标准粒子群优化算法的收敛性分析(英文)

研究标准粒子群优化算法在经验区域的各个子区域内的收敛和发散行为,分析系统特征根与算法参数的关系,得到一系列结论.数值仿真实验展示不同子区域内的算法参数对粒子位置和粒子速度运动轨迹的不同影响,进一步验证本文结论的正确性.

一种速度更快的粒子群优化算法

由于标准粒子群算法(SPSO)存在后期搜索效率太低的问题,提出了一种速度更快的粒子群优化算法(FPSO)。FPSO保留了SPSO前期的全局搜索能力,但改变了SPSO算法后期的搜索策略,使其迭代次数随当前适应度值的变化而自适应改变,从而提高了SPSO算法后期的计算效率。通过实验对FPSO算法中适应度函数的设计进行了讨论,并分析了FPSO算法的应用前景。仿真结果表明,FPSO算法在单峰、多峰和带约束条件的测试函数中都有良好的效果。

基于标准粒子群算法对热工模型的辨识

针对热工系统建模中的模型辨识问题,采用标准粒子群算法去辨识热工系统的模型;介绍了粒子群算法和标准粒子群算法的基本思想,以及利用标准粒子群算法进行系统辨识的基本原理与计算方法,并且利用Matlab数学工具对该方法在火电厂生产过程中蒸汽变化量对汽包水位的影响的传递函数,以及送风量和引风量变化对炉膛负压影响的传递函数的系统辨识进行了仿真研究,得到了这两个系统的数学模型,仿真结果显示所得的这两个数学模型与实际的现场数据有一定的吻合性,对火电厂热工系统的研究以及运行操作人员具有一定的指导意义。

标准粒子群算法在永磁同步电机参数辨识中的应用研究

高性能的伺服驱动器参数整定需要参考永磁同步电机的相关参数。针对表贴式永磁同步电机的多参数辨识,设计了一种基于标准粒子群优化算法的辨识方法。在基本粒子群优化算法的基础上,引入了随时间线性递减权值的策略。仿真结果表明该辨识方法能够准确辨识出电机的多个参数,辨识速度快,稳定性好,精度较高,具有良好的实用性。

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法;该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值;最后,将文章算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。

基于改进粒子群算法的PMSM多参数辨识

针对标准粒子群优化算法对永磁同步电机多参数辨识精度低与收敛慢的问题,设计了一种自适应自治群组粒子群优化算法进行辨识,并在Matlab/Simulink中搭建参数辨识模型。仿真结果表明:改进后的算法对永磁同步电机多参数辨识的整体精度更高,收敛速度更快。

带有动态爆炸半径的增强型烟花算法

为了解决烟花算法(FWA)在求解过程中对最优点不在原点或原点附近的目标函数寻优能力差的缺点,提出带有动态爆炸半径的增强型烟花算法(EFWA-DER)。通过改进算法的基本算子并加入爆炸半径动态调整的策略,以提高算法的优化性能。9个标准测试函数和4个偏移测试函数的实验结果表明,EFWA-DER比FWA和标准粒子群优化(SPSO2011)有更好的寻优性能。

Fermi架构下的SPSO算法加速

利用新的图形处理器架构重新评估利用可编程图形处理器加速标准粒子群优化算法的可行性和有效性.针对新的图形处理器架构进行系统分析,在此架构下实现了标准粒子群优化算法的并行版本.实验结果表明,通过合理运用新的图形处理器架构,与其他标准粒子群优化算法的并行版本相比,取得了良好的加速比.

等效线性化方法中系统参数求解的优化算法

等效周期和有效阻尼比的合理取值是保证等效线性化方法求解精度的关键。该研究利用在自振周期和阻尼比两维空间中的全局优化搜索手段,提出了一种确定等效线性化方法系统参数的标准粒子群优化算法。算例分析验证了优化算法求解的可行性。在保证系统参数合理取值的同时,标准粒子群优化算法的计算效率约为统计分析方法的2.0%,从而克服了统计分析方法在确定等效周期和有效阻尼比时计算量庞大的缺点。该文最后应用所提出的标准粒子群优化算法,以弹塑性非线性单自由度体系为具体的研究对象,分析并推导了等延性系数假定下其等效线性化方法系统参数的计算公式。