粒子群优化鱼群算法仿真分析

针对标准粒子群算法(PSO)寻优多维多极值函数成功率低,基本人工鱼群算法(AFSA)收敛速度和精度有待提高等问题,提出粒子群优化鱼群算法(PSO-FSA).该算法将速度惯性、个体记忆和个体间交流等特征引入鱼群算法,使鱼群行为模式扩充至追尾、聚群、记忆、交流以及觅食.此外,定义参数max动态限定鱼群搜索的视野和步长.仿真分析表明,粒子群优化鱼群算法较两种基本算法而言具有更快的收敛速度和寻优精度.

基于人工鱼群和粒子群优化混合算法的侧铣刀轴轨迹规划

针对圆锥刀侧铣加工非可展直纹面的刀轴轨迹规划问题,采用两点偏置法确定初始刀轴矢量,为评价单个刀位,提出了单刀位下的误差度量函数,即刀轴上各点到非可展直纹面的距离与对应各点到圆锥面的距离差值的平方和最小。为解决每个刀位下的位姿寻优问题,提出了基于人工鱼群(AFS)和粒子群优化(PSO)混合算法的优化方案。仿真结果表明,所提方法在单刀位下的优化过程简单,结果精度高,优化后位姿集合形成的刀具包络误差小。

改进粒子群优化算法及其在聚类分析中应用

针对标准粒子群优化算法初期收敛速度快,后期容易陷入早熟收敛,局部寻优,全局搜索能力差等缺点,提出了一种新的鱼群-粒子群优化算法(AF-PSO)。引入拥挤因子d和马尔可夫链,将鱼群算法加入到粒子群优化算法中,通过计算拥挤因子,来更新速度模型,使其在觅食,聚群,追尾,随机4种模态下进行切换。仿真结果表明了所提出的AF-PSO算法的综合性能优于其他改进的PSO算法。为进一步说明算法的实用性,将AF-PSO算法成功应用于输油管道泄露数据的聚类分析上。实验结果表明基于AF-PSO的K-means算法性能是优于其他聚类算法。