机械臂空间轨迹的非支配扰动粒子群算法优化

为了减少机械臂工作时间同时减小机械臂的运动冲击,提出了基于非支配排序扰动粒子群算法的机械臂轨迹多目标优化方法。以那智MZ04机械臂为研究对象,对机械臂空间轨迹规划问题进行描述,并建立了时间最少、冲击最小的多目标优化模型。在粒子群算法中融入了扰动策略和非支配排序策略,扰动策略使粒子不再向固定的种群最优学习,而是向种群最优邻域学习,有效维持了粒子多样性并提高了算法优化能力;将非支配排序扰动粒子群算法应用于机械臂轨迹规划,其Pareto前沿解优于非支配排序粒子群算法。将非支配扰动粒子群算法和非支配粒子群算法的时间、冲击等权重解进行比较可以看出,非支配扰动粒子群算法规划路径的时间和冲击均优于非支配粒子群算法,且轨迹连续、平滑,运动轨迹参数在约束范围内,证明了非支配扰动粒子群算法在机械臂轨迹规划中的有效性。

机械臂轨迹的非支配排序高斯粒子群多目标优化

为了减少机械臂的运行时间、能耗和冲击,提出了基于非支配排序高斯粒子群算法的机械臂轨迹多目标优化方法。以PUMA560机械臂为研究对象,根据需要设置了笛卡尔空间必经点,点与点之间使用5次多项式作为轨迹基元。以点与点之间的运行时间为优化参数,以运行时间、能耗、冲击最小为目标建立了多目标优化函数。将非支配排序融入到粒子群算法中,并对最优粒子施加高斯扰动得到其邻域,使用最优粒子邻域对粒子更新进行引导,有效提高了粒子群算法的多样性,从而提出了非支配排序高斯粒子群算法。使用此算法对多目标模型进行求解,经验证经过优化,运行时间比优化前减少了7.68%,总能耗减少了39.24%。脉动冲击减少了42.64%,充分说明了这里优化方法的有效性。

精英非支配排序算法与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。提出了一种混合智能优化算法(hybrid intelligent optimization algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto解的多样性和分布性。通过非支配排序求解获得Pareto最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33节点测试系统的仿真实验验证了算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。

基于非支配解的多目标粒子群无功优化

针对传统PSO在求解多目标问题时采用权重系数法将多目标转化为单目标而忽视了目标函数间的竞争关系,并结合系统中最受关注之一的电压安全问题,以电力系统中的有功网损和电压稳定裕度为目标,采用提取非支配解的方法使目标在充分竞争的情况下得出Pareto最优解,克服了权重系数法缺乏多样性的缺点。优化结果给出了有功网损与电压稳定裕度之间的竞争关系,电力决策者可根据实际问题的需要选择最终满意的非支配解,具有很好的灵活性与多样性。运用IEEE-14节点测试系统验证了该算法的优越性,并与其他算法相比,表明了该方法是一种能够有效求解多目标电力系统无功优化问题的新方法。

多目标柔性车间调度的文化基因非支配排序粒子群算法

本文以离散型柔性制造车间为对象,以缩短生产周期、减少机器空转时间和提高产品合格率为优化目标,提出一种文化基因非支配排序粒子群算法.该算法采用二维编码方式.首先,分别对工序和机器分配进行不同的变异操作,建立了多目标离散型资源优化调度模型.然后,采用非支配排序策略和随机游走法获得Pareto最优解,接着利用层次分析法给出资源优化配置方案.最后,利用实际生产数据进行仿真,结果表明所提出的优化算法具有平衡全局搜索能力和局部搜索能力的特性.

基于非支配排序的机场特种车辆调度

在机场过站期间,航空器需要依靠特种车辆来提供多项地面保障服务,包括燃油加注、配餐、装卸行李货物、清洁和拖车牵引等。这些服务由相应的特种车辆完成,特种车辆的调度对于提高地面保障服务水平和资源利用率至关重要。目前机场普遍采用基于人工的单车单航班服务的特种车辆调度方式,这种方式成本高、效率低,是导致航班延误的重要因素之一。为解决机场地面拖车保障服务调度的问题,根据拖车服务运行特点,建立拖车行驶总路程和航班延误最小化的车辆路径问题模型。与传统固定算法不同,为适应拖车调度的问题,采用了基于启发式算法的非支配排序思想对模型求解。通过国内首都机场的实际航班数据进行验证,研究结果显示,该算法较实际运行情况下延误数量减少了27%,有效地降低了航班延误率。

基于非支配排序的改进粒子群算法的含分布式电源的配电网规划

随着分布式电源(DG)渗透率的不断提高,在进行配电网规划时不得不将DG考虑进配电网一起规划。本文在对比了基本粒子群算法(PSO)易陷入局部最优的缺陷之后,利用小生境技术寻找全局最优,再采用基于非支配排序的改进粒子群算法(NSPSO)对含DG的配电网进行了规划。本文建立以分布式电源投资和运行成本最少、有功网损最小、电压稳定裕度最大的目标规划模型,并且结合对IEEE69节点配电网的仿真分析,对比算法结果,从经济性和稳定性两方面都证明了基于非支配排序的改进粒子群优化算法在含DG的配电网规划方面有一定的优势。

基于非支配排序遗传算法的无约束多目标优化配煤模型

分析单目标动力配煤模型的缺点,提出多目标优化配煤模型,模型将所有煤质指标都作为优化目标,根据每个指标的特点构建出安全性、经济性和环保性3个目标函数。引入带有精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-II)作为该模型的寻优算法,并结合配煤问题的特点对原算法进行适当改进和调整,对某电厂的实际配煤问题进行求解,得到分布较好的Pareto最优解集,这些解为电厂配煤人员在多个相互关联的目标之间进行决策时提供了多样的选择,具有很好的指导作用和应用价值。

基于网格排序的多目标粒子群优化算法

在多目标进化算法中,近年的研究倾向于基于Pareto支配的最优化方法.针对传统的基于Pareto支配在排序效率上过低的问题,提出了一种基于网格排序的框架,利用网格同时表征收敛性与分布性的特性,结合粒子群算法,提出了一种基于网格排序的多目标粒子群优化算法.与个体两两进行比较的基于Pareto支配的策略不同,基于网格排序的机制融合了整个解空间中个体的占优信息,并利用占优信息进行排序,从而高效地得到个体在种群中的优劣关系;结合粒子到近似最优边界的距离,进一步加强了粒子在解空间中优劣关系的判别.对比实验分析表明:所提算法不论是在收敛性还是分布性上都具有较好的优势.在此基础上,讨论了网格划分数对算法效率的影响,从另一方面验证了算法的效率.

一种求解非线性规划问题的混合粒子群优化算法

粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的·每一个粒子被随机初始化以表示一个可能的解,并在解空间追随最优的粒子进行搜索·提出一种基于改进的混合粒子群优化算法求解非线性约束规划方法·在介绍PSO算法基本原理的基础上,设计了约束适应度优先排序处理约束条件的方法,并通过动态邻域算子和可变惯性权重进行联合演化以求得全局最优解·对非线性规划例子的实例计算表明,该算法稳定性好,简单容易实现而又功能强大,易于掌握,对于多维非线性、复杂问题的求解具有普遍适用性·

基于并行非支配排序遗传算法的限流措施多目标优化

分析了当前限流措施优化模型和算法存在的缺陷,提出了综合考虑安全性、稳定性、经济性的限流措施多目标优化模型。在潮流约束下,模型以总投资成本最小、故障后功角稳定性最佳、短路电流综合越限最小为优化目标,并且引入带精英策略的改进非支配排序遗传算法,结合基于限流效果灵敏度的支路筛选策略,应用于Pareto最优限流措施的求解。为提升优化速度,在MATLAB计算平台上对改进非支配排序遗传算法进行了主从并行改造。最后,结合改进的新英格兰10机39节点系统优化结果,验证了所提出的多目标优化方法有效、可行。

基于非均匀变异和多阶段扰动的粒子群优化算法

该文提出一种基于非均匀变异和多阶段扰动的粒子群优化算法,并对算法的搜索性能进行了一般性分析.首先,在算法执行的不同阶段利用对当前最优解施加大小不同的邻域扰动操作,很好地增加了群体多样性,提高了跳出局部陷阱的概率,同时加强了对当前最优解邻域内的精细搜索;其次,在粒子群优化算法中引入非均匀变异运算,并依据非均匀变异运算规律适应性地调整解向量的搜索步长.算法性能分析表明,本算法较好地兼顾了群体优化算法的多样性和精英学习强度之间的平衡问题.数值实验上,首先用12个经典测试函数,验证该文提出的几种新措施的有效性与互助性;其次,针对30维和50维的CEC2005测试函数集,所提算法NmP3PSO与经典算法wFIPS、CLPSO和OLPSO做了大量的仿真实验,结果表明该文提出的算法表现出富有竞争力的性能和稳定性.

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化。由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理。最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性。

基于稀疏表示与粒子群优化算法的非平稳信号去噪研究

非平稳信号的去噪是信号处理中的热点和难点。文中以冲击原子作为稀疏表示基,构建了仅对人文噪声敏感的冗余字典。并使用粒子群优化算法对匹配追踪算法进行优化,提出了基于稀疏表示与粒子群优化算法的非平稳信号去噪方法。为检验方法的有效性,论文首先进行了针对性的仿真实验。然后将所述方法用于实测的大地电磁信号处理。结果表明,所述方法可以在保留有用信号的前提下,有效分离出类充放电噪声、脉冲噪声以及其它多种不规则噪声,显著提高非平稳信号的信噪比。

基于量子粒子群优化算法的空间机器人非完整笛卡尔路径规划

利用自由漂浮空间机器人系统的非完整冗余特性,提出一种可使基座姿态和机械臂末端位姿同时到达期望状态的路径规划方法。该方法首先通过正弦多项式函数对机械臂关节角轨迹进行参数化,并根据基座姿态和机械臂末端位姿控制精度指标设计目标函数,由此,将自由漂浮空间机器人系统的非完整笛卡尔路径规划问题转换为非线性系统的优化问题。采用量子粒子群优化算法对非线性优化问题进行求解,将求解出的参数代入机械臂关节轨迹函数,即实现了非完整路径规划的目标。建立由飞行基座和6-DOF机械臂组成的空间机器人系统动力学模型,对所提出的方法进行仿真验证。试验结果表明,所提出的方法能够收敛于全局最优值,收敛速度快,所需调整参数少,且规划的关节路径满足关节角、角速度及角加速度的范围,关节路径平滑,适合于机械臂的控制。

基于负荷预测和非支配排序遗传算法的人工相序优化方法

在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。

人工鱼群——粒子群混合算法优化进港航班排序

针对空中交通管理中的进港航班排序问题,提出了人工鱼群—粒子群混合算法(AFPSO)这一航班排序算法来优化进港航班排序,使时段内进港航班队列总延误时间最少。算法结合了基本人工鱼群算法(AFSA)和基本粒子群算法(PSO)各自的优点,先以AFSA在全局寻找满意的解域,再以PSO算法在这些解域中进行快速的局部搜索获得精确解,最终使算法提高收敛速度和搜索精度。仿真结果表明,在单跑道和双跑道情况下,AFPSO算法使得航班队列总延误时间比FCFS调度方法减少了20.9%和34.4%,比基本AFSA减少了3.2%和3.5%。算法得到的满意解能够为自动化空中交通管理提供实时支持。

适于混合整数非线性规划的混合粒子群优化算法

通过加强粒子群优化(PSO)算法处理约束和整数变量的能力,使其适于求解混合整数非线性规划(MIN-LP),构建了一种混合粒子群优化(HPSO)算法.建立了种群的约束矩阵来反映其解满足约束的情况,运用Pareto支配概念评价解的优劣,确定种群的局部最优点和全局最优点.通过增设基于距离函数的概率取整操作和随机变异的解修复操作,加快了搜优速率.利用各粒子的局部最优点信息更新速度,采用多粒子群策略增强了种群多样性.实例测试结果显示,与其他算法相比,HPSO算法具有更好的全局寻优能力,收敛速度更快.

带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用

带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是一种新型的多目标遗传算法,该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。本文分析了当前多目标无功优化算法存在的缺陷,提出将NSGA-Ⅱ应用于多目标无功优化,该算法一次运行可以获得多个Pareto最优解,决策者可根据系统的实际要求选择最终的满意解,为各目标函数之间的权衡分析提供了有效的工具。算例结果表明NSGA-Ⅱ算法具有良好的优化效果,是一种求解多目标无功优化问题的新思路。

基于优先排序与粒子群优化的装备保障任务规划方法

针对装备保障任务规划过程中保障资源占用冲突及保障任务逻辑关系约束的实际问题,构建基于任务优先排序的解空间模型,并进一步提出基于优先排序与改进粒子群优化的装备保障任务规划方法。该方法将分解后的保障任务按照其重要性和逻辑顺序进行优先排序,并根据排序结果对粒子群优化算法得到的任务与资源匹配解空间进行调整,以解决资源占用冲突和逻辑顺序问题。为保证每次迭代后的粒子为可行解,提出不可行粒子的多维异步处理机制,提高了粒子群优化算法的搜索效率。通过实例应用仿真分析,验证了该方法在装备保障任务规划中的有效性和优越性。