基于混合遗传粒子群算法的混沌系统参数估计

针对粒子群算法容易出现"早熟"的缺点,提出了一种改进的混合遗传粒子群(hybrid genetic particle swarm optimization,HGPSO)算法。在粒子群算法的迭代中引入淘汰机制,将满足淘汰条件的粒子与当前适应度最优的粒子进行多后代择优交叉和一定概率的变异操作,以期得到适应度更优的新粒子,代替被淘汰粒子。通过对4个典型函数的测试表明,该算法能够有效地克服"早熟"现象,提高了全局寻优的能力。将改进的算法用于Lorenz混沌系统的参数估计。仿真结果表明,即使在加入测量噪声的情况下,该算法仍能够对系统的未知参数做出有效的估计。

基于混合遗传粒子群算法的民航宽体客机腹舱装载优化

在双重优化目标下构建民航宽体客机腹舱装载模型,使用混合遗传粒子群算法进行优化,将混合遗传粒子群算法和粒子群算法与遗传算法的优劣进行测试比较,结果表明混合遗传粒子群算法综合了遗传算法全局搜索能力强和粒子群算法搜索速度快耗时少的优点.对腹舱装载优化模型和算法进行实证算例求解,优化结果显示装载行李时集装器的空间利用率可达95.2%,装载货物时3个集装器的空间利用率也均在80%以上,最高可达91.6%,证实了混合遗传粒子群算法在解决民航宽体客机腹舱装载问题上的优越性.

基于可拦截因子和HGAPSO算法的火力分配模型研究

火力分配作为集群目标来袭防御任务规划的关键环节,对提高防御效果具有重要意义。针对高炮反无人机的火力分配问题,将高炮性能指标约束和转火时间约束转化为可拦截因子,提出一种基于可拦截因子的高炮反无人机火力分配模型,减小非线性约束转化为惩罚函数带来的计算量及误差,进而提升整体效能。基于此模型,针对来袭目标与火力节点之间的火力优化匹配问题,采用改进混合遗传粒子群算法(Hybrid GA and PSO,HGAPSO)优化算法对模型进行最优值求解。仿真试验结果表明该模型合理有效,HGAPSO算法有较高的收敛精度和较快的收敛速率。

考虑不确定能耗和个性化客户需求的电动冷藏车辆路径优化

在国家“双碳”战略下,采用电动冷藏车替代传统燃油车,开展城市冷链配送是大势所趋.电动冷藏车配送作业易受诸多不确定因素的影响,导致电能消耗难以精准估算.如何在能耗不确定条件下确保车辆电池续航里程能完成配送任务,并满足客户对产品新鲜度和个性化时间窗的需求,是电动冷藏车辆路径优化面临的挑战.本文借助车辆纵向动力学模型和微分方程及鲁棒优化理论分析了电动冷藏车配送作业中的能耗影响因素,如电池续航能力限制、能耗不确定性、产品新鲜度和客户软时间窗约束等,及其产生的各项成本,构建了以总成本最小为目标的两阶段路径优化模型,并设计混合遗传粒子群算法对模型求解,最后以案例验证了模型和算法的有效性.

低碳视角下阳逻港集装箱多式联运路径优化

本文以阳逻港集装箱多式联运为研究对象,构建了以成本、时间及碳排放量多目标多式联运路径优化模型。采用混合遗传粒子群算法求解多目标函数,通过MATLAB 2018a编程得到结果,得到从阳逻港到上海港的最优路径,从阳逻港到黄石采用铁路运输,黄石到芜湖采用水路运输,芜湖到上海同样也采用水路运输,不仅仅使得运输成本降低,而且碳排放量也相对较低,同时也得到,阳逻港港区让铁路进港,这样可以大大地提高运输效率,使得阳逻港有比较良好的竞争力。

基于PSGA的电动汽车动态无线供电系统优化布局

随着电动汽车动态无线供电系统的不断发展,其较高的初始投资费用越来越引起关注。基于此,提出了一种基于粒子群的混合遗传算法(PSGA)的电动汽车动态无线供电系统规划方法。首先分析了车辆行驶特性及储能装置特性,而后以储能装置能量和供电导轨长度等为约束,以电动汽车动态无线供电系统投资成本最小化为目标,建立了电动汽车动态无线供电系统优化布局的数学模型。针对建立模型的复杂性,采用PSGA对该模型进行求解。该算法利用粒子群算法中保留个体经验信息的操作来改进遗传算法中的交叉操作,提升了算法的搜索效率和精度。通过对算例的分析,验证了所提方法的有效性。

考虑多类型产品新鲜度的生鲜配送路径优化

生鲜产品由于其特殊性,在配送过程中存在损耗。针对不同种类的生鲜产品,差异化新鲜度敏感系数,引入生鲜努力保鲜系数,构建生鲜产品新鲜度函数,同时考虑固定成本、运输成本、制冷成本、货损成本及时间惩罚成本,构建了生鲜配送路径优化模型。设计混合遗传粒子群算法进行求解,验证了模型的合理性及算法的有效性。对比不同的生鲜努力保鲜系数对各项成本的影响,得出综合成本最优的保鲜策略,为生鲜企业末端配送优化提供参考。

基于群智能算法的鲁棒飞行控制律参数优化

针对飞行控制律设计过程中由于名义模型和实际飞机之间的参数偏离所导致的不确定性问题,基于传统频域分析法、μ分析以及蒙特卡洛拉偏仿真分析,提出了一种控制律优化算法。该算法以控制系统的时域、复域、频域以及多输入多输出(MIMO)系统的μ值组合而成的不满足概率来构建代价函数,再通过混合遗传粒子群算法进行代价函数最值的迭代寻优,最终得到最优反馈控制增益参数。以某小型无人机横航向控制律为例开展分析和优化,结果表明优化后的控制律既能满足飞行性能响应指标要求,又具有满意的鲁棒稳定性,验证了该算法具有良好的优化作用。

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。

车用燃料电池系统建模及参数辨识

高效可靠的控制单元是燃料电池高性能、长寿命工作的关键,而一个可以准确描述燃料电池动态特性的系统模型则是控制策略实施的前提。针对燃料电池系统的空气供给系统,介绍了一种由阴极腔体和各辅助组件组成的集总参数动态模型,基于工况数据利用非线性最小二乘法对模型进行参数辨识;同时,建立燃料电池输出电压模型,采用混合遗传粒子群优化算法辨识电压模型参数,最终实验证明模型稳态输出误差在4%以内,可满足在线反馈控制应用。