虚拟力导向多粒子群算法的WSNs部署策略

为了优化无线传感器网络节点部署性能,在粒子进化的多粒子群算法的基础上结合虚拟力方法,提出了一种虚拟力导向多粒子群算法的部署策略。该策略通过节点间的虚拟力影响多粒子群算法的速度更新过程,指导粒子进化,采用多个粒子群独立搜索解空间,有效地避免了"早熟"问题,从而最大限度地优化了网络的覆盖率。仿真结果表明,与虚拟力算法和多粒子群算法相比,该算法在覆盖率、迭代次数和部署时间等方面具有更好的性能。

基于自适应的虚拟力导向粒子群定位算法研究

为了进一步提高无线传感器网络节点的定位性能,提出了一种基于自适应的虚拟力导向粒子群优化定位算法。该算法在算法迭代前期ω取较大值实现快速收敛到最优解附近,后期则取较小值获取高精度解,同时在适应度值越大时越提高全局搜索能力,加快向全局最优位置的聚集速度;粒子适应度值较小时则提高局部搜索能力,得到高精度的解,并通过对全局最优位置进行自适应变异操作,保证算法能跳出当前的搜索区域,从而最大限度地优化网络节点的收敛速度与搜索性能。仿真结果表明,改进后的算法不仅有效地抑制了测距误差的累积对定位精度和能耗的影响,而且提高了节点的定位精度。

基于改进粒子群算法的机械手抓取力自整定模糊PID控制

为提高欠驱动机械手在易碎零件分拣过程中的稳定性,通过改进粒子群算法,给出一种优化其抓取性能的模糊PID控制算法。首先,分析欠驱动机械手抓取力控制系统的特性,提出粒子群算法与模糊PID抓取力控制系统相结合的具体策略。其次,将动态惯性权重等方法引入粒子群算法中,以提高其迭代速度并防止其陷入局部最优。在此基础上,利用改进后的粒子群算法优化模糊PID控制器的相关参数,实现了对模糊规则权重及量化因子的在线自整定,解决了PID参数无法动态调整的问题。最后,对其进行仿真分析。结果表明:该控制算法可以在0.8 s内达到稳定抓取力,稳态误差小于0.2%,扰动整定时间为0.262 s,系统的瞬态响应速度、控制精度以及稳定性均有明显提高。

虚拟力导向粒子群有向传感网络覆盖增强算法研究

针对静态同构有向传感器网络区域覆盖增强问题,提出了虚拟力导向粒子群有向传感网络覆盖增强算法(virtual force-directed particle swarm coverage-enhancing algorithm for directional sensor networks,VFPSC-DSN)。该算法以监测区域的有效覆盖率为指标,将传感器节点质心间的虚拟受力作为影响粒子速度更新的一个影响因子加入粒子群算法中,引导粒子群算法的进化,从而避免粒子早熟,提高算法的收敛速度;通过节点主感知方向的调整,实现监测区域的覆盖优化,并通过仿真实验验证了该算法的有效性。研究结果表明,虚拟力导向粒子群有向传感器网络覆盖控制算法在保证网络连通性的前提下,不仅能有效地提高监测区域的有效覆盖率,而且收敛速度更快。

基于自适应差分优化的改进虚拟力导向粒子群算法研究

为提高节点在无线传感器网络中的自部署性能,本文以虚拟力导向粒子群算法为基石,在部署区域内,采用正方形网格划分方式,并引入一种改进的自适应差分进化策略,对原算法进行改进。改进算法引入了移动目的地对移动节点的引力作用,并通过自适应调整,有目的的向扩大网络覆盖率的目标进化,从而最大限度地优化节点的部署速度和网络的覆盖率。通过对该算法的性能进行了仿真与分析,在网络覆盖率、算法收敛速度以及部署时间等方面,相比于经典虚拟力算法及虚拟力导向粒子群算法,该算法具有更佳的部署性能。

层状地基土水平抗力比例系数反演的杂交粒子群算法

土的水平抗力比例系数是基坑支护结构变形计算的重要参数,针对层状地基土中水平抗力比例系数反演的多目标优化问题,结合支护结构水平位移实测值和杆系有限元法,提出基于粒子群算法(PSO)的层状地基土水平抗力比例系数反分析法。给出水平抗力比例系数和目标函数精度双控的反演计算收敛条件和水平抗力比例系数最优解稳定条件。在利用基坑工程数值模型验证反演参数准确性基础上,运用工程实例进一步验证杂交粒子群算法(breedPSO)在水平抗力比例系数反演计算中的适用性。对比分析优化方法的计算效率和反演参数的收敛特性。结果表明:杂交粒子群算法具有更高的计算效率和计算精度,为合理反演水平抗力比例系数提供了有效途径。

基于虚拟力和多种群粒子群的覆盖优化HSN节点部署并行算法

针对异构传感器网络中由于节点随机部署而导致覆盖盲区和覆盖冗余的问题,以最大化网络的覆盖率为目标,设计了一种基于虚拟力和多种群粒子群的异构移动节点部署并行算法;首先建立了改进的异构节点概率感知模型和目标优化函数,然后采用虚拟力算法在虚拟力的作用下引导节点移动进行初始部署,为了进一步提高网络的覆盖率和部署的效率,采用改进的多种群粒子群并行算法实现对节点部署的寻优,并定义了具体的部署算法,为了增强网络的鲁棒性,设计了一种当节点失效时的自适应节点替换机制;仿真实验表明:文中方法得到的平均网络覆盖率为95.6%,与其它方法相比,具有较高的网络覆盖率和较少的部署时间,具有较大的优越性。

采用改进量子粒子群优化算法的虚拟电厂参与二次调频两阶段优化

虚拟电厂(virtual power plant,VPP)作为一种新型区域能源管理系统,可通过“源—荷—储”的协调优化调度,高效参与电网二次调频辅助服务。介绍虚拟电厂内部结构,建模分析新能源机组及可控负荷特性;搭建虚拟电厂参与二次调频两阶段调度模型,该模型能够兼顾二次调频净利润及调频效果;研究一种自适应权重的改进量子粒子群优化(quantum particle swarm optimization,QPSO)算法,通过引入自适应权重机制,在量子粒子更新过程中动态调整权重参数以提高算法的搜索能力和收敛速度;并将改进算法应用于两阶段优化过程中,使虚拟电厂获得更高的二次调频净利润及更好的调频效果;仿真结果表明,所提改进算法的收敛速度更快且全局寻优能力更强。

基于力导向量子粒子群算法的气体源点定位研究

根据有风时气体浓度衰减模型,采用量子粒子群优化(quantum particle swarm optimization,QPSO)算法实现无线传感网络中的气体源点定位,考虑到传感器节点测量气体浓度时存在门限值的实际情况,引入力导向思想,通过使传感器节点产生虚拟力来影响QPSO算法的位置更新过程,使粒子移动更有目的性,引导粒子进化,加快算法收敛.仿真结果表明:在不同噪声条件下,与QPSO算法相比,力导向QPSO定位算法具有更强的鲁棒性,收敛速度更快,定位精度更高,更能获取问题的最优解.

一种基于虚拟力导向微粒群的有向传感器网络覆盖增强策略

针对有向传感器网络的覆盖增强这个研究热点,提出一种虚拟力导向微粒群的有向传感器网络覆盖增强策略VFPSO。首先分析节点相互之间作用力,建立了一种节点所受的虚拟力和调整角度之间的关系模型,然后在微粒群算法速度更新过程中,通过这个关系模型,虚拟力影响微粒更新速度,加快粒子群算法的收敛速度。仿真实验表明,虚拟力导向微粒群的有向传感器网络覆盖增强算法能够更快地收敛至全局最优解,并且算法运行时间有效缩短。

基于粒子群优化算法的虚拟机放置策略

当前云计算虚拟化平台无法适用于对时延要求较高的应用。为此,提出一种基于粒子群优化算法的虚拟机放置策略。介绍粒子群优化算法,建立云环境内部时延模型,设计虚拟机放置策略架构。实验结果表明,该策略的请求响应时间比动态资源调度（DRS）策略降低14%~19%,每秒处理请求数比DRS方案提高约17%。

基于自适应协同进化粒子群算法的虚拟网节能映射研究

该文针对虚拟网节能映射问题提出自适应的协同进化粒子群算法。首先,为虚拟网节能映射问题设置了聚合度,该聚合度被用于自适应地选择粒子的搜索方式,即随机搜索、种内搜索或种外搜索。其次,根据粒子群的进化结果,自适应地确定是否终止对子群的搜索。最后,在常用的测试环境下进行了仿真实验,对映射的能耗效果对比了结果,实验结果表明了所提算法的高效性。

基于蚁群粒子群混合算法的PDC钻头侧向力平衡优化

为了突破PDC钻头结构对侧向力平衡优化设计的限制,尝试采用融合了蚁群算法和粒子群算法(PSO)的混合算法对PDC钻头侧向力平衡进行优化,充分利用PSO算法的快速、全局收敛性和蚁群算法的正反馈机制,建立了PDC钻头侧向力平衡优化设计方法。通过该混合算法对刀翼式PDC钻头侧向力平衡的优化设计,结果表明,与单独采用PSO优化的结果相比,能够得到更好的优化结果,算法收敛速度更快,优化的刀翼周向位置角更好。

应用粒子群优化的绿色虚拟网络映射算法

绿色网络是近年来网络技术研究的热点,以节能为优化目标的虚拟网络映射算法成为基于网络虚拟化技术中资源分配研究的重点。提出了应用粒子群优化的绿色虚拟网络映射算法,重定义粒子群优化算法中的参数和粒子进化行为,以关闭底层网络节点和链路数量最多为适应度函数,在较低的算法复杂度条件下,获得绿色虚拟网络映射的最优解。仿真结果表明,与对比算法相比,静态环境下所提算法的运行时间大幅度降低;动态环境下所提算法的节点关闭率、链路关闭率、虚拟网络请求接受率均有所提升,算法运行时间也大大缩短。

基于改进粒子群算法的风电场虚拟惯量优化分配方法

大规模风电并网导致电网惯量不断削弱、系统频率特性恶化,虚拟惯量控制使风电具有与同步发电机相似的虚拟惯量,为电网提供惯量支撑,但需要根据频率安全约束,研究多个风电场对系统惯量支撑目标的协调分配。提出基于改进粒子群算法的风电场虚拟惯量优化分配方法。首先根据电网频率安全约束指标求解维持频率动态稳定的电网临界惯量,并结合电网实际惯量得到电网惯量补偿目标。然后将系统最大频率偏差最小作为优化目标,风电场虚拟惯量补偿目标作为优化对象,建立优化分配模型;采用改进粒子群算法求解该模型,得到虚拟惯量最优分配方案。最后在IEEE-39节算例系统中验证了所提方法的正确性和有效性。

一种基于粒子群优化的无键相虚拟动平衡算法研究

某些旋转机械的转子缺少准确的相位检测,整机动平衡启停机次数较多,难以进行精准高效的动平衡,针对这一问题,以螺旋桨转子系统结构为研究对象,对转子无键相动平衡方法进行了归纳,提出了一种基于粒子群优化的无键相虚拟动平衡算法,并设计了一款动力学和粒子群融合的软件,采用了粒子群的进化搜索技术,对补偿配重的大小和位置进行了不断优化。首先,在算法软件中输入原始振动幅值;然后,运行软件获得了其原始不平衡量的大小;再通过施加一次试重,并测量其振动幅值,获得了原始不平衡量和试重之间的夹角;最后,利用振动数据频谱分析确定了原始不平衡量的方位,获得配重位置,最终完成配平。研究结果表明:在无需键相信息的情况下,使用该算法只需进行一次试重即可完成配平,且其降振效果高达95%以上。

基于改进粒子群优化算法的变截面涡旋盘瞬时铣削力模型参数求解

针对变截面涡旋盘瞬时铣削力预测存在的多元非线性难题,从涡旋盘实际铣削过程出发,建立了考虑刀具跳动的瞬时铣削力数学模型,提出了一种基于改进粒子群优化算法(PSO)对铣削力模型参数进行求解的方法,以提高瞬时铣削力预测模型精度。通过4组不同铣削参数下的瞬时铣削力实验对该方法进行验证,结果表明:该方法求解得到的变截面涡旋盘瞬时铣削力与实验测得的瞬时铣削力在形状和峰值处有较高的吻合度,4组实验的峰值误差在15%以内;采用自适应惯性权重和随机扰动因子的改进PSO算法能够有效地提高变截面涡旋盘瞬时铣削力系数辨识的收敛速度和收敛效果,还能提高算法整体搜索能力。该方法只需较少的实验次数就能辨识出较高精度的模型参数,比平均铣削力求解方法的实验成本更低,对涡旋盘的加工具有重要参考价值。

基于改进粒子群算法的阻尼惯量自适应控制策略

针对传统虚拟同步发电机控制策略存在暂态调节时间长及稳定性差等问题,提出一种基于改进粒子群算法的阻尼惯量自适应控制策略。首先,通过分析系统受扰动后功角特性,提出阻尼惯量自适应控制策略;然后,利用改进粒子群算法选择控制策略初始值,给出关键参数的选取原则及具体范围;最后,通过与现有控制策略进行对比,分析不同惯量及阻尼下对系统影响并验证控制策略的优越性。结果表明,该策略可有效提高系统稳定性及动态响应性能。

基于粒子群算法的海洋废弃平台桩基拆除绳锯机夹紧力优化

水下绳锯机可以用来完成海洋废弃平台桩基切割。绳锯机切割过程中,当水下环境发生变化时,应能够较迅速地调整夹紧力以适应环境的改变。介绍绳锯机的夹紧数学模型,根据绳锯机的实际设计条件,采用粒子群算法对夹紧力进行快速的优化求解。通过实验表明,此方法获得的夹紧力能够使绳锯机稳定地工作,并且测得了相应的动态参数。研究结果为绳锯机夹紧力的水下环境快速自适应控制提供了一定的基础。

改进的粒子群算法在虚拟网映射中的应用

应用粒子群算法解决虚拟网映射问题,可以大大减少网络资源的消耗,却也容易出现早熟的现象。通过增加随机因素、沿原方向飞行操作和改变原历史因素对搜索过程的指导等方式,既保留了历史因素对搜索的指导,又在此基础上加大了搜索范围,一定程度上减少了早熟收敛带来的问题。最终实验结果表明,改进的粒子群算法能够应用于虚拟网映射,和原粒子群算法相比,能够更有效减少资源消耗。