无人机安全路径规划的混沌粒子群优化研究

针对无人机(unmanned aerial vehicle,UAV)在存在多种威胁的三维环境下的安全路径规划问题,提出了一种改进的混沌粒子群优化增强算法(improvedchaotic,velocityand nonlinear decreasing inertia weight particle swarm optimization,IC-VANDIWPSO)。首先,建立一个具有地形约束和无人机性能约束的威胁环境模型,把路径规划问题转化为成本函数的优化问题。再利用IC-VANDIWPSO算法与约束的对应关系,高效搜索复杂的环境,找到安全性高且成本函数小的最优路径。仿真结果表明,IC-VANDIWPSO算法在收敛速度、初始化时间、路径平滑性以及稳定性等方面都具有显著的优势,获得了更优的路径。

动态调整概率的双重布谷鸟搜索算法

布谷鸟搜索算法是一种新兴的仿生智能算法,存在着求解精度低、易陷入局部最优及收敛速度慢等缺陷,提出了动态调整概率的双重布谷鸟搜索算法(DECS)。首先,在自适应发现概率P中引入了种群分布熵,通过算法的所处迭代阶数和种群分布情况,动态改变发现概率P的大小,有利于平衡布谷鸟算法局部寻优和全局寻优的能力,加快收敛速度;其次,在布谷鸟寻窝的路径位置更新公式中,采用了一种新型步长因子更新寻优方式,形成Levy飞行双重搜索模式,充分搜索空间;最后,在随机偏好游走的更新公式引入非线性对数递减的惯性权重策略,使得算法有效克服易陷入局部最优的缺陷,提高寻优搜索能力。与4种算法相比和19个测试函数的仿真结果表明:改进布谷鸟算法的寻优性能明显提高,收敛速度更快,求解精度更高,具有更强的全局搜索能力和跳出局部最优能力。

一种改进的粒子群算法在交通分配上的应用

针对粒子群算法收敛速度慢、求解精度低和算法在迭代后期容易陷入局部最优的问题,首先,采用仅以位置项来控制粒子进化方向的简化粒子群算法,以此避免粒子速度过大时导致的粒子发散的现象;其次,引入随迭代次数增加自适应改变的线性惯性权重来消除惯性分量的影响,同时引入莱维飞行策略来改变粒子位置以帮助粒子逃离局部最优;最后,通过四种测试函数对固定权重的粒子群算法、标准粒子群算法和改进算法的性能进行比较。实验证明,改进后的算法在收敛速度、精度和稳定性上都有所提升。在验证了改进算法的有效性后,使用改进后的算法求解单一OD对多路径路网的用户最优模型并与标准粒子群算法求解结果进行对比,改进后的算法求解结果更加稳定均衡,验证了算法的可行性。

一个新的动态约束因子PSO算法

根据带约束因子PSO算法,推导出认知因子c1、社会因子c2和惯性权重w之间应满足的关系.提出新的DCF-PSO算法,随着其中的惯性权重非线性递减,动态调整c1和c2值.通过Benchmark验证了改进后算法的高效性能.实验结果表明,算法表现优异.

基于CAPSO-ICA的DS-CDMA系统盲多用户检测

为解决DS-CDMA系统的多址干扰问题,提出了一种将自适应惯性权重的混沌粒子群算法与独立分量分析方法结合(CAPSO-ICA)的盲多用户检测算法。该算法首先将自适应的非线性递减惯性权重w和混沌运动引入到粒子群(PSO)算法中,有效地避免了传统粒子群算法易陷入局部最优的问题,从而使寻优结果更为准确。然后根据各用户相互独立这一特点,将改进的粒子群算法与独立分量分析方法结合起来进行盲多用户检测。仿真结果表明,在相同的条件下,相对于已有的FICA算法和PSO-ICA算法,基于CAPSO-ICA的盲多用户检测算法有更小的误码率,这说明改进算法的多用户检测性能更为优越。

改进PSO-BPNN算法在管道腐蚀预测中的应用

输油管道由于埋藏环境、运输介质等影响,随着使用年限增加,管道会逐渐出现腐蚀,常规的腐蚀管道剩余强度计算方法有公式计算和有限元分析(FEA)等。针对常规方法中公式计算准确性较低和有限元分析过于复杂的问题,提出了一种改进的粒子群算法优化的神经网络模型(IPSO-BPNN)来预测腐蚀管道剩余强度。首先,在传统粒子群算法的基础上,提出了一种新的非线性递减惯性权重用于快速更新粒子速度和位置,并引入了遗传交叉算子增加粒子的多样性,形成了改进的粒子群算法(IPSO);其次,采用IPSO算法对神经网络的权重和阈值进行优化,并使用优化后的权重和阈值初始化神经网络,建立了IPSO-BPNN模型;最后,在2个真实的管道测试爆破数据集上进行实验,分别使用线性回归(LR)、FEA、前馈神经网络(BPNN)、粒子群算法前馈神经网络(PSO-BPNN)以及IPSO-BPNN模型对腐蚀管道剩余强度进行预测,使用平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为评估模型预测性的指标。在2个数据集的测试集上的结果表明:IPSO-BPNN模型的MAE分别为0.525 4、0.718 5,MAPE分别为3.77%、2.68%,RMSE分别为0.672 6、0.947 2,3项指标较LR、FEA、BPNN和PSO-BPNN有明显提升。改进PSO-BPNN算法可以提高腐蚀管道剩余强度预测的准确性,可以为管道检查提供较为准确的依据。

基于改进粒子群算法的火炮内弹道多参数符合计算

为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一。在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c_(1)以及较小的学习因子c_(2),而在迭代后期有较小的惯性权重ω和学习因子c_(1)以及较大的学习因子c_(2),从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷。将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一。

基于改进粒子群算法优化模糊神经网络的炉膛结渣预测研究

为提高基于模糊神经网络的锅炉炉膛受热面结渣预测精度,提出了一种基于广义钟型隶属度函数非线性惯性权重递减调整策略的粒子群优化算法,通过适应度测试函数对比实验、结渣预测实验和预测稳定性分析对现有文献中线性惯性权重递减调整策略(LPSO)、指数型非线性惯性权重递减调整策略(IPSO)和基于广义钟型隶属度函数非线性惯性权重递减调整策略(GJPSO)进行对比分析。研究结果表明:本文所改进的粒子群算法可以有效地改善算法的早熟现象、平衡算法的全局和局部搜索能力、提高算法的收敛效果和稳定性。利用改进后的粒子群算法对模糊神经网络中的权值和阈值进行优化,提高了模糊神经网络的炉膛结渣预测性能。