型(PSO-BP前传)的仿真实验结果进行分析比较.仿真实例表明新PSO-BP优化模型性能尤其是泛化性能优于其它3种BP网络优化模型.

基于遗传算法的备件两级优化建模与仿真研究

针对装备备件保障中存在的配置不合理问题,提出了一种基于仿真和遗传算法的备件配置优化算法。该算法采用仿真方法建立装备使用可用度模型,并利用遗传算法实现备件的优化,实现了在满足备件保障费用约束的前提下,使装备使用可用度达到最大。给出了应用该方法的具体步骤,并通过举例验证了算法的有效性。

基于改进粒子群算法优化PID控制的主动悬架性能研究

针对二自由度主动悬架比例-积分-微分(PID)控制器参数整定问题,引入粒子群算法,借助粒子群算法的全局搜索能力解决PID控制器参数整定问题,考虑到传统粒子群算法收敛速度较慢,设计了一种改进粒子群算法,根据悬架性能评价指标建立目标函数,分别模拟了随机路面激励输入和减速带式梯形冲击路面激励输入,并验证了基于改进粒子群算法优化的PID控制器的有效性。仿真结果表明:改进粒子群算法后目标函数的收敛速度明显提高;基于改进粒子群算法优化PID控制的主动悬架在不同激励输入条件下均具有较好的行驶平顺性;验证了改进粒子群算法的有效性并解决了PID控制器参数整定问题。

果蝇优化算法对多峰函数求解性能的仿真研究

多峰函数的寻优能力一直是衡量算法优越性的依据之一,许多传统的算法对其求解容易误将局部极值当做全局极值,针对这一问题,以Schaffer多峰函数为例,运用改进的果蝇优化算法(Improved Fruit Fly Optimization Algorithm,IFFOA)对Schaffer函数进行寻优求解,同时对其他4个测试函数进行求解.通过matlab软件测试、分析了改进的果蝇算法寻优能力的影响因素,最后通过相同的参数,分别采用遗传算法(GA)和改进的果蝇算法进行对比,通过对比发现,改进的果蝇优化算法在收敛精度和收敛速度方面,均优于和声搜索算法(HS)算法,从而验证了IFFOA算法的优越性和有效性,可以将IFFOA算法应用于其他领域.

快速公交线路组合频率优化的禁忌模拟退火算法仿真

针对快速公交(BRT)线路组合的频率优化目标,建立了兼顾公交运营效益和乘客服务要求的BRT运营作业安排数学模型。根据问题的特点,将禁忌算法与模拟退火算法相结合,对BRT线路组合的频率进行优化。多次仿真运算结果及分析表明,该算法具有比禁忌算法、模拟退火算法都更好的效率,是解决该类问题的一个有效途径。

一种快速全局优化的改进蚁群算法及仿真

在介绍基本蚁群算法原理的基础上 ,对其作了许多改进以提高其全局优化寻优速度 ,并给出了详尽的新算法编程仿真实现步骤 ,最后将未改进的基本蚁群算法与本文改进后的蚁群算法分别应用于TSPLIB中的Att5 32TSP问题进行了仿真实验 .仿真研究表明 ,改进后的算法具有优良的全局优化性能 。

基于代理模型和遗传算法的仿真优化研究

首先由已知样本建立神经网络作为代理模型,替代费时的仿真评价而快速给出近似目标值;然后基于代理模型,采用GA进行决策量寻优.为增强优化结果的可靠性和一致性,讨论了按问题信息选取样本和多模型方法.基于典型压力管设计问题的数值仿真,验证了所提出方法的可行性和有效性,其结果明显优于现有文献结果.

Kriging模型与优化算法在汽车乘员约束系统仿真优化中的应用研究

汽车乘员约束系统的优化涉及到安全带、安全气囊等部件的众多参数.首先采用一阶线性响应表面模型、正交实验设计方法进行参数筛选.然后构造Kriging代理模型来代替计算机仿真,并结合两种不同的优化算法来进行乘员约束系统参数的优化设计.结果表明:该方法对汽车乘员约束系统参数优化具有明显效果,可行方向法在该优化中优于多目标遗传算法.

基于蒙特卡洛仿真和并行粒子群优化算法的携行备件优化

为提高携行备件方案优化模型的准确性和求解的精确度,以遂行远海训练任务的舰艇编队为研究背景,针对优化模型的建立和求解提出了一系列改进措施。在传统优化模型的基础上,分析了虚警和串件拼修对备件的影响,建立了基于携行能力、备件成本、装备可用度、同型号装备群完好率等多约束条件的携行备件优化模型;利用粒子群优化(PSO)算法确定备件的优化配置,利用蒙特卡洛仿真法计算配置方案的保障效能;引入云格计算技术实现PSO算法的并行求解,从硬件性能上提高算法的全局寻优能力;将普通粒子转化为量子粒子实现解的多样化,减小了算法陷入局部最优的危险。案例分析证实了改进措施的可行性和有效性。

基于自适应遗传算法的过热汽温PID参数优化控制仿真研究

该文从控制的角度出发对遗传算法进行分析研究,指出加强算法和优化对象的联系是提高遗传算法效率的根本途径。并从算法和对象的外部联系以及内部联系这两个不同的角度分别提出了遗传算法的适配值函数的一般构造原则和遗传算法的自适应机制,并给出了算法过程中各个环节新的实现策略。与以往经典遗传算法相比,采用文中提出的策略的遗传算法具有更高的求解精度、更强的全局搜索能力。并在此基础上将其运用于电厂锅炉过热气温的PID参数优化控制,仿真结果表明了其优越性,具有一定的价值。并且文中所提出的算法及策略具有一般性,很容易运用到其他优化问题中去。

竞选优化算法实现及其仿真研究

研究寻找一种合适的优化算法是求解复杂优化问题成功的关键。传统数值方法对初始值的选择很敏感并需要对函数求导,许多现有的现代优化算法则存在容易陷入局部最优解或收敛速度较慢、计算效率较低的问题。一种新的智能优化竞选算法是模拟人类竞选活动中追求更高支持率所蕴涵的优化思想而建立的一种新的启发式优化算法。首先提出了算法的原理和实现步骤。然后为了验证算法的可行性和有效性,运用典型的测试函数进行仿真研究。一维和多维典型函数优化问题的仿真测试结果表明,竞选算法能够快速收敛于全局最优解,并具有较好的稳定性。

基于遗传算法的汽车行驶平顺性优化仿真

为了探讨遗传算法应用于汽车行驶平顺性仿真的可行性,以1/4汽车两自由度振动模型为对象,建立了汽车行驶平顺性优化仿真模型,运用遗传算法对该优化仿真模型进行了求解。优化前后汽车行驶平顺性指标的对比结果表明,遗传算法用于汽车行驶平顺性优化仿真取得了较好的效果,可以进一步应用于基于高自由度汽车振动模型的汽车行驶平顺性仿真优化问题中。

步进式加热炉炉温优化算法的改进与计算机仿真

在保证轧钢生产顺利进行的条件下,对加热炉炉温分布进行优化设定是实现钢坯加热生产节能降耗的有效手段,同时也是轧制成品良好质量的重要保证。针对已有优化设定方法的不足,在分析了钢坯加热的工艺目标和加热机理的基础上,提出了一种改进的加热炉炉温优化算法并对该算法进行了计算机仿真研究,结果表明了该方法的有效性。

基于遗传算法的随机性(Q,r)库存系统仿真优化

(Q,r)模型是库存管理中的重要控制模型。对于随机性(Q,r)库存系统,难以用解析方法求解最优的库存控制策略。运用仿真优化技术,基于离散事件系统仿真原理,建立了随机性(Q,r)库存系统的仿真模型,设计了一种改进的遗传算法并应用它优化库存系统的库存控制策略。采用面向对象方法实现了仿真模型和改进的遗传算法。仿真实例表明所提出的仿真优化技术是可行且有效的。

基于蒙特卡罗仿真和电压安全约束的无功优化算法

传统的电压无功优化采用确定性方法 ,并且主要考虑经济性 ,而在规划阶段需要对运行方式的不确定性进行更深入的研究。文中提出了基于蒙特卡罗仿真和电压安全约束的无功优化模型 ,以尽量提高节点的电压水平作为优化的目标。算法采用非序贯蒙特卡罗仿真实现 ,考虑了系统各种可能的运行状态及其出现的概率。该模型的优化结果对提高节点电压水平和整个系统的电压安全性效果显著 ,使系统在电压安全的基础上达到经济优化。以 IEEE可靠性标准测试系统为例进行了分析计算。算例表明 :该模型和算法可行 。

基于改进引力搜索算法的无功优化仿真研究

针对引力搜索算法(GSA)在求解电力系统无功优化时出现早熟收敛和局部搜索能力差的问题,引入粒子群算法的记忆功能和加速机制,形成改进引力搜索算法(IGSA)。将GSA和IGSA基于Matlab对IEEE30节点测试系统进行电力系统无功优化仿真。仿真结果表明:IGSA算法避免了早熟现象,增强了局部搜索能力,能获得质量更高的最优解。该仿真实验可加深学生对电力系统无功优化的理解和对智能算法的认识。

基于遗传算法和蒙特卡洛仿真的设备维修策略优化

以部件寿命服从非指数分布、维修属于非马尔可夫过程复杂设备为对象,以系统可用度及广义维护成本为优化目标,以预防性维修周期为优化变量,基于蒙特卡洛仿真和遗传算法研究预防性维修策略的优化问题.建立了设备维修过程的优化模型,将遗传算法中的个体进化搜索用于维修策略优化,提出基于路集的系统状态分析以及采用部件故障屏蔽法解决维修过程仿真中部件过度故障问题,并通过建立个体仿真历史纪录和优先删除适应度低的个体纪录等方法以提高仿真效率及优化效果.最后以液压-机械复合传动系统为例,验证方法的有效性.

基于仿真的优化的粒子群算法参数选取研究

粒子群优化(Particle Swarm Optimization,PSO)算法参数较少、搜索机制简单,故一直是智能优化算法研究和应用的重点。然而PSO有易早熟、搜索精度不高及搜索性能对参数依赖性强的缺陷。针对此特点,在基于仿真的优化框架下,基于多Agent对融合传统全局最佳和局部最佳的PSO算法人工生命模型进行了仿真,以混合优化算法为计算引擎,对PSO的参数选取进行了重点讨论。利用一系列benchmark函数为例,进行了仿真优化实验和分析,取得了较为满意的结果,从而说明了本思想方法的可行性与可信性。