Furnace Temperature Curve Optimization Model Based on Differential Evolution Algorithm

When soldering electronic components onto circuit boards,the temperature curves of the reflow ovens across different zones and the conveyor belt speed significantly influence the product quality.This study focuses on optimizing the furnace temperature curve under varying settings of reflow oven zone temperatures and conveyor belt speeds.To address this,the research sequentially develops a heat transfer model for reflow soldering,an optimization model for reflow furnace conditions using the differential evolution algorithm,and an evaluation and decision model combining the differential evolution algorithm with the Technique for Order Preference by Similarity to Ideal Solution(TOPSIS)method.This approach aims to determine the optimal furnace temperature curve,zone temperatures of the reflow oven,and the conveyor belt speed.

Unfolding neutron spectra from water-pumping-injection multilayered concentric sphere neutron spectrometer using self-adaptive differential evolution algorithm

A self-adaptive differential evolution neutron spectrum unfolding algorithm(SDENUA)is established in this study to unfold the neutron spectra obtained from a water-pumping-injection multilayered concentric sphere neutron spectrometer(WMNS).Specifically,the neutron fluence bounds are estimated to accelerate the algorithm convergence,and the minimum error between the optimal solution and input neutron counts with relative uncertainties is limited to 10^(-6)to avoid unnecessary calculations.Furthermore,the crossover probability and scaling factor are self-adaptively controlled.FLUKA Monte Carlo is used to simulate the readings of the WMNS under(1)a spectrum of Cf-252 and(2)its spectrum after being moderated,(3)a spectrum used for boron neutron capture therapy,and(4)a reactor spectrum.Subsequently,the measured neutron counts are unfolded using the SDENUA.The uncertainties of the measured neutron count and the response matrix are considered in the SDENUA,which does not require complex parameter tuning or an a priori default spectrum.The results indicate that the solutions of the SDENUA agree better with the IAEA spectra than those of MAXED and GRAVEL in UMG 3.1,and the errors of the final results calculated using the SDENUA are less than 12%.The established SDENUA can be used to unfold spectra from the WMNS.

Differential Evolution Algorithm Based Self-adaptive Control Strategy for Fed-batch Cultivation of Yeast

In the fed-batch cultivation of Saccharomyces cerevisiae,excessive glucose addition leads to increased ethanol accumulation,which will reduce the efficiency of glucose utilization and inhibit product synthesis.Insufficient glucose addition limits cell growth.To properly regulate glucose feed,a different evolution algorithm based on self-adaptive control strategy was proposed,consisting of three modules(PID,system identification and parameter optimization).Performance of the proposed and conventional PID controllers was validated and compared in simulated and experimental cultivations.In the simulation,cultivation with the self-adaptive control strategy had a more stable glucose feed rate and concentration,more stable ethanol concentration around the set-point(1.0 g·L^(-1)),and final biomass concentration of 34.5 g-DCW·L^(-1),29.2%higher than that with a conventional PID control strategy.In the experiment,the cultivation with the self-adaptive control strategy also had more stable glucose and ethanol concentrations,as well as a final biomass concentration that was 37.4%higher than that using the conventional strategy.

A Hybrid Differential Evolution Algorithm Integrated with Particle Swarm Optimization

To implement self-adaptive control parameters,a hybrid differential evolution algorithm integrated with particle swarm optimization( PSODE) is proposed. In the PSODE, control parameters are encoded to be a symbiotic individual of original individual,and each original individual has its own symbiotic individual. Differential evolution( DE) operators are used to evolve the original population. And,particle swarm optimization( PSO) is applied to co-evolving the symbiotic population. Thus,with the evolution of the original population in PSODE, the symbiotic population is dynamically and self-adaptively adjusted and the realtime optimum control parameters are obtained. The proposed algorithm is compared with some DE variants on nine functions. The results show that the average performance of PSODE is the best.

Covariance Matrix Learning Differential Evolution Algorithm Based on Correlation

Differential evolution algorithm based on the covariance matrix learning can adjust the coordinate system according to the characteristics of the population, which makes the search move in a more favorable direction. In order to obtain more accurate information about the function shape, this paper proposes covariance matrix learning differential evolution algorithm based on correlation (denoted as RCLDE) to improve the search efficiency of the algorithm. First, a hybrid mutation strategy is designed to balance the diversity and convergence of the population;secondly, the covariance learning matrix is constructed by selecting the individual with the less correlation;then, a comprehensive learning mechanism is comprehensively designed by two covariance matrix learning mechanisms based on the principle of probability. Finally, the algorithm is tested on the CEC2005, and the experimental results are compared with other effective differential evolution algorithms. The experimental results show that the algorithm proposed in this paper is an effective algorithm.

基于优化支持向量回归的工业互联网安全态势预测方法

作为支撑智能制造等的新型工业基础设施,工业互联网的安全态势预测是一个关键性需求和应用新挑战.本文提出一种基于优化支持向量回归的工业互联网安全态势预测方法,即利用差分进化算法和自适应参数调整策略克服灰狼优化算法计算速度慢、优化精度低的缺点;再利用改进的灰狼优化算法优化支持向量回归参数;最后,利用最优化参数组合建立支持向量回归预测模型,实现工业互联网环境下的安全态势预测.仿真实验结果表明,在容许偏差为0.05或0.1时,本文方法的预测准确率分别为90%和100%,预测结果的绝对误差均小于0.07,相比于对比方法有更高的预测准确率和预测精度.

NN型少齿差传动的多目标优化

围绕能源与重型机械对传动装置高效率与高输出力矩的需求,对NN型少齿差传动以最高效率与最大输出力矩进行了多目标优化研究。首先,对一定齿数范围内不同齿数差、不同错齿数下所有齿数组合进行遍历,得出配齿表;随后,建立NN型少齿差传动的多目标优化模型,以齿数组合、标准压力角、啮合角、齿顶高系数以及变位系数为优化设计变量,考虑重合度、齿廓重叠干涉、齿顶厚度等约束条件,使用基于Pareto的多目标差分进化算法对优化模型进行求解,得出Pareto最优解集的分布。将本文得出的结果与机械设计手册中的结果进行对比,结果显示,本文结果优于机械设计手册中的结果,可为NN型少齿差传动的设计提供参考。

基于改进差分进化算法的阵列侧向测井反演

针对阵列侧向测井反演受给定初值影响的问题,将阵列侧向测井反演问题转化为无约束的非线性全局优化问题,提出了一种基于改进差分进化反演的新方法。在30次随机计算中改进差分进化算法与差分进化算法相比,其寻优成功率可以达到93.3%,平均进化代数为差分进化代数的1/8,其最优适应度也仅为差分进化最优适应度的一半。通过对阵列侧向模型进行反演计算,表明该算法满足电测井反演的需求。改进差分进化方法可有效地解决传统优化方法反演结果对初值的依赖性问题。

裂缝性储层阵列侧向测井响应反演研究

建立了裂缝性储层阵列侧向测井响应的三维有限元正演模型。利用三维有限元方法计算不同角度、不同裂缝孔隙度裂缝的阵列侧向测井响应,得出裂缝性储层的阵列侧向测井响应与裂缝孔隙度、裂缝倾角的关系。随裂缝孔隙度增加,阵列侧向视电阻率降低。低角度裂缝的阵列侧向深浅视电阻率呈现负差异,高角度缝呈现正差异。将阵列侧向测井反演问题转化为无约束的非线性全局优化问题,利用差分进化算法对阵列侧向测井进行反演,为阵列侧向测井资料反演裂缝性地层参数提供了理论基础。

基于差异进化算法的人工神经网络快速训练研究

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中神经网络已被广泛应用于智能控制系统优化,信号及信息处理、模式识别等领域。而遗传算法则是模拟生物的进化现象(选择、交叉、变异等),来表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。由于神经网络和遗传算法目标相近而方法各异,因此将两种方法相互结合,必能达到取长补短的目的。将近年来提出的遗传算法的一种——差异进化算法DE(DifferentialEvolution)与原有的LM算法相结合,构造了DE-LM算法,并通过实例验证了它具有收敛速度快和不易陷入局部最小的特点。

差分选择策略在复杂多目标优化问题中的研究

在多目标进化算法中,如何提高生成解的质量一直是研究的热点与难点.为解决以上问题,该算法从差分进化算法与计算资源分配策略2个方向进行了研究.根据多目标问题从决策空间到目标空间的映射关系以及差分进化算法基本原理,提出了一种基于双种群的多目标差分选择策略.它利用2个种群来区分个体间收敛性差别,在调整差分参数以适应多目标算法特性的基础上,以收敛性差别为依据选择参与差分运算的个体,从而提高差分算法性能,加快子代个体收敛.另外,根据子代个体收敛速率的不同,动态调整计算资源的分配,进一步提高算法收敛性.与ε-MOEA和MOEA/D-DRA在一系列复杂的多目标优化问题上进行了对比实验,结果表明了所提策略的有效性.

基于TDOA的无线定位算法改进

无线定位技术广泛应用于各个行业。首先分析了基于TDOA的Chan定位算法,针对Chan算法在测量噪声加大时定位精度下降的问题,将差分演进算法(DE)与Chan算法相结合,提出了一种Chan-DE复合算法,并通过仿真验证了Chan-DE复合算法的有效性。

基于差异进化算法的围岩参数识别

引入了一种新型智能优化算法差异进化优化算法,建立采矿巷道围岩参数的识别方法.基于正交设计和均匀设计方案进行巷道开挖的数值试验,建立围岩力学参数与监测位移的映射关系回归模型.以计算位移和监测位移的误差为适应值,采用差异进化优化算法进行参数识别.在探讨差异进化算法原理和参数识别步骤基础上,将该方法应用于金山店铁矿进路巷道分析.分析结果表明该算法具有优良的全局快速收敛性,是具有较强适应性的新型巷道参数识别方法,具有良好应用前景.

基于演化硬件的容错系统设计技术研究

提出了一种基于演化硬件的N模异构冗余容错系统设计方法.首先,改进厂一种多目标进化算法,利用改进的优化算法来设计多模冗余系统目标数字电路;然后,提出了多模数字电路设计的异构评价策略,以用于N模异构电路的优化设计;最后,将设计的异构数字电路用于组成N模冗余容错系统,以提高容错系统的可靠性.对单目标与多目标设计电路、同构与异构冗余电路的容错性能进行了理论分析和对比,给出了异构电路评价方法和选择策略.以8线—3线编码器作为设计实例,实验结果证明了基于多目标进化设计的异构电路所组成的容错系统具有更好的容错能力.

基于遗传进化的混凝土湿度场差分反演算法

建立混凝土湿度场差分反演模型,并用遗传算法对其进行了优化求解。根据混凝土湿度扩散方程,确定其内部与边界的差分格式,并对具体实例进行了求解;针对经验参数计算结果与实测结果吻合较差的问题,提出了基于实测数据的差分反演模型,利用遗传算法对模型进行优化求解,所得结果与实测数据误差较小。该算法根据实测结果,可获得湿度场的实际分布情况,对类似问题有一定的参考作用。

基于差分进化算法的ICP-AES谱线重叠干扰校正方法研究

在电感耦合等离子体原子发射光谱法(ICP-AES)测量系统中,光谱的叠加现象会导致大部分谱线受到不同程度的重叠干扰,引起后续的定量分析误差。根据光谱叠加产生机理,重点阐述谱线重叠干扰校正思路,建立干扰校正评价函数;基于有限差分法计算重叠谱线的近似二阶导数,根据其极小值分布确定重叠谱线中子峰谱线特征波长的最小取值区间,并以此作为差分进化算法的初始条件之一,然后利用差分进化算法求解评价函数的最优解,作为重叠谱线的最佳特征向量,进而解析出重叠谱线中的干扰谱线和目标谱线。通过构造的模拟重叠谱线数据,研究差分进化算法的种群数量和进化代数对算法性能的影响,并通过实测重叠谱线数据验证了提出的谱线重叠干扰校正方法在工程领域中应用的可行性。实验结果表明,差分进化算法能够较为准确地计算出评价函数的最佳特征向量,并解析出重叠谱线中的目标谱线和干扰谱线,从而实现谱线重叠干扰校正,为待测溶液中元素含量的定量分析奠定了基础。

基于异维变异的差分混合粒子群算法

针对粒子群(Particle Swarm Optimization,PSO)算法和差分进化(Differential Evolution,DE)算法存在容易陷入局部极值、进化后期收敛速度慢和收敛精度低的局限性,提出了一种基于异维变异的差分混合粒子群(UDEPSO)算法。首先,为了提高群体多样性,使用熵度量初始化粒子;其次,在粒子迭代的过程中,根据粒子的分布特点,引入异维变异学习策略和维度因子以引导粒子及时跳出局部极值达到最优解;最后,将所提算法在10个典型的测试函数上进行了仿真,其在9个测试函数的收敛精度和标准差上取得了显著的效果,远优于PSO算法、DEPSO算法以及CDEPSO算法。实验结果表明,UDEPSO算法在优化收敛精度和效率上具有较强的优势。

基于改进反向差分进化算法的多股簧响应模型参数辨识

针对传统算法在辨识多股簧响应模型参数方面存在的不足,提出一种改进反向差分进化算法。改进的算法采用新的反向学习机制引导种群逼近全局最优解,并使用正弦混沌序列计算缩放因子以提高种群的多样性。这两种机制协同操作可以较好地平衡算法的全局勘探和局部开采能力。通过建立参数辨识的目标函数和进行多股簧的动态试验,然后使用改进算法优化目标函数得到辨识结果。计算结果表明,改进算法能够有效地辨识多股簧模型参数,参数的收敛速度和计算的成功率优于标准反向差分进化算法和其他算法;即使在噪声级别较高的情况下,改进反向差分进化算法也可以准确地求出多股簧的模型参数。

SADE-ELM电容层析成像流型辨识算法

针对电容层析成像反问题流型识别较难的问题,提出了一种新的ECT流型辨识算法——差分演化优化极端学习机算法,进而提出了基于自适应差分演化优化极端学习机(Sa DEEML)的ECT辨识算法.在论述极端学习机算法的基础上,结合差分演化算法对极端学习机算法进行优化,自适应差分演化算法中的关键参数,通过训练得到各类流型的分类器的参数,构造分类器进行精准与快速分类.实验结果表明:该算法能有效克服极端学习机算法的缺点并提高了局部与全局收敛能力,通过与BP、SVM算法比较,该算法具有竞争力,并为电容层析成像流型辨识的研究提供了新算法.