带活力因子的量子粒子群算法卫星基板模型修正

将卫星基板等效为单层板结构计算其结构参数,在量子粒子群算法原理的基础上给算法增加活力因子,用带活力因子的量子粒子群算法对蜂窝板结构的卫星基板等效模型进行模型修正,然后将修正后的数据返回有限元软件MSC/NASTRAN再次计算,修正后模型计算所得动力学数据与试验数据能较好地吻合,证实等效的合理性和算法的有效性。

带时间窗车辆路径问题的混合量子粒子群算法

针对带时间窗的车辆路径问题,采用混合量子粒子群算法对该问题进行了求解,该算法将量子粒子群算法与模拟退火算法相结合,充分发挥量子粒子群算法全局寻优能力强以及模拟退火算法局部寻优能力强的特点,从而能有效地避免早熟。仿真结果表明,该算法不仅收敛速度快,而且还具有较高的求解质量。

基于带压缩因子粒子群算法标定设计反应谱

粒子群优化算法是模拟群体智能所建立起来的一种全局优化算法,在解决多参数非线性函数的优化问题上具有良好的性能,为了有更好的收敛精度和更快的收敛速度,本文构建了带有压缩因子的粒子群算法,可用于设计反应谱的标定。利用这一方法可给出第一拐点周期、特征周期、平台值和衰减指数等刻画设计反应谱特征的参数值。本文以埃尔森特罗台(El Centro)加速度时程的反应谱标定为例,采用本文提出的改进粒子群算法、Newmark三参数法、双参数法和差分进化算法对其进行标定。对比分析了4种标定方法给出的特征参数及计算精度,实例证明,改进粒子群算法具有较高的精度,给出的设计反应谱较好地反映了地震反应谱的特征。

带排序映射的量子粒子群优化算法求解WTA问题

针对武器—目标分配(WTA)问题及其特点,提出一种带排序映射的量子粒子群优化算法。首先通过武器系统对目标攻击过程中得到的毁伤收益建立了目标分配模型;然后根据该模型的约束特点,提出一种基于排序映射的编码调整方式,并引入一种非线性扩张收缩因子自适应调整方法;最后在算法中嵌入一种判断和避免搜索早熟和停滞的有效方法。通过仿真对比验证,该算法具有较高的收敛速度与稳定性。实验结果表明所提方法能有效求解WTA问题。

变异量子粒子群优化算法在系统辨识中的应用

为了增加全局搜索能力,避免陷入局部最小,在量子粒子群优化算法(QPSO)中引入变异机制,即基于QPSO的特点,用Cauchy分布分别对全局最优和所有个体极值的平均值进行变异。该算法称为带变异算子的量子粒子群优化算法(MQPSO)。通过对一典型的大海捞针类(NiH)问题的试验,证明了MQPSO在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中,辨识结果表明该方法具有参数辨识精度高,抗噪声能力强,对输入信号通用性强,也适用于非线性系统参数辫识,具有重要的工程应用价值。

引入平均最好位置的量子粒子群算法及在航空发动机非线性模型求解中的应用

为改善粒子群算法的全局搜索能力和计算精度,在标准粒子群算法和量子理论的基础上,将平均最好位置引入粒子的状态更新过程,提出了1种基于量子行为改进的粒子群算法及不同的收缩-扩张因子取值策略。采用该量子粒子群算法对建立的典型双轴涡扇发动机部件级非线性模型进行了求解,结果表明:分段线性递减收缩-扩张因子适用于复杂的航空发动机隐式模型,其收敛效率和精度都较高,具有一定的工程应用价值。

基于柯西分布量子粒子群的混合推荐算法

协同过滤推荐算法是最经典、应用最成功的推荐算法之一,但该算法在数据稀疏性、冷启动和时间因素等方面还存在一定问题,于是,提出一种基于柯西分布量子粒子群的混合推荐算法。该算法首先构建基于时间因子的混合推荐模型,再利用柯西分布量子粒子群算法搜索模型中的最优参数组合,其中,混合推荐模型通过把用户和项目的属性信息添加到协同过滤推荐算法中,并引入能够代表用户兴趣迁移特性的时间因子构建而成。最后,与人工蜂群算法(ABC)以及基本粒子群算法(PSO)进行比较。研究结果表明:在提高推荐准确度、缓解数据稀疏性以及冷启动等方面,本文提出的算法优于其他算法。

无人机三维航迹规划的量子粒子群优化算法

针对传统的粒子群优化算法容易陷入局部最优解的问题,采用量子粒子群优化算法开展了无人机三维航迹规划。详细分析了固定翼无人机的飞行性能约束条件。为了减小算法计算复杂度,提高规划效率,对三维航迹规划问题的高度规划采用了直接设定策略,即,设置各个航路点的高度介于最大、最小飞行高度之间,从而将三维航路规划问题简化为二维航路规划问题。设计了收缩-扩张因子的线性增大调节策略、代价函数和航迹规划流程。分别采用量子粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所设计的量子粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。

基于改进粒子群算法的图像匹配技术研究

在分析基本粒子群优化算法的基础上,对学习因子进行非线性异步策略调整,改变其固定常数模式,平衡算法在迭代过程中的局部和全局搜索能力;同时引入活力因子,对失活粒子执行变异操作,提高种群多样性。改进算法可以提升对多维空间的全局寻优能力,避免粒子产生早熟收敛现象。将改进粒子群算法引入图像匹配优化问题中,提出了一种基于改进粒子群算法的图像匹配算法,实验结果表明,该算法具有更快的匹配速度以及更高的匹配精度,具有强鲁棒性。

基于改进粒子群算法的永磁同步风力发电机优化设计

根据离网型小功率永磁同步风力发电机的运行特性,结合场路耦合的方法,设计一台小功率永磁同步风力发电机。为了有效减小发电机起动阻力矩,以发电机齿槽转矩为目标,运用回归型支持向量机实现电机电磁模型的非线性回归建模;基于该非参数模型,利用带压缩因子粒子群算法进行寻优,获取电机的最优结构参数,仿真结果表明了优化设计的正确性。

基于干扰因子的QPSO算法改进

具有量子行为的粒子群优化算法(Quantum-Behaved Particle Swarm Opti mization,QPSO)是一种新的基于群体智能的优化方法.与粒子群算法(Particle Swarm Opti mization,PSO)相比,QPSO的全局收敛性能更好.但与其他进化算法一样,QPSO仍然不可避免地遇到早熟收敛的问题.因此在QPSO算法的基础上,引入干扰因子以避免算法的早熟现象.实验结果表明,改进后的QPSO算法具有更好的收敛性能.

基于PSO算法的SOR最优松弛因子选取研究

目前选取逐次超松弛迭代法(SOR)最优松弛因子的基本思路是:在区间(0,2)上,根据确定的分割策略,选取分割点的值作为松弛因子来计算相应的SOR迭代次数,将小于预设的SOR迭代次数阈值的松弛因子作为最优解返回,例如二分比较法、黄金分割法、逐步搜索法等,其缺陷在于不易找到全局最优松弛因子且对参数依赖较大。为克服传统策略解决该问题的不足,受粒子群优化算法及其在不同场景成功应用的启发,提出利用基本粒子群优化算法(bPSO)、简化粒子群优化算法(sPSO)、带极值扰动粒子群优化算法(tPSO)和带极值扰动的简化粒子群优化算法(tsPSO)来搜索SOR迭代法最优松弛因子。通过对两个不同的线性方程组的实证测试,验证了四种算法在选取SOR最优松弛因子问题上的有效性。

基于量子多目标优化算法的回焊炉炉温设计

电路板焊接中心点的温度走势间接地反映了焊接质量,炉温曲线的优化设计对提高电路板焊接质量有着举足轻重的作用.文中运用傅里叶定律和集总参数法,建立反映电路板焊接中心温度变化的非稳态导热模型,并在满足制程界限和工艺要求的约束条件下,以传送带过炉速度最优和加热因子最小为目标,采用量子多目标粒子群算法(quantum multi-objective particle swarm optimization,QMOPSO)进行优化求解,获得了各温区的最优温度和电路板的最大过炉速度,并得到了最优炉温曲线.结果表明,优化后的电路板过炉速度为95.55 cm/min,接近速度上限,加热因子最小值为1 753.04,炉温曲线整体呈现先上升后下降的趋势,峰值温度为240.01℃,接近温度制程界限下限,该结果为电路板等电子器件焊接工艺的实际工程应用和提高焊接质量提供参考.

带收缩因子粒子群优化算法对热轧负荷分配的优化

为提高实际生产中的热轧带钢质量及生产效率,建立了兼顾负荷均衡和板形最优的负荷分配模型,采用传统经验法对负荷进行初步分配,并在基本粒子群优化算法中引入收缩因子,提出基于带收缩因子的粒子群优化算法,对初始分配结果进行优化。研究表明,与基本粒子群优化算法相比,收缩因子的引入能够有效地控制粒子的飞行速度,并改善粒子群优化算法的局部搜索能力,增强算法的收敛精度与收敛速度。函数测试结果显示,带收缩因子的粒子群优化算法在3类基准函数中的精度均为最优。负荷分配仿真模拟结果表明,该算法可以很好地满足轧制力和相对凸度的目标需求,体现了带收缩因子的粒子群优化算法的优越性与有效性。

一种基于改进QPSO的机器人路径规划算法

针对量子行为粒子群优化(QPSO)算法在移动机器人路径规划中出现早熟收敛的问题,提出一种基于聚集度因子和阶段变异策略的改进QPSO算法。根据目标函数计算粒子的适应度值,在压缩扩张因子中引入改进聚集度因子划分搜索阶段,利用分阶段变异策略更新个体位置,并对算法进行性能测试。实验结果表明,与FE-PSO算法相比,该算法具有较高的收敛精度与较好的稳定性。

基于APSO-LSSVM模型的导水裂隙带高度预测

为准确预测导水裂隙带高度,有效地预防煤矿开采中溃水安全事故,根据导水裂隙带相关理论研究和实测资料分析选取开采深度、煤层的倾斜角、厚度、硬度、岩层结构等8项指标作为导水裂隙带高度预测的特征指标,采用基于因子分析的APSO-LSSVM导水裂隙带高度预测模型.利用典型矿区导水裂隙带高度实测资料中的18组数据对该模型进行训练与检验,并将其预测结果与PSO-LSSVM、LSSVM模型预测结果分别进行比较.结果表明:APSO-LSSVM模型的预测精度高于PSO-LSSVM模型和LSSVM模型,对样本具有较强的识别能力.

QPSO算法和罚函数在代谢通量评估中的应用

针对代谢通量的评估问题属于带约束的优化问题,提出了使用罚函数(penalty function,PF)的量子粒子群优化(Quan-tum-behaved particle swarm optimization,QPSO)算法来解决上述问题,通过处罚约束条件建立单一的目标函数,把带约束的化学计量转换成无约束的,然后使用QPSO算法最小化内部代谢通量。算法可用于评估谷氨酸棒杆菌(Corynebacterium glu-tamicum)的内部代谢通量,实验结果表明,提出的算法能够以较快的收敛速度找到较好的接近最优点的量化值。

基于自适应罚函数的QPSO算法的代谢通量评估

针对代谢通量评估问题属于带约束的优化问题,其目标函数是一个非线性、不可微的并且存在多个局部最小点的复杂函数,提出了使用自适应罚函数的量子粒子群优化算法来解决这个问题。通过自适应罚函数的方法解决约束条件,然后使用QPSO算法最小化内部代谢通量。用此算法评估谷氨酸棒杆菌的内部代谢通量并与传统的优化算法来比较,实验结果证明了该算法的可行性和有效性。

QPSO算法在FIR数字滤波器频率抽样法设计中的应用

介绍了量子粒子群算法在有限冲击响应数字滤波器频率抽样法设计中的应用,给出了算法实现的具体实施步骤,并结合低通和带通滤波器设计的两个例子验证该方法的有效性和先进性。

基于组合积分过程的自适应控制算法研究

组合积分系统广泛存在于钢铁、石油化工、食品加工、打叶复烤、矿物处理等现代工业生产过程中,传统将被控对象简单通过一阶Pade近似设计控制器的方法已无法满足更高精度的控制要求,且基于组合积分控制器的设计仍停留在非自适应控制的阶段;研究根据组合积分系统对象特性,利用带遗忘因子的递推最小二乘算法、相关性分析算法以及粒子群优化算法首次提出并设计了组合积分自适应控制器,并通过系统仿真验证了组合积分自适应控制算法的非线性在线跟踪能力、抗干扰特性以及鲁棒性,取得了理想的控制效果;组合积分自适应控制器的设计思想也可应用于其他低阶时滞系统的自适应控制过程中,只需将广义目标过程G0按组合积分模型设计即可实现;因此,组合积分自适应控制器对于提高传统时滞系统自适应控制器的控制精度有着广泛的意义,并且在带有时滞环节的工业过程自适应控制研究中有极大的应用价值。