用于UAV运动目标搜索的自适应粒子群算法

针对运动编码粒子群算法在处理无人机运动目标搜索问题时存在被其他高概率区域混淆、算法搜索成功率不够高的问题,提出了一种基于运动编码的自适应学习策略粒子群优化算法以优化无人机飞行路径。该算法先设计了适应于各种搜索场景的初始化方案;再融入聚类算法用以动态划分粒子群,并改进了子群中不同类型粒子的更新方程以适应路径规划中的粒子子群;最后添加了自适应学习策略以控制参数,旨在保持收敛速度的基础上提高搜索到最优路径的概率。在不同搜索场景下的实验结果表明,与运动编码粒子群优化算法相比,算法的检测性能提升了6%。此外,与其他元启发式优化算法的对比结果也展示了算法的优势。

粒子群K-means聚类算法的改进

粒子群(PSO)与K-means结合是聚类分析中的重要方法之一,但都未考虑粒子更新导致的空类问题。提出基于多子群粒子群伪均值(PK-means)聚类算法,为该问题的解决提供一种有效途径,并与粒子群K均值(PSOK-means),K-means算法进行比较。理论分析和实验表明,该算法不但可以防止空类出现,而且同时还具有非常好的全局收敛性和局部寻优能力,并且在孤立点问题的处理上也具有很好的效果。

华北元古代基性岩墙群研究

我国华北元古代基性岩墙群的岩石以辉绿结构为主,成分为镁低、钾钠稍高的拉斑玄武岩类。内含3个亚群,分別在1.5Ga、1.2Ca、0.9Ga前形成。推导出3期拉张应力场的方向分別为南北、北东-南西和北西-南东向。

一种基于子群变异的粒子群优化算法

为克服粒子群优化算法早熟收敛,提出一种基于子群变异的改进粒子群优化算法(Ss MPSO)。该算法提出一种具有随机定向振荡式搜索的子群对主群的全局最优位置进行变异,改变了完全随机的变异方式,为算法提供局部深度的搜索以及跳出局部最优;为增强算法的全局探索能力,对适应度值差的粒子进行动态变异,以此达到增大种群潜在搜索空间的目的。最后通过高维的benchmark函数测试改进算法性能。通过仿真结果对比,表明改进算法能有效防止早熟问题,对于多模态函数的优化能够很好地跳出局部极值点,收敛性和收敛精度等方面得到大幅度提升。

汽车用钢铝异种材料的自冲铆接工艺智能优化

为了提高钢铝异种材料的铆接强度和平整度,提出了神经网络与启发式算法相结合的工艺优化方法。分析了自冲铆接工艺流程,确定了铆接接头质量参数和影响接头质量的工艺参数。设计了铆接实验,采用单隐藏层神经网络对质量参数与工艺参数间的非线性关系进行拟合。经过分析,拟合误差符合正态曲线分布,且误差均值接近于0,误差标准差极小,说明单隐藏层神经网络的拟合效果较好。以增大铆接接头内锁值和减小头部高度为目标,建立了参数的优化模型。分析了惯性权重对粒子群算法的影响,提出了多子群粒子群算法的模型求解方法。经实验验证,优化后铆接接头的内锁值均值提高了15.86%,头部高度均值减小了15.38%,说明经过工艺优化可以有效地提高铆接接头的质量。