蚁群粒子群混合算法在车载网无线接入点的布局优化

针对具有拓扑结构多变、受周围事物影响、高速变动等特征导致车载网通信性能不佳的问题,将无线接入点作为提高通信性能的关键辅助点。在保证信号覆盖率的情况下,根据车流量,部署最少无线接入点作为最终目标,利用蚁群和粒子群混合算法(AC-PSO)作为一种搜索策略。将AC-PSO混合算法与PSO算法、ACO算法进行对较以便证明该混合算法的优越性。实验表明,AC-PSO混合算法收敛速度比PSO、ACO更快,也说明了该混合算法在车载网中无线AP布局优化应用的有效性。

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。

基于蚁群粒子群混合算法的多目标优化在供水管网优化设计中的应用

在城市供水系统中,管网的铺设费用占很大比重。如何最大限度降低建设成本而又保证供水的可靠性,是供水管网设计的重点和难点。基于供水管网的固有特性,结合蚁群、粒子群算法的优点,将蚁群粒子群混合算法应用到供水管网设计的多目标优化中。将蚁群中的信息素、启发因子、信息素挥发度参数映射到粒子群算法中粒子的位置坐标,通过粒子迭代寻找最优位置,并将蚁群算法通过特定信息素更新方式并限制迭代次数来进行优化,再将粒子最优位置反馈到优化后的蚁群算法中,寻找最优解。通过此算法,优化了供水管网中管径的选择,在保证供水管网可靠性的前提下,尽量缩减建设费用,为决策者提供更加经济实用的决策参考。

基于蚁群-粒子群混合算法的水资源优化配置研究

【目的】对区域水资源的合理优化配置进行研究,为区域经济的发展、水资源的合理开发利用和节水型社会的建立提供参考。【方法】建立以经济、社会、生态环境效益为目标函数,各目标加权和为最优解的水资源优化配置模型,采用蚁群-粒子群混合算法对模型进行求解,并对渭北工业区进行水资源优化配置的实例分析,通过原供水量与优化配置水量的比较验证所建立模型的合理性。【结果】经计算,75%保证率下渭北工业区水资源的配置结果为:2015年地表水、地下水、外调水、中水供水量分别为1 747.30,13 244.84,12 905.95和1 060.23万m3;2020年各水源供水量分别为2 019.19,12 214.42,23 530.42和1 798.60万m3;与原始供水量相比,2015年和2020年总供水量分别减少312.73和421.11万m3,表现在农业供水量减少,生活、工业、生态用水均达到供需平衡。【结论】基于蚁群-粒子群混合算法的水资源优化配置结果合理,可作为研究区水资源合理开发利用决策的参考;蚁群-粒子群混合算法收敛速度快,寻优性能优越,可用于水资源优化配置的分析。

基于粒子群与蚁群混合算法的AOI路径规划

为提高AOI过程中图像采集的效率,将AOI路径规划问题分解为检测窗划分和CCD移动路径规划问题相结合的组合优化问题。首先使用改进的迭代自组织聚类算法划分检测窗,然后使用粒子群与蚁群混合算法优化CCD移动路径,充分发挥粒子群算法前期快速的全局收敛性能和蚁群算法的局部寻优能力,同时考虑了检测窗的可移动范围从而缩短了路径长度。最后通过Matlab仿真实验证明,与标准蚁群算法相比本文的AOI路径规划方案能够得到更短的规划路径和更快的收敛速度,提高了AOI设备的工作效率。

考虑电动汽车有序充电的配电网重构

考虑到电动汽车用户会响应峰谷分时电价的政策,做出改变电动汽车充电方案的决定,使电动汽车无序充电变成可规划、可预测的有序充电。在此基础上,用户对峰谷分时电价不同的响应度对配电网重构会产生怎样的影响是文中重点探讨的问题。文中的数学模型式以配电网重构费用损失最低为目标,提出一种混合的粒子群蚁群算法用于求解论文提出的问题。对IEEE33节点系统进行仿真,首先验证了提出方法在配电网重构求解有效性;其次验证了电动汽车有序转移到电价谷时段充电能够有效减少配电网重构费用损失,且用户响应度越高,配电网重构费用损失越少。

基于连续型Hopfield神经网络的系统辨识

连续型Hopfield神经网络(CHNN)可用于优化计算,但其会遭遇较复杂的参数辨识问题.为了较好地解决这一问题,将擅长全局搜索的蚁群-粒子群混合算法用于对系统参数的最优化选取.再将此混合算法与CHNN有机结合,更好地解决参数辨识问题,且能有效避免CHNN在应用过程中陷入局部最优解.最后,将理论结果应用于求解TSP问题来验证其有效性.