自适应变异粒子群算法在交通控制中的应用

提出了自适应粒子群算法结合实数遗传算法中变异算子的混合算法，它能提高算法的收敛性和稳定性。同时，通过对交通路口的通行情况的研究提出了一种新颖的离散交通信号控制模型。此模型以交叉路口各方向车流支路为基本单元，以各支路车流信息为输入，得出交通信号控制的各项性能指标。在此模型的基础上，应用自适应变异粒子群算法实现交通信号优化控制及验证算法。仿真结果表明自适应变异粒子群算法能够有效实现交通信号优化控制。     

无人机任务分配与航迹规划协同控制方法

针对无人机协同控制问题,提出一种多无人机任务分配与航迹规划的整体控制架构。将威胁和障碍区域考虑为合理的多边形模型,使用改进的A*算法规划出两个航迹点之间的最短路径。并利用该路径航程作为任务分配过程全局目标函数的输入,采用与协同系统相匹配的粒子结构进行改进粒子群优化(particle-swarm optimization,PSO)任务分配迭代寻优。根据分配结果并考虑无人机性能约束,基于B-spline法平滑路径组合,生成飞行航迹。仿真结果表明,算法在保证计算速度和收敛性能的同时,能够产生合理的任务分配结果和无人机的可飞行航迹。     

面向预警卫星调度问题的改进粒子群算法

针对预警卫星调度问题的特点,提出了改进型粒子群算法。首先构建了粒子整数编码和解码机制,使粒子编码对应资源分配方案;其次,采用基于优先级的粒子群初始化机制,提高算法对可行解空间的遍历效率;其次对运算符进行重定义,解决基本粒子群算法无法处理离散变量优化问题。最后将改进的离散分群粒子群算法应用于预警任务—资源的调度问题中,实验结果表明,同其它算法相比,该算法具有较高求解性能。     

一种快速收敛的改进粒子群优化算法

采用离散线性系统的状态方程,根据系统稳定性理论,推出了保证牡子群优化算法收敛性的参数设置压域。在收敛性理论分析的基础上,提出了一种快速收敛的改进粒子群优化算法,它是基于二阶系统按最佳胆尼比的思恕来设定粒子群速度更新公式中的惯性权重。通过标准测试函数的性能测试,验证了改进粒子群优化算法的收敛性和快速性,并和惯性权重线性递减的标准粒子群优化算法进行了比较。仿真结果表明,该算法具有可靠的收敛性能和更快的收敛速度。     

离散粒子群算法的发散性分析及其改进研究

针对粒子群优化算法无法有效地解决离散及组合优化问题,首先从微观角度对粒子状态的变化轨迹进行分析,得出进化过程中单维粒子表现出聚散结构以及多维粒子整体呈现无规则的发散性,这导致粒子搜索的盲目性以及无法深入地进行局部搜索.然后,从粒子间的位置运算和粒子的位置转移两个方面对粒子运动方程进行修正,进而提出一种改进的离散粒子群算法.最后,以经典的背包问题为例进行验证,结果表明该算法有效地降低了粒子搜索的发散度,解的质量明显优于相关算法.     

水库调度PSO优化模型及求解方法

水库优化调度是水资源系统工程的一个典型,其实质是一个非线性的不等式约束优化问题,然而现行的求解方法中针对离散精度和复杂约束处理两个问题一直考虑不足,相关方面的研究也较少。将连续域寻优的粒子群算法引入到水资源系统工程中,建立水库调度的PSO优化模型,避免因离散而引起的寻优瓶颈,并针对传统粒子群算法的趋同性问题和复杂约束问题,提出退火罚函数法和混沌变异因子法,使改进后的粒子群能更有效地解决水库调度问题。通过实例分析,验证该方法的可靠性,为水库调度提供了一种新的求解途径。     

基于粒子群算法混合优化的广义预测控制器研究

提出一种基于粒子群算法混合优化的广义预测控制器(generalized predictive control based on particleswarm optimization,简称PSOGPC),将粒子群优化算法(particle swarm optimization,简称PSO)引入到广义预测控制的滚动寻优过程中,有效解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题。并对普通粒子群优化算法进行了改进,提高了优化过程的求解精度和收敛速度。多种约束情况和对电厂锅炉的主汽温控制系统的仿真结果表明了该方法的有效性和优良的控制性能。     

基于改进粒子群算法的滑模控制方案

针对一类非线性系统, 提出了一种新的滑模控制方案.将改进粒子群算法与滑模控制方法结合,利用改进粒子群智能优化方法设计切换函数和指数趋近律系数,加快了系统到达滑平面的速度,改善了系统的动态性能和保证较强的鲁棒性,系统能快速精确跟踪期望的状态轨迹,而且有效地消除了滑模控制固有的高频颤动现象.最后应用到倒立摆系统进行了仿真研究, 结果表明了该方案的有效性.     

基于改进粒子群优化的部分传输序列峰均比降低研究

部分传输序列(PTS)算法是解决正交频分复用(OFDM)系统高峰均功率比(PAPR)问题的有效手段,但是算法采用穷举搜索使得系统的复杂度非常高.针对该问题,将算法中最小峰均比的求解过程转化为非线性约束的优化问题,进而提出了一种新的离散粒子群优化(DPSO)方法,使得相位因子的搜索快速向最优相位序列的方向收敛,从而显著地降低了PTS算法的搜索复杂度,同时能够得到具有较小峰均功率比的信号.仿真结果证明,与传统PTS算法相比较,所提算法在搜索复杂度较低的情况下,能够获得很好的峰均功率比降低性能.     

基于Q-学习和粒子群算法的区域交通控制模型

针对城市交通系统的动态性和不确定性,提出了基于Q-学习和粒子群算法相位差优化算法,对区域交通动态实时控制进行了研究。根据不同的交通流恃况确定不同的区域控制目标函数,捋Q－学习的类惩机制引入粒子群算法的选优过程中,通过改进的粒子群算法实时优化区域控制策略。编制该控制方法的仿真程序,应用AIMSUN仿真软件验证算法的控制效果。结果表明,该方法对不同交通量下可保持较高的控制效率,控制效果明显优于感应控制。     

求解零空闲置换流水车间调度问题的离散烟花算法

针对以最小化最大完工时间为目标的零空闲置换流水线调度问题,提出了一种带有局部搜索的离散烟花算法.首先,结合调度问题的置换特征,定义了基于工件序列的编码方式;其次,结合反转和交换等操作重新定义了爆炸算子和变异算子;再次,开发了基于插入邻域的局部搜索策略,以增强烟花算法的局部搜索能力;最后,采用实验设计探讨了关键参数对算法性能的影响.基于Taillard基准问题的对比分析结果表明:所提方法在寻优精度、稳定性等指标上优于标准烟花算法、离散萤火虫算法、离散蛙跳算法、离散粒子群算法和遗传算法,且不劣于结合变邻域搜索的粒子群优化、混合离散粒子群优化、杂草优化等算法.     

网络控制系统的事件触发与量化控制协同设计

针对资源受限的离散时间网络控制系统,提出一种基于性能优化的事件触发和量化控制协同设计方法。该方法主要通过事件触发降低网络带宽占用,采用带有缩放因子的动态量化器降低量化误差的影响,并将该网络控制系统建模成具有不确定参数的离散时间切换系统;根据稳定性和二次性能指标要求,利用分段李雅普诺夫函数和线性矩阵不等式技术将性能指标最优问题转化为具有矩阵不等式约束的优化问题,给出了保证系统渐近稳定且二次性能指标最小的事件触发器参数、动态量化器可调参数及控制器增益协同设计方法。最后,通过仿真验证了所提方法的有效性。     

柔性作业车间AGV与机器双资源集成调度研究

针对含有AGV(automated guided vehicle)的柔性作业车间调度问题,建立了以最小化最大完工时间为目标的双资源集成调度优化模型.在种群初始化过程中提出一种启发式初始化方法,提高种群初始解的质量,加快算法的收敛速度.针对离散粒子群算法易早熟的弊端,结合竞争学习机制和随机重启机制提出一种可有效避免早熟的...     

Underlay认知无线电网络功率与允入控制优化算法

频谱共享认知无线电网络中允入控制算法对系统总吞吐量、总传输概率及认知用户中断概率的影响,并提出两种新功率与允入控制联合优化算法。所提算法基于信干噪比与功率对应关系,引入有效信干噪比、有效链路增益比两个新权值。在非可行系统中依据新权值逐步移除违规认知用户,使允入认知用户数目最大化并有效控制总传输功率。在可行系统中利用新权值将“极大-极小”服务质量和总吞吐量优化两个问题转化为易解决的传统线性规划问题。仿真实验结果表明,新算法复杂度低、用户中断概率小且系统吞吐量大。     

基于模糊机会约束双层规划的动态火力分配建模与实现

针对现有动态火力分配模型未考虑不确定因素及复杂约束的问题,引入不确定规划理论,建立了基于模糊机会约束双层规划的动态火力分配模型.首先,以最大化效费比和尽早拦截分别作为模型的上下层目标函数,并考虑复杂战场环境下的模型约束.在此基础上,构建了一种针对双层多约束动态火力分配问题的递阶结构粒子编码方案,并将带审敛因子的离散变邻域粒子群算法及带怀疑因子及斥力因子的粒子群算法有效结合,利用模糊模拟技术,提出一种分层递阶的混合模糊粒子群算法.仿真实例表明,该算法具有更强的全局寻优能力和更快的收敛速度,能够满足大规模动态火力分配问题对时效性的高要求.     

多约束条件下非连续助推弹道方案设计与优化

研究了考虑动压、过载、控制量以及终端状态等多约束条件下的非连续助推弹道方案设计与优化问题。首先,结合最优控制理论,推导了脉冲作用期间的飞行程序;然后,在综合考虑弹道约束条件的基础上,合理设计非连续助推弹道方案;最后,针对经典粒子群算法收敛速度慢、易陷入局部最优解的缺点,采取了惯性权重自适应变化及扰动策略,以适应复杂弹道优化问题。仿真算例及结果表明,设计的非连续助推弹道方案能够满足各项约束,改进的粒子群算法能有效解决多约束下非连续助推弹道优化问题,优化方案的射程比原方案提高了6.69%,比连续助推弹道提高了14.09%,优势较明显。     

军用飞机智能起降调度技术研究

为了削弱军用飞机实际起降时刻与计划起降时刻之间的偏差对作战带来的不利影响,探讨了智能化的军机起降调度方法。分析了军机起降过程中的时间窗口约束和尾流间隔约束,建立了军机起降调度的数学模型。设计了针对模型解的混合编码策略,并针对自然数编码部分提出了一种离散粒子群算法进行更新。通过仿真实验确定了算法的最大迭代次数,并通过与其他调度算法的对比分析,说明了模型和算法的有效性。     

基于模糊随机规划的反TBM目标分配优化模型

针对反导目标分配优化问题中存在的不确定性特征,引入模糊随机规划理论.首先建立了基于模糊随机规划的反战术弹道导弹(tactical ballistic missile,TBM)的目标分配优化模型.在此基础上,构建了一种针对多约束目标分配问题的粒子编码方案,并改进传统粒子群算法的位置和速度更新方式,提出了改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法.最后,设计了模糊随机模拟技术和IDPSO算法相结合的混合智能求解算法.仿真实例表明,混合智能算法全局寻优能力强,优化效率高,满足反TBM目标分配优化对时效性的要求.     

V-BLAST系统中有效的近优检测方法

在离散粒子群算法的基础上,结合遗传算法中的变异算子,提出了一种新的离散粒子群优化算法,进而设计了一种使用新的离散粒子群优化算法和并行干扰抵消算法相结合的垂直分层空时系统检测方法。该方法将NDPSO和PIC有机结合可以改善NDPSO的性能,同时为了进一步加快NDPSO的收敛速度,将迫零检测结果作为NDPSO的初始值。分析和仿真结果表明,所提出的检测方法与最优检测方法相比有更低的计算复杂度,与次优检测方法相比具有更好的误码率性能,为寻求新的V-BLAST系统检测算法提供了思路。     

基于正则信道求逆预编码的MIMO功率分配方案研究

提出一种多用户MIMO系统中基于正则信道求逆预编码并具有QoS保障的功率分配方案:结合信道状态信息和用户QoS需求,分析得出约束条件的可行性判断依据;利用连续几何规划算法将非凸优化问题近似为凸优化问题,并辅以内点法求解最优功率分配方案;最终综合得出一套基于滑动窗口机制的功率分配框架。仿真结果表明,与现有算法相比,该方案能在有效保障用户最小速率和时延需求的基础上,显著提高系统可达速率。