基于改进DE算法的目标分配问题研究

针对巡飞弹协同攻击作战中目标分配问题,建立了多约束条件下的目标分配模型,提出了一种改进的DE算法,主要通过引导“探索性”种群协作进化、自适应选择变异策略、变异率及交叉率对算法进行改进。将改进的DE算法应用到目标分配模型的求解和仿真中。仿真结果表明,该改进的算法可提高收敛性能和全局寻优能力,能够更快、更有效地找出巡飞弹——目标分配的最优分配方案。

造纸废水好氧处理过程的DE算法改进措施研究

以某造纸企业的造纸废水好氧处理工艺为例,介绍了造纸废水好氧处理过程优化控制的实现过程,并在此基础上采用改进DE算法对好氧处理过程优化控制措施进行了研究,包括在工艺参数设计阶段优化控制措施、在工程实际应用阶段优化控制措施,最后对改进DE算法的寻优能力进行了测试。近年来,我国造纸废水排放量居高不下,而造纸行业的生产废水含有大量有机物,对环境的危害较大。因此对造纸废水进行处理十分必要。而废水处理过程控制是实现废水达标排放的关键环节,也是整个废水处理系统中最复杂的环节之一。本文首先研究了废水处理系统中的控制措施对废水处理效果的影响,其次提出了一种改进的差分进化算法,然后根据实际情况,结合仿真实验,采用该改进的差分进化算法对废水处理系统的控制措施进行优化,最后对优化后的控制措施进行仿真实验,仿真结果表明该优化措施能够有效提高废水处理系统对污染物的去除效果。

基于改进DE算法的工业机器人时间最优轨迹规划

为提高工业机器人的工作效率,提出一种进行时间最优轨迹规划的新算法。通过对已知任务轨迹的关键点进行运动学反解,求解与之对应的关节空间位置序列,并采用5次非均匀有理B样条曲线构造关节运动曲线,能够保证机器人各关节位置的准确性,实现各关节运动的速度、加速度以及二次加速度的连续性。通过改进差分进化(Differential Evolution简称DE)算法,充分利用不可行解的信息,加强对边界的搜索,增强了算法的全局搜索能力。与遗传算法以及差分进化算法进行比较,利用该算法进行轨迹规划,结果显示该算法的搜索速度更快,所得的数值结果更小。

基于决策者偏好DE算法的模糊聚类迭代洪灾评估方法

权重的选择是各种洪水灾害评估模型中的一个关键而又难以确定的问题。根据现有主观赋权法和客观赋权法的特点,在差分进化(DE)算法的基础上,引入决策者偏好过滤掉不满足条件的个体,通过优化考虑决策者偏好的模糊聚类迭代模型获得洪灾样本的指标权重向量,结合洪灾损失样本特征值矩阵得出各样本的灾情综合评价值;然后依据灾情综合评价值与聚类矩阵求出各等级的特征值,并依此自动识别聚类矩阵中各行的类别属性;最后依据识别出的类别属性和各样本的灾情综合评价值,对洪灾样本在不同的决策者偏好下进行等级划分和灾情排序。以2013年四川省和1996年新疆的洪灾样本为例进行仿真试验,实现了不同决策者偏好下的洪灾等级评估,并为水利部门选择偏好类型提供了参考性建议。

DE算法的改进及其在系统辨识中的应用

对于一类高维、非光滑及非线性的约束优化问题,传统的搜索方法不能很好地求得全局最优解,而DE算法可以处理这类问题.为了提高DE算法收敛到全局最优的概率和精度,在基本DE算法的基础上,运用变步长梯度法和记忆库,得到改进的DE算法,并将改进的DE算法应用于实际水槽的模型参数辨识.经过测试对象、采集数据、选择模型结构、辨识参数和验证模型,结果表明,改进的DE算法使辨识系统参数收敛到全局最优的能力增强,收敛概率和精度得到提高,模型偏差平方和更小.

基于改进的DE算法的超声回波参数估计

利用最小二乘法将超声回波参数估计问题转化为优化问题,采用改进的差分进化算法(DE算法)对待优化函数进行优化处理。仿真研究说明,该方法在噪声环境下依然有效,并且不依赖于初始值选择,不需计算梯度,可以在全局范围内搜索。

一种基于梯形公式的ODE算法

对解非线性方程的ODE方法进行了分析,利用梯形公式构造了一种求解非线性方程的迭代算法,该算法不需计算导数值,在迭代过程中不需改变步长,有较大的初值选择范围,并以数值试验进行了验证。

基于改进DE算法的PID参数整定及其应用

将PID经验整定公式和自适应算子引入到微分进化(DE)算法中,在此基础上提出了改进的微分进化(IDE)算法,即采用PID经验整定公式指导DE算法中初始种群的产生,减少了DE算法寻优的随机性,加快了收敛速度且不依赖调试人员的经验,实现完全自适应获得PID参数.对具有严重参数不确定性、多扰动及大迟延的循环流化床(CFB)锅炉汽温控制系统进行仿真研究,并将IDE算法应用到某300 MW CFB锅炉主汽温控制系统中.结果表明:IDE算法寻优速度快、计算量小,对参数优化非常有效;与遗传算法(GA)整定PID参数的效果相比,IDE算法具有较好的调节品质和较强的鲁棒性,汽温控制效果得到明显改善.

基于自适应DE算法的电子膨胀阀PID控制器参数整定

针对标准DE算法过早收敛容易产生早熟的问题,引入自适应变异算子的计算方法,对标准DE算法进行优化,并将改进的DE算法应用于电子膨胀阀PID控制器参数的在线整定。仿真实验结果表明:使用改进的自适应DE算法整定PID控制器参数的电子膨胀阀,能使系统更快、更稳定地达到过热度期望值,避免了早熟现象。

基于改进DE算法的兆瓦级风机独立变桨控制

针对兆瓦级风电机组在额定风速以上的气流扰动时出现的载荷不平衡现象,提出了基于改进DE算法的独立变桨距控制策略。利用DE算法能够较快进行全局寻优的特点,缩小PID参数的搜索范围,提高动态响应能力。通过改进DE算法以改善其局部搜索能力,使调节过程具有较强的自适应性,从而得到最优的桨距角控制结果。最后,采用Matlab和Fast软件作为测试平台,对2 MW的独立变桨机组进行了仿真。结果表明,所提独立变桨控制策略能够有效降低机组在扰动情况下的载荷,缓解机组疲劳程度、延长机组寿命,有利于稳定输出功率,从而提高运行效率。

DE算法在多元线性回归模型参数估计中的应用

采用DE算法,以最大似然准则作为适应度函数,建立回归分析中的参数估算模型,探讨多元线性回归中的参数估计计算。数值仿真分析表明,DE算法可以精确地计算出相关参数。

十进制整数编码的DE算法模式集定理研究

为揭示差分进化算法(Di?erential Eveolution,简称DE)的动力学机制,提出了DE算法的十进制整数编码的概念,给出选择、交叉、变异等操作算子在推动种群演化和寻优的模式集定理,即DE算法在选择、交叉、变异等操作算子作用下,具有较低模式集阶、较短模式集距、较高适应度函数值的模式集的生存数量,随种群迭代次数的增加呈现指数级增长.同时还研究了收缩因子F与变异概率的相当性特征,将收缩因子F的范围缩小至(0, 1)区间.

Riemannian流形中DE算法算子最优特征量的量子渐进估计

该文主要分析和探讨了差分进化算法(Differential Eveolutionary Algorithm,DE)在Riemannian流形中的几何关系,对P-ε条件下Riemannian流形中的种群个体进行了收敛性分析,得到了迭代个体收敛精度与收敛速度的量子不确定渐进估计,如下式Δv^2 Δxβ^ε^2≥(√(λε)1+…+√(λε)n/2)^2,其中,Δv^2为种群个体的速度分辨率,Δxβ^ε^2为种群个体带有误差的位置分辨率,(λε)i,i=1,2,…,n.从本质上说明了Riemannian流形中迭代个体的局部特征量是不能从收敛精度和收敛速度同时达到算法高效.

基于DE算法的建筑3D打印完全遍历路径规划研究

在建筑3D打印领域首次提出了打印头完全遍历路径规划问题,对该问题进行了系统的阐述,包括对问题产生的原因进行分析,建立数学模型,提出评价指标。引入基于人工智能的DE(differential evolution,微分演化)算法进行路径规划问题的求解,进行了一个典型建筑3D打印路径规划模型的数值仿真模拟,通过实验结果可以得出,DE算法可以较好地解决建筑3D打印完全遍历路径规划问题。

差分进化算法在气候变化中的应用

目前,气象预测依赖于先进的气象观测技术、大数据分析和计算机模型等手段,以提供更为准确的天气预报和气候预测。尽管通过不断改进算法和提高数据采集质量,气象预测的准确性和时效性得到了显著提升,但在数据处理、模型训练和特征选择等方面仍存在一些不足之处。引入差分进化算法(Differential Evolution, DE)不但可以弥补这些不足而且也能提升气候科学研究的创新水平。本文重点关注DE算法在优化气候模型性能、特征选择和数据处理方面的作用。通过该算法进行气候模型参数优化,改进模型的拟合能力和预测准确性,从而提高气候变化预测的可靠性。DE算法的引入将为气象数据处理和气候科学研究提供新的有效途径,有望促进气候变化预测的准确性和可靠性,推动气候科学领域的创新发展。

基于智能算法的矿井水处理系统的研究

本文设计了基于DE优化的RBF神经网络与DE优化改进的PID算法相结合的控制系统,利用优化后的RBF神经网络预测加压泵压力,结合Labview、MATLAB、step7混合编程,使用优化后的RBF神经网络与在线PID算法控制PLC,完成了优化流程,采用误差指标J等于网络的预测误差进行优化。结果表明,本文提出的控制系统能提高鲁棒性、缩小超调量、加速响应、改善出水水质。

混料模型D—最优试验设计的改进DE算法研究

差分进化算法(Differential Evolution Algorithm)有较强的全局收敛能力和稳健性,应用该算法可解决工程学、计算机科学等领域的一些复杂优化问题。本文介绍一个改进DE算法,该算法适用于混料模型的近似最优设计问题,对于具有附加约束试验域的混料问题也可高效求解。最后,本文给出应用改进DE算法求解混料模型D-最优试验设计的例子。

差分进化混合粒子群算法求解装配式建筑构件生产调度优化问题

在满足按期交货的前提下,为解决装配式建筑预制构件生产成本最低时的构件生产调度问题,建立构件生产成本最小化模型。采用差分进化(DE)算法与粒子群优化(PSO)算法相结合的差分进化混合粒子群优化(PSODE)算法。结合实际案例,将PSODE算法与GA算法进行对比,结果表明,PSODE算法在按期交货的前提下,通过对构件调度顺序进行优化,构件生产成本降低5.5%。PSODE算法解决装配式构件生产调度问题的有效性和可靠性得到验证,且PSODE算法比GA算法更优。

差分-模糊复合算法在冷轧APC系统的实验

在冷轧板带生产的厚控中,针对液压APC(Automation Position Control)系统复杂度高、特性易漂移等特点,提出了一种基于差分进化算法(Differential Evolution Algorithm)与模糊控制相结合的在线PI自调节控制器。为提高算法智能程度,采用基于个体健康值(Health Value)自调整的变异比例因子,并且采用多指标加权函数作为适应度函数;同时,为提高系统的鲁棒性,采用模糊控制对PI控制器进行后续调整,以改善由于系统特性漂移而产生的响应特性变差的情况。同时,分析了冷轧APC系统的原理及组成,建立了液压APC系统数学模型,搭建模拟电路作为被控对象。将混合算法进行CFC(Continuous Functional Chart)编程,得到基于DE-fuzzy混合算法的PI参数在线寻优-自调整控制器。将上述控制器在西门子FM458平台上进行实验研究,结果表明,DE-fuzzy的PI参数在线寻优-自调整控制器具有较高的智能性、鲁棒性和实用价值。

基于差分进化算法的矿井提升机制动系统设计

针对目前矿井提升机在恒力矩制动时会出现钢丝绳打滑和冲击提升系统的现象,提出利用煤矿提升机恒减速制动系统的数学模型,以PLC作为控制核心,采用差分进化(DE)算法模糊PID控制规则,设计了基于DE算法的矿井提升机制动系统。仿真表明其调节时间和上升时间低于传统PID控制,验证了该方法的可行性和先进性。