基于离散粒子群算法的管道保温结构优化研究

针对目前管道保温结构优化算法不稳定、结果优化程度不高的问题,建立以经济效益为目标函数,以满足国家散热损失标准等条件为约束函数的离散型数学模型。以BPSO算法为基础改变其位置更新规则,防止种群进化失效;采用自适应权重增加粒子的全局和局部搜索能力;充分利用模拟退火算法的思想避免出现早熟现象。应用改进的算法分别对普通蒸汽管道和核电站的蒸汽管道进行系统仿真实验。结果表明,该算法能够在满足国家散热损失标准等条件下取得最优解,可以为管道保温结构提供合理的优化方案。

基于离散粒子群算法的电力芯片电路运行参数优化

电力芯片电路运行中受到不确定因素的干扰,信噪比较低。为此基于离散粒子群算法提出了一种新的电力芯片电路运行参数优化方法,分析输出功率和发电功率,根据计算结果得到目标函数,确定离散粒子群的分布状态,平行转换最优粒子,建立参数序列,构建电力芯片电路运行参数优化模型,提取运行参数特征,二次优化调试数据,剔除异常数据,建立离散阵列模型,通过数据扫描实现参数优化。实验结果表明,所设计方法在面对连续运行电路数据和随机电路数据时,具有极好的优化效果,平均绝对值误差低于0.10,均方根误差低于0.20,信噪比较高,具有较好的效果。

基于小生境离散粒子群算法的不规则排样优化策略

针对目前二维不规则排样算法中存在的问题,提出一种基于小生境离散粒子群算法的二维不规则排样算法。该算法模拟两个相对独立的粒子群,两个粒子群并行进化,并在每迭代一次后相互交流信息,具有很强的全局搜索能力。实验结果表明,该算法在求解二维不规则排样问题时可以大幅提高板材的材料利用率,具有实际应用价值。

基于动态搜索策略离散粒子群算法的稀疏阵列约束优化

针对目前稀疏阵列优化算法搜索策略单一和适用范围受限问题,对离散粒子群(Discrete Particle Swarm Optimization,DPSO)算法进行改进,提出了一种基于多种融合的综合粒子学习策略的算法,用其设计具有多个约束条件的稀疏平面阵列.该方法在粒子速度更新时使用基于小生境的分散解集合替换群体最优解,以形成高多样性种群.为了增强后期局部收敛性,在适时启动局部变异策略,利用变异概率自适应地调整粒子位置,并通过两个观测参数监控其运动状态.经典函数测试和平面稀疏阵列数值仿真结果证明了算法的有效性和鲁棒性.相同仿真条件下,相比于现有三种算法,该算法峰值旁瓣电平(Peak Side-Lobe Level,PSLL)分别降低了8.45%,6.77%和8.27%.

UFMC系统基于改进离散粒子群的峰均比抑制算法

针对通用滤波多载波(UFMC)系统中相同相位信号叠加而引起的峰均比(PAPR)过高的问题,提出一种基于改进离散粒子群(IDPSO)的峰均比抑制算法。该算法在离散粒子群(DPSO)算法的基础上,引入一种对控制参数分段线性调整的改进方式,提升了算法的搜索性能。将改进后的离散粒子群算法与部分传输序列(PTS)相结合形成IDPSO-PTS算法,并对每个子块进行加扰。所提算法在规定迭代次数内搜索最佳的相位因子组合,以降低UFMC系统的峰均比。仿真结果表明:IDPSO-PTS算法与原始UFMC相比,PAPR可降低3.5 dB;与DPSO-PTS算法相比,PAPR可降低0.2 dB;存在大量候选相位因子组合时,IDPSO-PTS算法与PTS技术相比可显著降低计算复杂度。

基于带约束粒子群的电容层析成像图像重建算法

粒子群工作时系统的鲁棒性很高,有助于解决图像重建的病态问题。但是,重建图像的像素较大,导致粒子维度较大,粒子在寻优过程中很难达到最优解。为了解决这一问题,对粒子的位置加入约束条件,以Tikhonov正则化图像重建算法成像作为粒子位置参考,约束粒子在Tikhonov正则化算法重建图像的一定范围内搜索,并用罚函数求解,提高粒子搜索速度;粒子群的惯性权重采用线性递减权值,从而实现惯性权值的自适应动态调整,提高算法的灵活性;将混沌算子加入粒子群位置搜索过程中,当粒子陷入局部最优时,混沌变量在一定范围内波动,降低最优解的错失率。仿真实验结果表明,与传统的LBP算法和Tikhonov算法相比,改进的粒子群算法的电容层析成像图像重建更精确,效率更高。

基于改进量子粒子群优化算法的机器人逆运动学求解

针对工业机器人在逆运动学求解过程中存在的位姿奇异、解不唯一、求解精度低等问题,提出了一种改进量子粒子群算法。首先,利用D-H参数法建立机器人运动学模型,以机械臂末端最小位姿误差为主要优化目标,加入运动前后关节角变化最小、行程平稳连续的约束条件,设计了目标函数;其次,通过采用Levy飞行策略改进粒子更新方式、非线性地动态调整收缩膨胀因子、采用变权重方法计算最优平均位置等方法设计了一种改进量子粒子群优化(IQPSO)算法;然后,模拟单点位姿和连续轨迹两种不同的求解情况进行三种算法(IQPSO、APSO、QPSO)的仿真对比实验,结果表明IQPSO算法具有收敛速度快、求解精度高等优点;最后,将IQPSO算法用于机械臂本体进行实物验证,实验结果表明IQPSO算法求解出的插值点所组成的轨迹连续且平滑,进一步证明了该算法应用于实际运动控制中的稳定性和可行性。

改进粒子群算法在柔性车间调度问题的研究

为了减少柔性作业车间调度问题加工时间,通过前景理论构建柔性作业车间加工满意度数学模型,以降低加工时间为目标,设计了一种惯性权重幂函数调节的改进粒子群算法(PPSO),该算法惯性权重能够幂函数自适应调节,学习因子能够发生相应的递减或递增变化平衡算法的全局探索和局部开发能力。选取BRdata与Kacem经典算例,通过与人工免疫算法(AIA)和整合模拟退火算法(ISA)的进行仿真比较,PPSO加工时间较短;在工件数J=25、可用机器数M=16、迭代次数600情况下比较BRdata算例,PPSO加工时间相较AIA、ISA算法分别缩短了21.61%和4.32%,验证结果表明PPSO算法在柔性车间调度问题中降低产品加工时间的有效性。

不同类型粒子群算法对传递函数辨识仿真研究

为解决传递函数的辨识效率问题,通过粒子群优化算法对系统传递函数进行参数辨识,寻找参数的最优解.文章利用基于粒子群优化算法辨识传递函数、带极值扰动粒子群优化算法和惯性权重混沌粒子群优化算法,分别对不同类型的传递函数(一阶惯性、二阶惯性、一阶惯性加滞后和积分惯性加滞后)进行仿真验证.结果表明,改进后的ePSO算法和iPSO算法比bPSO算法具有更好的系统传递函数辨识效果.

屋型拓扑粒子群优化算法与工程优化问题求解

针对粒子群优化算法在优化复杂工程问题时存在搜索效率低和易陷入局部最优的问题,提出一种屋型拓扑粒子群优化算法.该算法通过提出屋型拓扑和设计适应其特性的位置更新策略,改善粒子群优化算法信息传递和交流方式,提升算法的收敛速率和全局优化能力.在基准函数上的对比实验结果表明,屋型拓扑粒子群算法的寻优精度、收敛速度和稳定性均优于其他4种改进算法.在3个实际工程优化问题上的仿真实验结果进一步验证了该算法的有效性和实用性.

基于离散粒子群算法的光伏微电网储能容量优化配置

传统储能容量配置策略为确保微电网运行的稳定性,在一定程度上增加了冗余投资,为此提出基于离散粒子群算法的光伏微电网储能容量优化配置。通过蓄电池组与超级电容器的工程模型,获取光伏微电网储能装置的工作特性,以容量配比最优、投资成本最小为目标构建储能容量优化配置模型,并引入离散粒子群算法求解模型,获得最优储能容量配置结果。实例分析结果表明,对于蓄电池组与超级电容组成的储能装置,该方法在满足输出功率平衡的基础上,给出了一个最优容量配比和最强经济效益的容量优化配置方案。

基于粒子群算法的高炉炼铁工序优化技术

为实现对高炉炼铁工序的优化,提高产出生铁的合格率,提出了基于粒子群算法的高炉炼铁工序优化方法。将高炉炼铁生产单位的经济性需求作为函数构建目标,构建基于冶炼时间层面、成本层面的优化目标函数。引进粒子群算法,通过设计初始化迭代粒子,进行高炉炼铁过程中不同环节或不同工序工艺参数的优化,实现对最优加工生产参数的设计。基于多目标角度,进行目标函数最优解之间的协调化处理,完成基于多目标的工序优化设计。以某地区大型高炉炼铁生产企业为例,进行对比实验。实验结果证明,相比传统方法,在实际中应用优化方法,不仅可以提高炼铁过程中的高炉利用系数,还可以提高生铁合格率。

基于改进粒子群算法的输电线路舞动断线概率预测研究

【目的】为了解决冰风暴灾害下输电线路舞动断线问题,提出了基于改进粒子群算法的输电线路舞动断线概率预测模型。【方法】首先,采用改进粒子群算法确定输电线路在冰风暴灾害下风荷载与冰荷载的广义极值分布参数;其次,根据输电线路舞动的起舞风速和覆冰密度求取舞动情况下线路冰荷载和风荷载的极值分布。【结果】在此基础上,基于二元t-Copula连接函数计算线路舞动时风荷载和冰荷载的联合概率分布,实现了线路舞动断线的概率预测。【结论】结合湖南冬季输电线路舞动断线的历史数据,验证了改进粒子群算法的优越性和该模型的准确性,为输电线路舞动预报和指导线路提前部署防舞动措施提供了依据。

粒子群算法迭代无人机反制技术研究

本文针对小型无人机入侵问题,设计了一套以察打一体无人机为主要平台的无人机反制系统。该系统充分发挥小型无人机的高机动性,通过多种传感器对入侵无人机进行定位并构建其运动模型,建立适应度函数计算其追踪路径的综合代价值,结合粒子群算法求解其最小代价值,得到察打一体无人机的最优追踪路径。该项设计包含定向次声波、智慧机场等多种技术,可以在各种地形与天气条件下,实现对较大范围内出现的入侵无人机进行全机型、全天候、全自动快速反制。

花粉授粉机制在改进粒子群算法研究

针对柔性作业中多目标优化问题,首先构建多目标任务满意度数学模型,该模型以最小加工时间、最低制造成本和最短运输时间为目标,去量纲操作后利用几何平均法求解综合满意度评价值。然后,提出一种改进的粒子群算法(LFPSO),该算法为平衡算法全局和局部搜索能力,惯性权重采用幂函数自适应调节,为改变粒子群前期的搜索性能,在惯性权重中加入了Logistic混沌映射丰富粒子多样性,为平衡全局搜索能力与局部搜索能力,引入花粉授粉机制作为全局搜索阈值。最后,将LFPSO算法与其他算法进行仿真对比,结果验证了LFPSO算法具有良好的性能及解决柔性作业多目标优化问题的有效性。

基于自学习迁移粒子群算法及高斯罚函数的无功优化方法

针对粒子群算法在求解无功优化问题时存在早熟收敛,易陷于局部最优的现象,提出了自学习迁移粒子群算法(self-learning migration particle swarm optimization,SLMPSO)。该算法在采用混沌序列对粒子群进行初始化操作,基于云模型理论的X-条件云发生器对粒子的惯性权重进行自适应调整的基础上,引入一种迁移操作,以引导全局最优粒子的飞行方向,解决粒子群后期朝单一进化方向进化的问题,有效地增强了算法的全局寻优能力。针对电力系统无功优化中的离散变量归整问题,首先将离散变量完全化为连续变量进行迭代求解,在寻求至全局最优解后引入高斯罚函数对离散变量进行归整操作。以网损和电压偏离最小为目标,对IEEE标准30节点算例进行仿真计算,验证了所提算法的有效性和可行性。

带有罚函数的无线传感器网络粒子群定位算法

无线传感器网络是一种没有基础设施的无线自组织网络,它在军事、环境检测和智能家居等诸多领域具有广泛的应用.在无线传感器网络的绝大多数应用中,只有当节点和被感知的物体的位置是可知的,节点获得的信息才有意义.因此,节点定位技术是无线传感器网络的关键技术之一.近年来,粒子群优化算法(particle swarm optimization,PSO)等智能算法被用于无线传感器网络节点定位技术的研究.在粒子群优化算法定位技术研究的基础上,提出的带有罚函数的无线传感器网络粒子群定位算法(particle swarm optimization with penalty function,PSOPF)利用罚函数来加快算法的收敛速度和提高定位算法的定位精度.实验结果表明,和原有的PSO定位算法相比较,PSOPF算法具有更高的定位精度和更快的收敛速度.

基于种群熵偏移平均加权的改进量子粒子群算法

量子粒子群算法具有更好的全局搜索能力,被视为对粒子群算法极为有效的改进,然而其运行过程中仍存在种群多样性衰减问题。为进一步提升量子粒子群算法的全局寻优能力,在基于加权平均最优位置的量子粒子群算法的基础上,提出了基于种群熵偏移平均加权的改进量子粒子群算法,将种群熵与加权范围中心偏移值进行动态关联,有效增强了算法搜索空间的遍历性,避免了算法早熟收敛。应用常规测试函数,与传统粒子群算法、量子粒子群算法和加权量子粒子群算法进行了对比分析,证明了文章提出的改进算法的有效性。

基于粒子群优化算法和动态调整罚函数的最优潮流计算(英文)

在电力市场环境下,诸多问题(例如实时电价,网络阻塞等)都需要最优潮流作为理想的工具。本文应用了一种简单有效、且收敛性很好的演化计算算法——粒子群优化算法(PSO)进行最优潮流问题的求解。在求解过程中,根据约束条件的越界量大小,动态的调节其罚函数,避免其收敛到局部最小点。应用此算法对IEEE30节点系统进行最优潮流计算,并且与线性规划和遗传算法进行了比较,结果表明该算法能够更好的获得全局最优解,具有实用意义。

基于粒子群算法与混合罚函数法的有限元优化反演模型及应用

岩土工程优化反分析是一个典型的复杂非线性函数优化问题,采用全局优化算法是解决这个问题的理想途径。针对常规反演方法应用于岩土工程参数反演时搜索效率低的缺点,结合粒子群算法和遗传算法的特点,充分考虑二者的互补性,提出一种效率较高的全局优化算法,以测点的实测值与计算值建立一种新的评价函数,将多目标优化问题转化为单目标优化问题,用混合罚函数法将约束问题变为无约束问题,构建了一种新的目标函数,将有限元程序ABAQUS作为一个模块嵌入到优化算法程序中,编制了有限元优化反演分析程序。并给出了应用实例验证了该法的有效性和实用性,是一种可行的参数反演方法,可应用于实际工程中复杂岩土介质初始应力场反演、渗流场以及位移反分析。