基于改进粒子群优化算法的PID控制器参数优化

PID参数优化是控制领域的热点,其控制效果与比例、积分、微分参数有直接关系.为了改善系统性能,提出用一种改进的粒子群优化算法对PID控制器参数进行优化.该算法引入进化速度因子和聚集度因子对权值进行改进,进而改进了速度更新公式,并引入飞行时间因子以改进位置更新公式.通过3种典型函数证明了该算法的优越性,加快了收敛速度,提高了寻优效率.以典型二阶被控模型为研究对象,将上述算法与其他粒子群算法进行对比,表明改进的粒子群算法得到的PID参数具有更好的控制性能.     

粒子群优化的深海图像暗边缘检测优化算法

为解决深海资源探测图像识别难题,提出一种基于粒子群优化的图像暗边缘检测优化算法。该算法通过指数型线性单元和高斯误差线性单元改进激活函数,根据Marr-Hildreth算子检测结果并结合改进激活函数构建暗边缘检测算法,利用粒子群对改进暗边缘检测算法进行训练和优化。最后,采用不同算法对水下11个数据集进行比较的结果表明：改进算法的峰值信噪比、结构相似度和边缘保持指数最高,分别达到18.769 6 dB、0.660 7和0.834 5;图像均方误差最低,为3 750.225 3;平均检测时间为0.667 4 s,比其他对比实验中性能最好的算法缩短了14%。     

一种基于混合差分策略的改进差分进化算法

对启发式优化算法中的差分进化算法进行改进,在进化过程中并行交叉采用DE/rand/1/exp和DE/best/1/exp差分策略,应用聚集度因子进行种群重构,缩小了种群重构后的搜索范围,有效避免了种群重构的随机性.仿真结果表明,改进算法与使用单一差分策略的差分进化算法及PSO算法相比,寻优能力得到了显著提高.     

自底向上加快神经网络学习的算法

介绍了一种加快神经网络学习的改进算法.这种改进算法结合采用快速自底向上构造神经网络算法和动态优化学习参数算法.首先,快速自底向上构造神经网络算法自动地构建神经网络的优化结构;随后,动态优化学习参数算法动态地调整和选取优化的学习参数.实验结果显示,这种改进算法能自动有效地构造网络的优化结构,与其它算法相比,具有更好的分类性能、优化的网络结构和更快的学习速度.     

基于遗传禁忌算法的S盒优化算法

提出了一种基于遗传禁忌算法的S盒优化方法,算法中引入了小生境技术用来保持种群的多样性,防止早熟收敛.将S盒的雪崩准则和扩散特性等其他性能亦作为演化的目标,对S盒的优化进行更为深入的研究.实验结果表明基于改进遗传禁忌算法构造S盒是有效可行的,不但能获得一批高非线性度和低差分均匀度的S盒,并且能有效地减少冗余计算量、加快收敛速度.     

改进遗传算法及其在平面度误差评定中的应用

针对平面度误差评定的特点,提出了一种新颖的基于实数编码的改进遗传算法.该算法采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子,算法简单、鲁棒性强,优化效率高.同时给出遗传算法评定平面度误差时目标函数数学模型的建立方法.最后,通过不同评价方法对同一平面的平面度误差进行评定,结果证明该方法不仅能收敛到全局最优解,而且具有较快的收敛速度.     

基于Heaviside过滤的多相材料拓扑优化设计

为解决以柔顺度最小化为目标的多相材料结构拓扑优化问题,提出了一种新的拓扑优化求解方法。首先,基于RAMP方法和Heaviside过滤函数形成设计变量和物理变量,构建以柔顺度为目标的多相材料结构拓扑优化模型及近似优化模型;然后,采用荣见华等提出的改进交替主动相算法,最后,采用MMA求解器优化求解。给出的算例结果表明,与现有方法相比,该方法可以得到更优的拓扑解,并解决多相材料结构单元几种材料并存的问题。     

基于遗传算法的模糊滑模控制在永磁直线电机位置控制中的应用

针对永磁直线电机控制中的推力扰动及参数变化问题,设计了一种改进的自适应模糊滑模变结构控制器(AF-SMC).利用遗传算法优化模糊变量的隶属度函数曲线.仿真和实验结果表明,与经典PID算法和一般模糊滑模控制算法相比较,新的算法具有更好的响应性能和抗干扰能力,抖振降低.     

MIMO-OFDM系统中一种改进的盲信道估计算法

针对MIMO-OFDM系统中线性预编码信道估计算法需要多次计算模糊度矩阵的问题,提出一种改进的盲信道估计算法.该算法首先对各天线上所接收信号的互相关矩阵进行处理,使信道估计矩阵的模糊度矩阵统一,再利用统一的模糊度矩阵通过迭代方法实现系统的信道估计.仿真结果表明,改进算法的估计精度在低信噪比时仅有较小损失,而在高信噪比时与现有的线性预编码算法接近,且具有较好的收敛性.与现有的线性预编码信道估计算法相比,改进算法显著降低了计算复杂度.     

基于改进QEM的三维表面模型简化算法

当前智慧城市中表达三维场景需对模型构建不同层次的细节模型,因此需要对三维模型进行简化,压缩模型数据量.针对简化过程中会破坏模型部分细节特征的问题,提出了一种改进QEM的三维表面模型简化算法,简化时引入顶点邻域面积、各顶点曲率及平展度加权3个简化因子,改变边的折叠代价,并建立最小堆结构优化算法效率.该算法在Visual ...     

飞机环控/发动机系统多目标优化

提出一种改进的多目标粒子群优化算法,应用于飞机环控/发动机系统的综合优化. 将不同飞行阶段系统总熵产最小视为不同的目标函数,建立了多目标优化模型. 进而在基本多目标粒子群优化算法基础上,引入跳转操作、族群概念和一种全局最优位置分配方法,提出了一种改进算法,测试结果表明该算法性能良好. 采用该算法对多目标优化模型进行计算,得到收敛且分布均匀的非劣最优解集,为飞机系统综合优化提供一种新思路.     

一种新的改进粒子群算法研究

为克服粒子群优化(PSO)易早熟的缺点,提出了一种改进的粒子群优化(MPSO)算法.该算法使整个粒子群按照变异率产生变异粒子,变异的粒子不再朝群体最优解方向飞行,而是朝反方向运动.MPSO提高了种群的多样性,扩大了搜索的空间,提高了粒子群算法摆脱局部最优解的能力.仿真实验表明,改进的粒子群优化算法显著提高了PSO算法的全局搜索能力,且其性能也明显优于遗传算法.     

机压滴灌管网优化设计与应用

传统滴灌工程设计过度依赖设计人员经验，滴灌系统成本和能耗较高。为了降低管网建设及运行成本，提出了机压滴灌系统管网的优化方法，以骨干管网中干管、分干管管径和水泵扬程为控制变量，以管网年费用最小为目标，建立优化设计模型，应用改进的萤火虫算法求解，实现骨干管网的管径组合优化。该算法针对标准萤火虫算法存在的内部缺陷，对萤火虫的初始位置、步长因子及最优位置进行了改进。4个测试函数的仿真实验结果表明，改进萤火虫算法较标准萤火虫算法和遗传算法在寻优精度和收敛速度方面更具优势，适合求解复杂优化问题。将改进算法应用到实际滴灌项目中，改进算法能够快速有效地得到符合工程实际的设计方案，骨干管网年费用较传统经济流速法设计降低了43.71%,节省投资效果明显。     

机压滴灌管网优化设计与应用

传统滴灌工程设计过度依赖设计人员经验，滴灌系统成本和能耗较高。为了降低管网建设及运行成本，提出了机压滴灌系统管网的优化方法，以骨干管网中干管、分干管管径和水泵扬程为控制变量，以管网年费用最小为目标，建立优化设计模型，应用改进的萤火虫算法求解，实现骨干管网的管径组合优化。该算法针对标准萤火虫算法存在的内部缺陷，对萤火虫的初始位置、步长因子及最优位置进行了改进。4个测试函数的仿真实验结果表明，改进萤火虫算法较标准萤火虫算法和遗传算法在寻优精度和收敛速度方面更具优势，适合求解复杂优化问题。将改进算法应用到实际滴灌项目中，改进算法能够快速有效地得到符合工程实际的设计方案，骨干管网年费用较传统经济流速法设计降低了43.71%,节省投资效果明显。     

基于混合互信息和改进粒子群优化算法的医学图像配准

为提高医学图像辅助诊断的配准精度和收敛速度,提出了一种基于混合互信息和改进粒子群优化算法的医学图像配准算法,在每步迭代中,先用基于Renyi熵的互信息结合改进粒子群优化算法对图像进行全局搜索,然后对当前得到的最优解使用基于Shannon熵的Powell算法进行局部寻优。实验结果表明,该算法在收敛速度和精度方面都优越于其他配准算法。     

一种新的K-均值动态聚类算法

针对K-均值算法易受孤立点影响、对初始中心点选择敏感、易陷入局部最优的问题,对K-均值算法进行了改进,提出了一种自适应优化选择初始中心点的K-均值算法。实验结果表明,改进后的算法不仅较大程度上弥补了传统K-均值算法的不足,并且提高了聚类的稳定性和准确率。     

基于改进GA-PSO算法的需求响应式运输研究

用标准的交叉粒子群算法(GA-PSO)求解多个车场有目的地的开放式需求响应式车辆调度问题容易过早陷入局部最优,为解决算法缺点,进一步提高算法求解精度,通过增加基因突变和路径合并更新因子,提出改进GA-PSO算法。通过对需求响应调度问题的描述,建立数学模型,构建改进GA-PSO算法求解流程。利用随机数据生成实验算例,采用GA-PSO算法和改进的GA-PSO算法进行对比实验来验证改进算法效能,结果表明改进的算法比标准算法在求解精度上优化幅度提高了13.9%。     

基于自适应变异因子策略的混合蛙跳算法

由于基本混合蛙跳算法在对问题的优化求解中存在着收敛速度慢、优化精度低且容易陷入局部最优等问题,因此提出了一种新的混合蛙跳算法。对基本混合蛙跳算法的组内更新策略进行重新设计,引入自适应变异因子来控制青蛙的移动步长;在算法中将改进的粒子群优化算法有机地嵌入其中,这样算法在搜索过程中就增加了发现新解的概率,维持了种群的多样性,从而使算法不易陷入局部最优。通过对标准函数进行优化测试,结果证明其具有良好的优化性能。     

基于改进PSO算法的四旋翼飞行器飞控系统PID参数整定

针对四旋翼飞行器飞控系统中存在PID控制器参数难以整定的问题,提出一种改进的粒子群算法,应用于PID参数的整定优化中.为了让粒子群在算法早期拥有较强的全局搜索能力,在算法后期拥有较强的局部开发能力和较快的收敛速度,该改进算法采用了一种可使惯性权重非线性下降的调整策略;同时,算法融合了遗传算子,进一步加快了收敛速度,避免算法陷入局部最优.将该算法应用于PID控制器的参数优化,以实数编码的形式直接生成与PID参数组对应的粒子群,并把控制系统的误差性能指标作为评价粒子群的适应度函数.通过与标准粒子群算法与手动调参的阶跃响应对比分析,发现改进算法其阶跃响应曲线超调量更小,调节时间更短,响应速度更快,动态性能更优.提出的改进算法能对四旋翼飞行器飞控系统中的PID参数进行较好的优化,实现更好的控制效果,使得飞行器在飞行过程中更加平稳.     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．