粒群算法在雷达优化组网中的应用研究

为了利用有限的雷达资源对要求防御的区域进行合理、有效的布站,本文从雷达网要求的防御区域出发,依据各部雷达对防御区域覆盖的贡献,建立雷达网满足覆盖的连续性和严密性要求的最优目标函数,然后应用粒群算法对每部雷达随机产生一组粒子,在可行解空间中搜索各部雷达位置的候选解。同时,建立一协调器,协调各部雷达的候选位置,使整个雷达网的布站满足全局最优。仿真结果表明,该方法是有效、可行的。

交叉粒群算法在无人机航路规划中的应用

随着现代战场环境的日益复杂和作战范围的不断扩大,给无人机(unmanned aerial vehicle,UAV)执行空中侦察、监视、作战等任务带来了严重挑战。为了提高UAV的作战效率和生存概率,从UAV的威胁空间建模出发,根据战场分布的威胁区域,先利用威胁回避技术快速地给出一条从起始点到目标点的粗选航路;然后在此基础上,应用粒群算法和遗传算法中交叉和变异操作相结合的思想,对粗选规划航路进行全局优化,从而找出一条能确保自身安全并威胁代价最小的最优飞行航路。仿真结果说明,该方法是有效、可行的。

基于粒群算法和BP神经网络的煤电价格预测

由于煤电价格的波动受多种不确定因素的影响，且煤价和电价之间还存在非常复杂的耦合关系，它是一个典型的非线性系统，所以使用传统的方法来建立煤电价格的预测模型非常困难。针对这种情况，提出了一种基于粒群算法（PSO）和BP神经网络的煤电价格预测方法。采用PSO训练BP神经网络，不仅克服了BP神经网络算法易于陷入局部最优的缺点，而且可以提高网络的收敛速度和预测精度。结合煤电价格的历史数据，在Matlab平台上进行了仿真实验，验证了该预测模型的优越性。

基于粒子迁徙的粒群优化算法及其在岩土工程中的应用

受自然界物种迁徙的启发,提出了一种新的改进的粒群优化算法(MPSO)。算法初始化时,将粒子随机地划分为若干个子粒群,每个子粒群按照给定的策略独立演化,在演化中的指定时段进行粒子的随机迁徙和自适应变异,以保持整个种群的多样性,避免早熟收敛。基准测试函数的计算结果表明,MPSO算法的性能优于其他几种改进算法。堆石体幂函数流变模型,参数较多,具有很强的非线性,将MPSO算法应用到堆石体幂函数流变模型的参数反演中。计算结果表明,利用反演的流变模型参数计算的坝体流变变形与实测变形在发展规律和数值上均比较吻合,证明MPSO算法在多参数、强非线性的复杂模型参数反演中的优越性。

一种新的基于粒群优化的BP网络学习算法

标准BP学习算法是多层感知器的一种训练学习算法,是基于无约束极值问题的梯度法而设计的。针对标准算法存在的收敛速度慢、目标函数易陷入局部极小等缺点,该文提出了一种基于粒群优化的全新学习算法——粒群学习算法。该算法采用并行全局寻优策略,使网络以更快的速度收敛至全局最优解,且更易于编程实现。仿真实例证明,该算法是一种简洁高效的BP神经网络学习算法,有着极为广泛的应用前景。

使用稳态系统和粒群优化算法进行基因调控网络推断

基因调控网络模型试图从海量的时序基因表达数据中研究基因的功能,推断基因之间的调控关系,从而揭示复杂的病理现象和生命现象。通过利用时序基因表达数据来推断一个基于稳态系统(S-system)模型的基因网络,提出使用粒群优化算法(PSO)来优化模型参数,从而捕捉基因表达数据中的动力学特性。实验结果表明,该方法能够使模型参数快速得到收敛,配置参数后模型仿真能力好,可以较好地识别基因调控关系。

基于粒群优化的图像有序盲分离算法

针对图像的有序盲分离技术,提出一种基于粒子群优化的盲源抽取方法。该方法首先根据图像信号的高阶统计特性构造用于估计分离向量的目标函数,然后通过改进的粒子群算法优化该函数,获得最佳分离向量,并实现图像信号的逐次恢复。仿真实验结果表明,该方法不仅能依四阶累积量的绝对值降序地实现图像信号的盲分离,还能同时分离服从超高斯分布的语音信号和服从亚高斯分布的图像信号。

基于遗传粒群路径优化的网络拥塞控制方法

将粒群和遗传算法相融合,提出了基于遗传粒群路径优化的网络拥塞控制方法,该方法在满足带宽、时延、费用多项QoS指标的条件下对负载进行路径优化,以负载均衡分布函数和资源消耗函数作为优化目标,旨在消耗尽可能少的网络资源的同时,也使网络负载的分布尽量均衡,从而避免网络拥塞。仿真结果表明该方法的有效性和可靠性。

高堆石坝瞬变-流变参数三维全过程联合反演方法及变形预测

利用反演分析得到的参数进行高面板坝的应力、变形分析来预测长期变形。由于堆石坝的施工过程和变形机制比较复杂,很难将瞬时变形和流变变形分开,因此,有必要对静力本构模型参数和流变模型参数进行综合反演。利用实测位移资料,以对堆石坝变形较敏感的静力本构模型和流变模型参数为待反演参数,采用基于粒子迁徙的粒子群算法和径向基函数神经网络构建参数反演平台,该方法克服了粒子群算法易陷入局部最优和早熟收敛的缺点,采用经过训练的神经网络来描述模型参数和位移之间的映射关系,节省了参数反演的计算时间。对水布垭高面板坝的反演结果表明,基于反演参数的沉降计算值与实测值吻合得很好,坝体变形在合理范围以内并趋于稳定。

考虑车内振动的动力总成悬置系统多目标优化

以实际工况下的测试数据为基础,建立了简化的车内振动传递路径分析模型。在此基础上,以发动机悬置刚度为设计变量,综合考虑悬置系统能量解耦和车内振动,建立了基于灰色粒子群优化算法的多目标优化模型。并以某型卡车为例,进行了多目标优化求解。实验和优化结果表明,在得到较好能量解耦的同时,降低了车内振动,实现了能量解耦和车内低振动的优化匹配。

连铸计划优化模型研究

介绍了宝钢开发的连铸计划优化系统的建模、优化及计划生成等方面的技术。针对传统连铸计划编制方式的特点和问题,连铸计划优化模型系统采用基于模型的建模技术,大量应用现代优化方法,在不增加任何硬件投入的情况下,可以大幅度地改善计划的质量,明显提高计划的科学性和全局性。与过去的计算机辅助人工计划系统相比,可以产生较大的经济效益和降低生产管理难度,并且具有人工所无法比拟的灵活性,大大地减低计划调度人员的工作强度。

基于传感器网络节点配置优化仿真研究

研究无线传感网络节点配置覆盖优化问题。由于无线传感网络存在着热区问题,对网络的覆盖性能造成严重的影响,同时影响网络配置优化。为了有效的提高无线传感网络的覆盖率,提出了一种改进的粒子群算法优化无线网络节点覆盖。针对粒子群算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,优化传感网络节点的混合粒子群算法,在严格确保无线传感器网络连通性的条件下,传感器节点配置数目达到要求的覆盖度,并进行仿真。仿真结果表明混合粒子群算法能快速收敛到更精确的解,使网络节点配置达到覆盖的优化要求。

基于PSO和分组训练的SVM参数快速优化方法

针对在利用粒群优化算法(PSO)对支持向量机(SVM)参数进行优化时,由于SVM训练运算量较大,导致需多次迭代过程的参数优化速度缓慢的问题。引入分组训练方法,将训练样本分成若干样本子集分别进行训练,然后对经分组训练得到的各个SVM的参数进行优化。在提高了训练速度的同时,大幅提高了参数优化速度,并对分类SVM的参数优化进行了仿真实验,取得了良好的优化效果。

孤岛风柴蓄复合发电功率粒子群优化分配研究

利用可再生能源发电是海岛解决用电和吃水难问题的有效途径之一。对南海某海岛的风力资源和用电负荷分析后,提出采用风柴蓄复合发电蓄电为海岛提供电力,多余电力用于海水淡化的方案。在风柴蓄复合发电的功率设计中往往依靠经验,提出应用改进的粒子群优化方法对孤岛风柴蓄复合发电的风力发电机组台数、柴油机台数和蓄电池容量进行优化设计,优化中采用度电成本最小作为目标,最小失电率作为约束条件,能量调度按照首先应用可再生能源发电,其次是蓄电池电量,最后调用柴油机发电的策略。结果显示,改进优化方法的效率比基本的粒子群优化算法稍低,但是可以得到更加优化的结果。进一步分析了当柴油价格、负荷、蓄电池价格和风力发电机成本变化后,优化出新的风力发电机、柴油发电机和蓄电池配置,分析了优化配置变化的原因。研究可以为在孤立海岛采用风柴蓄复合发电蓄电的设计提供参考。

基于热-流耦合精细算法的大体积混凝土水管冷却数值模拟

基于有限元热流耦合精细算法进行大体积混凝土施工期温度场仿真分析,真实反映水管附近的温度梯度和水管水温沿程的变化,采用基于粒子迁徙的粒群算法对Dittus-Boelter方程进行参数识别,使之适用于描述冷却水流的强制对流特性。在通用有限元软件ABAQUS平台上,开发热流耦合用户子单元,以官地碾压混凝土重力坝某一浇筑块为例验证热流耦合算法和用户子单元的可靠性和合理性。计算结果表明:精细算法能真实反映混凝土浇筑块的温度场,同时基于精细算法得到的施工期应力略大于等效算法。

基于参数反演与耦合作用的高堆石坝垫层对坝体渗流影响仿真

通过研究混凝土垫层对高堆石坝渗流场的影响,旨在通过仿真模拟过程提出一种切实可行的分析方法,较准确地计算运行期坝体渗流量.结合糯扎渡心墙堆石坝工程实例,运用改进后的粒群算法对垫层混凝土热学参数进行反演并计算垫层温度场,模拟垫层上部土石料填筑过程,并考虑蓄水后水压力对垫层作用确定运行期垫层应力状态.参考垫层应力计算结果及实测资料预测垫层可能产生裂缝区域,利用立方定律研究垫层渗透系数变化对坝体渗流的影响;选取大坝典型剖面,以修改后的邓肯-张模型为基础并运用土体渗流耦合原理重新计算坝体渗流场及应力场.数值仿真计算结果表明:正确认识运行期垫层应力状态及渗透性质变化对准确模拟计算坝体渗流场具有较大意义.

一种三维群无人机并行式多目标搜索协调控制策略

针对未知环境下三维群无人机多目标搜索问题,本文提出了一种三维群无人机并行式多目标搜索协调控制策略.首先,在基于目标响应阈值多目标分配模型(TRT)上,引入了闭环调节和合作协同的策略,提出了一种改进响应阈值多目标任务分配模型(ITRT),有效解决了群无人机子群分布不均匀问题,提高了群无人机并行式搜索的效率.其次,将二维扩展式微粒群(EPSO)的群机器人协调控制算法引入到三维群无人机上,并将一种改进自适应惯性权重的方法与三维扩展式粒子群相结合,提出了一种改进自适应惯性权重的三维扩展式微粒群算法(IAEPSO),有效解决了微粒易陷入局部最优点和搜索效率过低的问题.最后,将两种改进的方法(ITRT+IAEPSO)相结合实现群无人机并行式搜索.相比于传统并行式多目标搜索的扩展式粒子群算法(TRT+EPSO),本方法的系统能耗和搜索耗时大大减少,数值仿真验证了该方法的有效性.