基于改进微粒群算法的火力分配

火力分配的要旨在于找到最优方案,充分发挥防空武器效能。文中给出了防空火力分配模型,提出一种改进型微粒群算法,并运用各种算法在计算机上进行了实例仿真,结果表明改进微粒群算法具有出色的时间性能和较高的收敛精度。该算法也同样适用于其他NP问题。

基于改进微粒群算法的移动传感器网络自组织

针对移动传感器网络中节点的自组织问题,建立了一种传感器网络自组织模型,并做出了一些假设。分别讨论了当一簇传感器数量较多和较少两种情况下,应用改进微粒群算法进行网络节点自组织的不同,并在此基础上,提出了基于改进型微粒群算法的网络节点的自组织方法。仿真实验结果表明,能够使一簇传感器较快地进行自组织,使得其覆盖区域逐渐扩大。

基于改进微粒群算法的飞机纵向飞行轨迹优化

为提高飞机纵向飞行轨迹优化的精度和收敛速度,提出了用改进的微粒群算法对飞机纵向飞行轨迹进行优化的新方法。基于质点动力学和能量状态方程,建立了飞机质点运动数学模型;利用庞特里亚金最小值原理,给出了飞机纵向飞行过程优化的目标方程;引入自适应惯性因子,采用罚函数法对轨迹寻优问题进行无约束化处理,基于改进的微粒群算法对纵向飞行轨迹进行了优化,并给出了算法优化流程。使用改进的微粒群算法,得到了Boeing 737-800飞机纵向飞行最优轨迹。优化结果与试验结果的比较表明,该算法可使纵向飞行轨迹快速收敛于最优解,算法具有收敛速度快、精度高的优点。

基于改进微粒群算法的永磁同步电动机速度控制器优化设计

基于改进微粒算法进行永磁同步电动机速度控制器参数优化,其速度控制器具有输出饱和环节和anti-windup补偿环节。其优化算法采用指数型综合满意度函数作为其适应度函数。仿真和实验结果证明,该算法具有全局寻优能力强、收敛速度快和实现简单等特点。

应用改进微粒群算法求解QoS路由技术问题

高速多媒体网络中的路由问题是有QoS约束的路由问题,多受限的路由问题是一个NP完全问题。本文提出了一种解决多受限QoS路由问题的改进微粒群算法。该算法利用记忆库来动态调整惯性权重值,加快了算法的收敛速度。同时结合进化、灾变机制避免了算法陷入局部极值的问题。在列出改进算法的具体步骤基础上,通过实例证明了算法的有效性,使多受限QoS路由优化问题很好地得到了解决。

动态环境下几个改进微粒群算法的性能比较

微粒群算法是一种模拟动物群体行为的随机优化算法,而且已经提出了许多改进策略,然而,受各种不确定因素的干扰,现实世界中很少有系统是静态的,因此动态优化问题的研究更具有实际的工程意义。为此,在动态环境下,用最近提出的两个改进微粒群算法同标准微粒群算法以及其他两个高性能的改进微粒群算法进行性能比较和分析。通过比较,本文得出在不同的动态环境下,不同的算法表现出了相异的特点。

基于改进微粒群算法的梯级水库群优化调度

为了进一步增强微粒群算法的优化性能,提出了一种改进微粒群算法,并将其用于求解梯级水库群的优化调度。该算法引进了类似遗传算法的交叉和变异算子来提高搜索效率,其中交叉是微粒在解空间中的位置以一定的概率随机进行算术交叉,变异是微粒以一定的概率随机使速度矢量的某一维分量变为0。为了加速收敛,初始微粒群生成时采用了有条件的随机自动生成方式,并利用惩罚函数法来处理边界条件和其它非等式约束。实例计算结果表明,改进微粒群算法具有比常规动态规划法和常规微粒群算法更快的计算速度,且优化调度结果比较满意。

基于改进微粒群算法的建设项目多目标动态优化

针对建设项目的复杂性和动态性,建立基于改进微粒群算法的多目标动态优化模型.首先,为提高算法性能,引入外部归档集和阈值并构建基于理想点法的适应度函数;其次,分别建立工期模型、加入系统可靠度的质量模型以及加入费用现值的成本模型,由其得到综合优化模型;最后结合工程实例对算法进行验证并与非劣分类遗传算法(NSGA-Ⅱ算法)对比.结果表明:方法比NSGA-Ⅱ算法的优化结果更科学、收敛速度更快.

基于改进离散微粒群优化算法的混流装配线多目标排序

产品投产排序是混流装配线有效运作的关键,它是标准微粒群算法无法直接应用的离散空间问题。提出改进离散微粒群优化算法来解决混流装配线多目标排序问题。提出了适应离散编码的粒子位置编码方式,有效避免了不可行解的产生,提高算法效率。引入了动态参数及自适应逃逸机制增强了粒子的多样性和搜索性能。分析了装配线参数变化对目标函数和相应投产序列的影响,并确定出了能够获得最优解的合理参数范围。提出评价指标对改进离散微粒群优化算法与基本离散微粒群优化算法进行了对比,对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散排序问题,是一种高效的混流装配线排序算法。改进微粒群优化算法与遗传算法的仿真实验对比显示了提出方法在混流装配线排序问题中的优越性。

混流装配线排序的改进离散微粒群优化算法

提出在离散空间用一种改进的微粒群优化算法来解决混流装配线的多目标排序问题,考虑两个目标:总生产变化率最小和总闲置-超载时间最小,并对两个目标函数进行了规范化处理以消除量纲的影响。在基本的微粒群算法基础上,提出了适应离散编码的粒子位置编码方式,引入了动态参数方法来提高算法的搜索性能和收敛能力。对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散问题并保持了基本微粒群算法的优良性能,是一种性能较好的高效的混流装配线排序算法。

应用改进型微粒群算法优化语言模型

语言模型具有很好的可理解性特征,但在多数情况下,其精确性是难满足要求的.本文利用改进型微粒群算法(MPSO)优化输入变量的语言值及对应的正交模糊集参数,再应用Wang方法以形成语言模型,在保持可理解性情况下,获得较精确的语言模型.改进型微粒群算法采用惯性权重自适应动态调整策略,结果显示该改进算法在语言模型过程中更容易获得全局最优解,学习效率和优化性能明显提高.

基于改进二进制微粒群算法的供应链信息共享伙伴选择

针对供应链中信息共享伙伴的选择问题,综合考虑成本,价值,可靠性等因素,建立了信息共享伙伴选择的多目标决策模型;以最小化总成本,最大化总价值和总可靠性为目标,给出一种改进的二进制微粒群优化算法对模型进行求解。改进的算法通过合理设置惯性权重和学习因子,克服了原有算法的进化后期收敛速度慢和易陷入早熟收敛的缺陷。通过算例分析表明了模型的价值和改进后算法的有效性和优越性。

改进型微粒群算法语言模型的研究

语言模型具有很好的可理解性特征,但在多数情况下,其精确性是难满足要求的。利用改进型微粒群算法优化输入变量的语言值及对应的正交模糊集参数,再应用Wang方法以形成语言模型,在保持可理解性的情况下,获得较精确的语言模型。改进型微粒群算法采用惯性权重自适应动态调整策略,结果显示该改进算法在语言模型过程中更容易获得全局最优解,学习效率和优化性能明显提高。

基于粒子群改进算法的信息系统外包组合决策模型

针对外包项目优选决策涉及到成本和效益这两类相互冲突的评价准则,提出了多准则妥协解排序法与投影寻踪模型相结合的组合决策模型,进行外包项目的优先排序。鉴于该模型求解属复杂非线性优化问题,常规方法难以直接处理,建立了微粒群改进算法,进行全局寻优。决策过程中去掉了主观确定权重的步骤,避免了人为因素的干扰,实现了完全由数据驱动的外包项目选择。通过实例证明了模型和算法的有效性和实用性。

改进PSO算法及其在函数优化中的应用

针对微粒群算法PSO(Particle Swarm Optimization)应用于函数优化存在的问题,提出一种加入了梯度信息改进的微粒群算法.微粒群算法用于函数的优化,具有简单、效果好等优点.但是研究也表明该方法也存在着一些缺点,如计算时间较长、容易陷入局部最小等,这是由于算法本身的随机性决定的.梯度法是传统的优化方法,典型的特征是在确定优化解的方向时遵循梯度下降原则,因此在寻找优化值时方向比较确定,可以减少优化时间.为了克服PSO的缺点,在标准PSO优化策略中引入梯度原则,设计了一个具有梯度指导的PSO算法.现将改进的PSO算法应用于函数的优化,并与标准PSO算法的效果进行了比较.函数优化实验的结果表明,改进的PSO算法提高了标准PSO算法的收敛时间.

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法(improved particle swarm optimization,IPSO)。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。

应用IPSO的无线传感器网络分簇路由算法

在基于分簇的无线传感器网络中,网络是通过附近传感器节点在转发信息到目的节点前进行冗余数据的融合实现节能,从而延长了网络的生命周期。但现存的算法在选择簇首节点的过程中由于忽略了邻居节点的状态信息,容易导致簇内节点过早出现盲节点的现象。进化类算法已经成功应用于许多方面,微粒群算法就是其中之一。提出了一种基于改进型微粒群算法的无线传感器网络分簇路由算法来优化分簇过程。簇首节点的选取综合考虑候选节点和邻居节点的状态信息。仿真结果表明算法的性能得到了较好的改善,并延长了网络的生命周期。

改进协同微粒群优化的模糊神经网络控制系统设计

针对协同微粒群算法不能保证收敛到局部或全局最优值的问题,提出一种改进协同微粒群算法(ICPSO),并证明了该算法能以概率1收敛于全局最优解.应用ICPSO建立一类非线性对象的神经网络辨识模型,并对系统的模糊神经网络自适应控制器的参数进行了离线和在线优化.仿真结果表明,ICPSO能提高系统的建模精度,增强模型的泛化能力,而且由ICPSO训练的控制器可以达到良好的控制效果.

基于ISPSO的半透明介质中多种辐射特性参数反演

半透明介质广泛存在于工业和化工设备中,其热辐射特性在研究介质传热过程中起着重要作用。本文提出了一种改进的随机粒子群优化(Stochastic particle swarm optimization,ISPSO)算法,从角度光散射测量信号中反演半透明介质的热辐射特性参数,即吸收系数、散射系数和不对称系数。研究结果表明,与随机粒子群算法(Stochastic particle swarm optimization,SPSO)相比,ISPSO算法避免了局部最优和收敛精度低的现象,即使在5%的随机测量误差下也能获得合理的检索结果。当只需要研究两个参数时,反结果的鲁棒性是令人满意的。当反演的参数较多时,反演精度会降低。此外,在5%随机测量误差下,同时反演多个辐射特性参数时,即吸收系数、散射系数和不对称因子,本文提供的方法仍能得到满意的结果。结果表明,本文提供的反演方法是一种有效可靠的方法,可以同时估计半透明介质中的多个辐射特性参数。

风电场风速概率分布参数计算新方法

风能资源评估关系到风电的经济性和开发价值,一个地区的风速概率分布是该地区风能资源状况的最重要指标之一。在认为风电场风速服从双参数韦布尔(Weibull)分布前提下,为了提高参数计算精度,从智能化的角度提出尝试采用改进的微粒群算法对Weibull双参数进行建模和优化。由此参数估算能直接反映出风能资源特性的风能特征指标,与由常规最小二乘法、丹麦WAsP软件以及历史风速数据序列所计算的结果相比,实验表明该方法拟合精度更高,更接近实际风速状况,为风电场规划设计提供了更具价值的参考。