基于混合粒子群优化算法的故障特征选择

通过将遗传算法和粒子群优化算法相结合,提出了混合粒子群优化算法(HPSO),用于机械故障特征选择问题.此方法在对粒子进行优化的同时选择部分优良的粒子进行遗传交叉和变异操作,增强了算法跳出局部极值的能力.某导弹运输车减速器齿轮故障特征选择试验结果表明HPSO可以快速、有效地求得优化特征集,其性能优于PSO和GA.     

混沌粒子群混合优化算法的研究与应用

为使粒子群优化算法(PSO)初始粒子均匀分布在解空间,分析了混沌运动的遍历性并根据粒子间欧式距离大小改进了PSO初始种群提取方法。提出了一种混沌粒子群混合优化算法,该算法将优化过程分成两阶段,两分群分别采用PSO算法和混沌优化算法同时进行。对四个高维复杂函数寻优测试表明算法的鲁棒性、收敛速度和精度,全局搜索能力均优于常规PSO。将提出的改进算法用于乙烯收率软测量建模,应用结果表明模型精度较高、泛化性能好。     

改进PSO算法及在PID参数整定中应用研究

针对粒子群优化算法(PSO)存在早熟和局部收敛的问题,提出了一种带变异算子的改进粒子群优化算法(IPSOM),该算法在搜索中以一定变异概率对选中的粒子进行变异,同时对飞离搜索区域的粒子用新产生的粒子取代,以克服粒子群优化算法易陷入局部最优解的缺陷。用一典型的Rastigrin复杂函数对新算法进行测试,结果表明改进的算法较之粒子群优化算法(PSO)和常规遗传算法(SGA)不但提高了全局寻优能力,而且有效避免了早熟收敛问题。在此基础上将这种改进算法应用于高阶带时滞对象的PID控制器设计中进行仿真研究,结果表明了所提出算法的有效性和所设计控制器的优越性。     

改进二分粒子群优化算法的阵列方向图综合

针对粒子群优化(particle swarm optimization, PSO)算法收敛速度慢、寻优精度低、计算量大、容易陷入局部最优解等问题,首先提出了一种无需越界检测的归一化粒子群优化(normalized particle swarm optimization, NPSO)算法,NPSO算法具有比PSO算法更佳的有效性和稳定性,其优化速度和收敛精度要远远优于PSO算法,且其计算量要比常规PSO算法采用越界检测调整小。其次,结合狼群算法(wolf pack algorithm, WPA)中的游走行为,在二分粒子群优化(dichotomy particle swarm optimization,DPSO)算法的基础上,通过对二分粒子赋予不同的探索方向,提出了一种WPA-DPSO算法,WPA-DPSO算法具有3层寻优的功能,不仅有效加强了粒子的搜索范围,避免了算法陷入局部最优解,而且有效提高了DPSO算法的收敛速度、优化精度、稳定性和有效性。在NPSO算法和WPA-DPSO算法的基础上,提出了一种混合型PSO算法(WPA-NDPSO),从而有效克服了PSO算法早熟收敛、搜索范围不大、容易收敛到局部极值、计算量大等问题。均匀线阵方向图综合实验表明:WPA-NDPSO算法不仅具有较优的收敛速度和优化精度,而且具有较强的稳定性和较高的有效性。     

一种自适应粒子群优化算法及其仿真研究

分析了粒子群优化(PSO)算法易于发生早熟收敛的原因。在此基础上提出的自适应粒子群优化(APSO)算法根据群体早熟收敛程度和个体适应值自适应地调整粒子的惯性权重,使群体在进化过程中始终保持惯性权重的多样性,在算法的全局收敛性和收敛速度之间做了一个很好的折衷。对两个经典函数仿真的结果表明APSO算法能够有效地避免PSO算法的早熟收敛问题,而且具有较快的收敛速度。     

运用行式打印机绘制横道网络图

网络计划技术中的网络图,有明确的数学模型,严格地反映了各工序间的逻辑关系,可用电子计算机解算,进行优化,是网络计划技术的基础。但网络图中工序交错,图形复杂,不利于现场施工人员使用。 传统的横道图(横线条进度计划图)的优缺点,正好与网络图相反。     

具有时间约束的电梯节能调度算法

针对电梯节能问题, 提出电梯能耗损失计算方法, 构建具有时间约束的电梯节能调度模型, 应用粒子群算法(particle swarm optimization, PSO)分别对已知目标楼层和预测目标楼层两种情况的电梯节能调度问题进行建模和求解. 通过数值仿真分析, 从等待时间和能耗两方面比较了三种算法(最近服务原则(nearest car, NC)、已知目标楼层的粒子群算法和预测目标楼层的粒子群算法)的性能. 研究结果表明, 与NC算法相比, 在保证80%以上 乘客等待时间小于60s的情况下, 已知目标楼层的PSO算法可以实现系统节能18.2%; 预测目标楼层的PSO算法可以实现系统节 能9.6%. 随着等待时间约束的放宽, PSO算法可获得的节能比例显著增加. 目标楼层的准确性对节能调度具有重要影响, 已知目 标楼层的PSO算法会比预测目标楼层的PSO算法约多节能10%.     

考虑支付进度的动态工期优化

建立了基于网络图的传统工期费用交换问题的优化模型.针对传统优化模型的缺陷,考虑资金的时间价值,以净现值最大化为优化目标,建立了基于工程款支付进度的动态工期优化模型,目标函数包括了项目实施中的各项现金流入和流出:业主支付、活动直接费用、项目间接费用.同时给出了两个模型的求解算法.最后结合一个算例对比了不同工期优化下的结果.结果表明,与传统优化模型相比,虽然本文提出的优化模型工期增加了,但建筑商的净现值收益提高了.从反映建筑商真实收益的净现值角度看,所提的模型更优.     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。     

基于PSO-GA-ANN的铁矿采选品位与投资策略优化

在构建非线性多目标优化模型的基础上,集成粒子群(PSO)、遗传算法(GA)与人工神经网络(ANN)等智能优化算法,来确定实现铁矿资源减损和节能降耗的采选品位与投资策略。根据采选生产流程,建立以采选品位与投资策略为决策变量,计划精矿产量为约束条件,资源利用率、总电耗以及经济效益为目标的非线性多目标约束优化模型。将PSO、GA的高效搜索能力和ANN的建模功能相结合,构成PSOGA-ANN算法来寻找最优采选品位和投资策略。在PSO-GA-ANN算法中,进化个体采用二进制0-1编码和实数编码相结合,适应度函数为3个目标函数的加权和,各个目标的权重采用均匀设计的思想得到,采用基于可行性规则的约束处理技术引导搜索方向。最后,以D铁矿为例进行了研究,得到了其最优采选品位及投资策略。该方法为新时期铁矿应对资源利用和节能降耗难题提供了科学可行的思路。     

基于粒子群-遗传的混合优化算法

提出了一种基于实数编码的粒子群优化和遗传算法的混合优化算法,该算法首先由粒子群优化进化一定代数后,将最优的M个粒子保留,去掉适应度较差的pop_size M个粒子。然后以这最优的M个粒子的位置值为基础,选择复制得到pop_size M个个体,并进行交叉、变异等遗传算法运算。最后将保留的M个粒子位置值与遗传算法进化得到新的pop_size M个体合并形成新的粒子种群,进行下一代进化运算。该算法在进化过程中能进行多次信息交换,使两种算法互补性得到更充分的发挥。通过5个函数优化实例与其他多种算法的对比研究,表明该算法收敛性能好,运算速度快,优化能力强。此外,还研究了最优粒子保留规模M以及粒子群优化进化较少代数规模对算法性能的影响。     

基于GA的GMDH选择性集成及在煤炭价格系统模型中的应用

首先给出了一种通过对样本数据进行惩罚性划分,产生彼此之间具有差异性的GMDH 学习器集合,然后利用遗传算法从已产生的GMDH个体集合中选择最优的个体进行选择性集成的算法,并将该方法应用于煤炭价格系统的实践研究. 结果表明这种采用遗传算法选择性集成惩罚性GMDH个体的算法,与单个GMDH算法和采用遗传算法选择性集成随机性GMDH个体的算法相比,明显提高了模型的泛化能力和稳定性. 该方法很好地给出了煤炭价格系统的模型,能够准确预测煤炭价格的变动趋势.     

一种融合遗传算法和粒子群算法的改进模糊C-均值算法

针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.     

基于改进GA 的城市交通模糊控制研究

提出了基于相序优化的城市交通信号模糊控制算法,并用改进的遗传算法(GA)对模糊控制规则进行优化.以现实中常用的四相位交通信号控制为例,通过研究发现,在不改变原来四相位相序的前提下,通过灵活的相位优化,可以获得更好的控制效果,采用改进的GA对模糊规则进行优化,可以减少因专家经验的主观性而导致的模糊规则的不完备性.以典型的十字路口为对象,选择不同时段的交通流状况进行仿真实验,仿真结果表明,与传统交叉路口信号模糊控制的方法相比,文中提出的控制算法能有效避免交通流不平衡引起的拥挤堵塞,提高系统的实时性和控制精度,从而减少了车辆平均延误时间,是进行城市交通信号自适应控制的一种实用且有效的算法.     

求解多维0/1背包问题的二元粒子群算法

从一维细胞自动机模型入手,设计了一种求解二元离散优化问题的二元粒子群算法细胞自动机模型(BPSO-CA).粒子从起始细胞出发,根据本身携带的信息并感知存储在细胞中的全局最优粒子位置的信息随机选择状态(0或1),从而实现复杂智能的"涌现".然后将其用来求解多维0/1背包问题,同时引入贪心算法对不符合约束条件的非怯个体进行修正.通过对Zuse Institute Berlin公布的测试集进行实验,表明该模型能在多项式时间内完成求解过程,且实验结果优于测试集记录的结果.     

Genetic algorithmcombined with immune mechanism and its application in skill fuzzy control

1 .INTRODUCTIONSince 1974 , when Mamdany, a British professor ,started applyingfuzzy control theoryto heater controlsystems ,fuzzy control has gradually been appliedto agrowing number of Page 1 of 14 fields .Its character-istics ,such as the effectiveness ,being easy to under-stand by on site operators , being easy to intervene ,and so on, have made fuzzy control a good controlmethod with promising future .However ,fuzzy control still faces alarge numberof long-term problems . The diffic…     

利用人工神经网络技术确定零部件的维修策略

将遗传算法应用于人工神经网络模型，确定一零部件的维修策略，并结合实例进行了分析     

一种基于遗传算法的新型神经网络设计

神经网络的设计主要集中在网络权值的选取和神经网络结构的确定两个方面 ,与遗传算法结合是目前研究发展的趋势 .本文与一般的基于遗传算法的神经网络设计相比 ,提出一个新型算子—— BP算子 ,并对神经网络的权值和结构同时优化 .仿真结果表明该算法结果比较理想 .     

一种求解资源受限工程调度问题的遗传算法

针对资源受限工程调度问题的特点，设计了一种改进的遗传算法，对算法的编码方式和解码规则，适值函数，遗传算法、初始种群的产生方法进行了详细的说明，利用被普遍应用的标准问题对该算法进行了大量的测试，分析了算法参数和问题参数对算法效果的影响，取得了令人满意的结果。     

一种求解工程调度中资源水平问题的遗传算法

结合资源受限情况下工程调度中资源水平问题的特点 ,提出了一种有效的遗传算法 .文中对解的编码方式、遗传算子的定义及算法结构进行了描述 .通过对大量被普遍应用的标准问题的求解实验表明 ,遗传算法是求解 RLP的一种有效算法 .