非线性递减权值PSO优化下的LQR轨迹跟踪研究

针对二次线性调节器(LQR)权重矩阵选取困难导致的自动驾驶车辆控制精度低、系统适应度欠佳等问题,设计了一种非线性递减权值粒子群算法(NLDW-PSO)。基于二自由度车辆动力学模型,构建了横向跟踪误差模型,设计了前馈控制消除了LQR稳态误差;并设计以横向偏差、航向偏差和前轮转向角为评价函数,将系统输出误差状态量反馈至NLDW-PSO算法,所设计的非线性递减惯性权重因子通过提升粒子群体寻优性能,从而自适应调整LQR权重系数更新策略,形成闭环优化控制,最终求解得到系统目标函数极值。将所设计控制器的跟踪效果进行了对比,Carsim/Smulink联合仿真结果表明所提出NLDW-PSO优化LQR算法的跟踪控制效果最优,横向距离偏差最大值为0.076 m,横向距离偏差均值相较于固定权重系数LQR降低了69.74%,显著提高了车辆跟踪控制精度和自适应能力,且对速度变化具有较强鲁棒性。

基于线性递减权值PSO算法优化LQR控制的主动悬架性能研究

针对车辆主动悬架线性二次型调节器(Linear Quadratic Regulator,LQR)控制中权重系数的取值具有主观性,且适应度较低的问题,提出使用粒子群优化(PSO)算法优化LQR控制器,使LQR控制器的权重矩阵得到最优结果。为验证此方法的有效性,以汽车主动悬架作为被控对象,设计了PSO算法优化LQR控制器,利用PSO算法的全局搜索能力,以主动悬架的性能指标作为目标函数对权重矩阵进行优化设计,以提高LQR控制器的设计效率和性能。通过仿真对比了LQR控制的主动悬架、固定权值PSO算法优化后的LQR控制的主动悬架和基于线性递减权值PSO算法优化LQR控制主动悬架的各项性能参数,并且针对固定权值PSO算法收敛速度慢的特点,进行优化,确定使用线性递减权值PSO算法可以提高收敛速度。最终实验结果表明基于固定权值PSO算法优化后的LQR相较于单纯LQR控制的主动悬架,其车身垂向加速度、悬架动行程及轮胎动位移这3个性能指标得到降低;基于线性递减权值PSO算法优化后的LQR控制的主动悬架的各项性能指标在固定权值PSO算法优化的基础上,可再次优化车身垂向加速度、悬架动行程及轮胎动位移这3个性能指标,可较大地改善其舒适性。

一种非线性递减惯性权重策略的粒子群优化算法

目的改进基本粒子群算法的一些缺点.基本粒子群算法是一种有效的寻找函数极值的演化计算方法,它简便易行,收敛速度快.但此算法也存在收敛精度不高,易陷入局部极值点的缺点.方法对原有算法中的固定惯性权重进行改进.结果提出一种非线性递减惯性权重策略的粒子群优化算法.结论对六种具有代表性的测试函数进行了仿真实验,并与基本粒子群算法中惯性权重分别取固定权重、线性递减权重进行了比较,说明了非线性递减惯性权重策略的粒子群优化算法具有更好的性能和全局搜索能力。

线性递减类型的建立、对比与应用

产量递减阶段是油气田开发的主要阶段。产量递减法是预测油气田产量和可采储量的重要方法。该方法的有效应用与储层类型、驱动类型和开采方式无关,只要油气田的产量已进入递减阶段,即可应用产量递减法进行有效预测。Arps提出的指数递减、双曲线递减和调和递减,尤其是指数递减和双曲线递减,在国内外的产量预测和可采储量评价中得到了广泛的应用。然而,Arps的3种递减类型,只适用于产量随时间呈曲线递减,而不适用于呈直线递减。实际油田生产资料表明,对于致密低渗砂岩油气藏,压裂投产后的产量与时间之间往往不是曲线递减关系,而是直线递减。因而,Arps的3种递减类型,已不适用于直线递减的产量和可采储量的预测。经过推导建立了线性递减类型,该类型既是一种新的递减类型,又是对Arps递减类型的补充。经应用实例表明,线性递减类型是实用有效的,所提出的预测产量、累积产量和可采储量的方法,具有很好的实用价值和理论意义。

线性递减权重粒子群优化人工神经网络算法的光伏系统谐波检测

提出了一种改进的人工神经网络(ANN)算法,利用线性递减权重粒子群优化算法(LDWPSO)来调节ANN各层的权重值,得到收敛最小时的权向量,计算谐波相角,实现对谐波的检测。仿真结果表明,线性递减权重粒子群人工神经网络算法(ANN-LDWPSO)具有高控制精度和快收敛速度,并能准确地检测电网谐波,从而验证了算法的可行性和实用性。

基于角度惩罚距离的收敛因子非线性递减多目标鲸鱼优化改进算法

为了提高多目标鲸鱼优化算法的全局优化性能,提出了一种基于角度惩罚距离的收敛因子非线性递减多目标鲸鱼优化算法IWOA-APD。首先,针对基本多目标鲸鱼算法收敛性和多样性难以平衡的问题,采用角度惩罚距离作为解优劣评价指标。其次,给出了一种基于迭代进度和优化因子的收敛因子指数形式非线性递减策略,该策略可以通过调整优化因子进一步提升优化性能。除此之外,给出了基于融合距离与拥挤度距离的精英集维护机制,从而改善精英集的多样性维护效果。最后,为了验证该算法的有效性,基于五种标准测试函数及一种城市轨道列车速度曲线优化实际算例,在MATLAB2016b GUI平台下采用所提出的IWOA-APD与IWOA、MOWOA、dMOPSO进行对比仿真。仿真结果表明,所提出的IWOA-APD寻到了更理想的优化结果。由此说明,相比于一些性能品质良好的优化算法,IWOA-APD还具有更快的计算速度和更高的全局收敛精度。

一种采用线性递减步长的自组织迁移算法

自组织迁移算法(SOMA)是一种新型的群体智能算法。在对原始自组织迁移算法分析的基础上,针对基于随机变异步长的自组织迁移算法存在的不足,提出了线性递减步长策略,即有针对性地以线性方式动态调整步长,以满足群体迭代在不同阶段的需求,从而加速群体在多峰复杂空间中收敛速度的同时提高算法的局部搜索能力。实验结果表明,该算法优于原始自组织迁移算法和基于随机变异步长的自组织迁移算法。

基于惯性权值非线性递减的改进粒子群算法

针对粒子群优化算法中出现的收敛早熟和不收敛的问题,提出了一种基于自然选择和惯性权值非线性递减的改进粒子群算法,在算法迭代过程中,粒子边界速度采用最大速度非线性递减变化策略来限制,惯性权值非线性递减变化用于平衡种群粒子前期全局搜索与后期局部寻优的能力;为使种群在进化过程中保持多样性,在标准粒子群算法中引用二阶振荡策略使种群在进化过程中始终保持着多样性;在此基础上,进一步地将遗传算法中的选择机理与粒子群算法结合起来用于提高算法的适用性能;所提出的算法经过多个基准测试函数的模拟实验验证,并与其他已有算法进行了对比;实验结果表明:算法在搜索精度与寻优能力上有更明显的优势,尤其是在多维、多峰等复杂非线性优化问题时,所提算法具有很强的竞争力。

线性递减权重粒子群优化投影寻踪模型及应用

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,为了有效地控制粒子群算法的全局搜索和局部搜索,提出了将线性递减权重引入到粒子群优化算法中.该算法是从随机解出发,通过追随当前搜索到的最优值来寻找全局最优解,增加了粒子群算法的局部搜索能力.将其算法优化投影寻踪模型,以此构建了线性递减权重粒子群优化投影寻踪模型,将该模型应用到土坝护坡模式优化评价中,选取9个指标作为评判因子,提出适合该地区的土坝护坡优化模式.结果表明:线性递减权重粒子群优化投影寻踪模型可以有效地找到最佳投影方向,计算投影值,根据投影指标值的大小可对方案进行优选.利用该模型对土坝护坡模式进行综合评价是切实可行的.该算法以其实现容易、精度高、收敛快等优点,并且在解决实际问题中展示的优越性,在工程优化领域具有广泛的应用前景.

基于线性递减系数粒子群优化算法的组卷实现

为了避免目前常用的组卷算法组卷时间长、程序结构复杂、收敛速度慢等缺陷,提出基于线性递减系数粒子群优化算法的组卷策略。通过调整惯性系数,使得步长较小,惯性权系数的变化幅度小,这种减小趋势较为缓慢的方法能够避免陷入局部最优。并对数学模型以及线性递减惯性权系数进行了理论设计,同时通过编程实现了该算法。测试结果表明加入线性递减系数后运算迭代次数明显减少,证明加入线性递减系数后的组卷策略收敛性好,能够高效准确地按照一定的预期条件进行组卷,符合预期要求。

加工时间线性递减的平行机排序问题

主要讨论了具有两台处理机的平行机排序问题和每批恰为k个工件的串行工件同时加工排序的平行机排序问题。在这两个问题中,工件加工时间均为开工时间的线性递减函数,目标函数为极小化总完工时间。对于第一个问题,证明了其最优排序可由工件按基本加工时间不减排列得到,由此得出其最优算法,并指出了该结论对于加工时间随开工时间线性递增的情况并不成立。对于第二个问题,根据其与第一个问题在某些性质上的相似性,给出了其最优算法。最后指出所讨论的两个问题的结论均可推广到m台处理机的情况。

一种改进的线性递减权值的粒子群优化算法

针对粒子群优化算法的早熟问题,在线性递减权值的粒子群优化算法的基础上,提出了一种增强粒子多样性的粒子群算法,有效减少了粒子的无效迭代。实验结果表明,该算法具有较高的收敛精度,能有效避免早熟收敛问题。

基于线性递减权值更新的鸡群算法

本文提出了一种基于线性递减权值更新的鸡群算法(ACSO)来解决原始鸡群算法易陷入局部最优和收敛较慢的问题。对每个个体的位置更新引入权值,这不仅体现了个体自我学习的优势,也提高了群体的多样性,可通过实际的适应度函数来调整权值,使算法更容易收敛。根据母鸡群体和小鸡群体有向适应度最优的个体学习的趋向,重新定义母鸡位置更新公式和小鸡位置更新公式。通过对6个基准函数的仿真实验,并和其余3种基本算法做比较,结果证明改进的算法具有优越性。

基于收敛因子非线性递减免疫鲸鱼优化算法的多用途船舶结构优化

针对多用途船结构优化问题,传统优化算法不易精确求解,为获得更理想的优化结果,提出了一种应用于多用途船结构优化的免疫鲸鱼优化算法。具体来说,为提升全局优化能力,将免疫机制融入鲸鱼优化算法的同时,引入收敛因子非线性递减策略。多用途船结构优化算例的仿真结果表明,所提出的免疫鲸鱼优化算法具有良好的优化性能。

舰船大规模人群疏散惯性权重非线性递减粒子群优化算法分析

为了有效解决舰船大规模人群疏散问题,笔者基于人类行为心理学建立了危险状况人群疏散模型,并提出一种惯性权重非线性递减粒子群改进算法。通过采用惯性权重非线性递减策略,不仅能够有效降低其陷入局部收敛的风险,还能提高全局优化能力。仿真结果表明,该算法具有较强的全局优化性能,在危急情况下能够有效保障舰船大规模人群快速疏散。

透析液钠浓度线性递减对透析相关性高血压的影响

目的:观察透析液浓度线性递减对透析相关性高血压的影响。方法:采取自身对照的方法,选取出现透析相关性高血压的患者17例,先应用常规恒定钠浓度透析液透析12次,为对照组;再采用透析液钠浓度线性递减的方法透析12次,为治疗组。观察每次透析时血压的变化及头痛、呕吐出现的频率。结果:治疗组与对照组比较,透析后期(3小时、结束后)血压明显下降,透析过程中出现头痛呕吐的频率明显减轻(P<0.01)。结论:透析过程中透析液钠浓度线性递减可有效缓解透析相关性高血压的发生。

线性微分递减自适应粒子群算法在水电站优化调度中的应用

针对求解水电站优化调度粒子群算法的改进,分析了粒子群算法在求解水电站优化调度问题时对关键参数惯性权重调整的需要,提出了线性微分递减的自适应粒子群算法。通过前期减小缓慢的惯性权重,增加算法的探索能力跳出局部最优解;通过后期减小较快的惯性权重,提升算法的开发能力加快算法收敛。以葛洲坝水电站优化调度为例,对比了改进算法和传统算法。优化调度实例表明:线性微分递减自适应策略增强了算法的寻优能力和稳定性。改进算法能够有效改善由于水电站优化调度目标函数非凸性带来的粒子群求解易早熟问题,为水电站优化调度粒子群算法惯性权重的改进提供了新思路。

带有分段线性递减加工时间和拒绝工件的单机排序问题

讨论了带有分段线性递减加工时间和拒绝工件的单机排序问题。在这一模型中,工件的实际加工时间是关于开始时间的分段线性递减函数,目标函数是极小化被接受工件的最大完工时间和被拒绝工件的总惩罚之和。这一问题是NP-难的。基于对问题的分析,给出了一个全多项式近似策略。全多项式近似策略的计算复杂性为O(n4 L4/ε3)。

考虑机场、航空公司与空管需求的机场群离场航班时刻优化

随着中国航空流量的不断增加,机场群内航班延误时间长、延误架次多、机场时刻紧张等问题逐渐暴露,这些问题主要是航班时刻设置不合理所导致。为解决这些问题,需要对机场群内航班时刻进行优化。通过从机场、航空公司、空管3个角度综合考虑,分别以延误时间、航空公司航班时刻调整总方差、管制员总调整量作为优化目标,建立了机场群航班时刻优化模型,并使用权重线性递减的粒子群优化算法实现对模型的求解。以京津冀机场群为例进行分析,使用MATLAB对模型进行寻优。结果表明优化后机场群内总延误时间由77580 min减少至46260 min,航空公司航班时刻调整总方差由447.076减少至63.141,管制员总调整量由467次减少至253次,3个目标均得到了优化。可见该模型权衡了机场、航空公司与空管之间的公平性,为机场群航班时刻的优化提供了理论参考。

粒子群优化算法之惯性权值递减策略的改进

标准的粒子群算法引入惯性权重w,成为一种有效寻找函数极值的计算方法,且简单易行收敛速度快。目前普遍采用的是线性递减动态惯性权重策略,但其存在着复杂的非线性搜索过程。在线性递减策略的基础上,提出了非线性递减动态惯性权重策略,采用Griewank、Rastrigrin、Sphere、J.D.Schaffer 4个标准测试函数进行了仿真实验,与基本粒子群算法中惯性权重取固定值、线性递减LDIW和指数曲线非线性递减进行了比较。实验结果表明改进的非线性权值递减策略无论从收敛速度、收敛精度还是迭代次数都明显优于其他算法。