基于一种新混合群算法(MOHO-SA)的结构主动控制多目标优化研究

基于粒子群(PSO)算法和差分进化(DE)算法提出了一种新的多目标混合群优化算法,对结构主动控制系统的作动器位置、数量与控制器参数进行同步优化.首先,分别采用PSO算法与DE算法进行对应种群的进化,使用庄家法则构造非支配解集,并引入边界点几何中心leader选择机制,同时利用模拟退火算法完成个体进化的二级局部搜索;以随机地震激励下反映结构振动控制效果和控制策略优劣的双指标作为优化目标函数.最后,针对ASCE 9层benchmark模型,采用本文提出的具有二级搜索功能的多目标混合群算法(MOHO-SA)对其主动控制系统进行优化设计,并分别与多目标差分进化算法(MODE)、多目标粒子群算法(MOPSO)、普通多目标混合群算法(MOHA)的优化结果进行对比分析,表明其Pareto解集具有更优的收敛曲线及分布性.     

基于PSO-DE混合算法的结构可靠性优化设计

为提高结构可靠性优化设计的效率,利用粒子群优化(PSO)和差分进化(DE)算法的搜索特性,构造一种PSO-DE混合算法,以克服基本PSO算法的早熟问题.将PSO-DE混合算法与结构可靠性优化理论相结合,建立了结构系统失效概率约束下以结构质量最小化为目标的优化模型.算例结果表明:与基本PSO算法相比,文中提出的PSO-DE混合算法提高了收敛速度和计算精度;该算法易于实现,鲁棒性好.     

粒子群优化算法改进方法的研究

粒子群优化(PSO)算法是一种基于群智能方法的演化计算技术。但是PSO算法后期存在着搜索精度较低,易发散等缺点。对传统的PSO算法加以改进,讨论了PSO和AFSA的混合算法,最后通过与传统PSO算法及几种常用的改进PSO算法相比较,得出这种PSO和AFSA的混合算法能够有效地提高PSO算法的寻优能力。     

混合PSO在钢管混凝土减震框架优化设计中的应用研究

通过将粒子群算法(PSO)和遗传算法结合,建立了混合粒子群优化算法,并采用MATLAB编写了混合粒子群算法的优化程序,以钢管混凝土减震框架的层间位移角和构件内力为约束条件、各层防屈曲支撑核心单元横截面积总和为目标函数,对地震波作用下的某钢管混凝土减震框架进行了优化分析.优化结果表明:采用混合粒子群算法对地震波作用下的钢管混凝土减震框架进行优化是可行的,与其他优化算法相比,混合粒子群算法具有前期全局搜索能力强,后期局部搜索能力好的特点.     

用于多目标数据关联的群智能混合算法

为快速实现多目标数据的关联,将蚁群优化(AGO)算法和粒子群优化(PSO)算法相结合,提出了一种群智能混合算法.以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型.利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为蚁群位置和信息素初始化的依据,利用ACO算法对目标函数的解进行细搜索以求得更优解.仿真实验结果表明,该算法能够有效地提高关联准确性和收敛速度.     

基于GA-PSO的多目标混流装配线排序研究

为求解生产调度中的多目标混流装配线排序问题,提出一种将遗传算法与粒子群算法相结合的混合算法——GA-PSO算法.为更好地评价个体,提出一种引入个体的Pareto分级和拥挤距离的适应度函数.针对标准PSO算法求解排序问题的不足,提出了一种将实数映射成离散值的方法.在算法的历次迭代中,早期通过遗传算法全局搜索优势扩大搜索范...     

基于混沌PSO—DV优化BP神经网络的汽车故障诊断

针对传统的PSO优化BP网络的局限性,提出了一种混沌PSO—DV算法和BP神经网络的混合算法．该算法具有混沌算法的局部搜索遍历性,DE算法的种群多样性及BP神经网络的快速搜索能力等优势．仿真结果表明,混沌PSO—DV优化的BP神经网络应用于汽车发动机故障诊断,使得故障诊断的效率和准确率得到了很大的提高．     

基于FNO-PSO算法火电机组煤耗模型的参数辨识

本文针对粒子群(PSO)算法存在的早熟和局部收敛问题,结合分数阶神经优化算法(fractional-neuro-optimizer,即FNO),提出一种新的混合PSO算法—FNO-PSO算法.该算法通过FNO算法对PSO算法中的惯性权重进行更新,以保证粒子在搜索空间运动的多样性,降低了PSO算法后期因种群过于密集而陷入局部最优的可能性.最后,通过这种算法辨识火电机组煤耗模型中的参数,并与PSO算法、IPSO算法进行对比,仿真结果显示该混合FNO-PSO算法能够更准确、更快速的辨识煤耗模型中的未知参数.     

基于PSO-PTS算法的E形双频微带天线设计

为了能处理复杂的电磁优化问题，从粒子群优化算法（PSO：Particle Swarm Optimization ）的原理出发，通过对算法收敛性以及算法局限性的分析，改进了粒子群的性能，并结合参数跟踪策略（PTS：Parameters Tracking Strategies）及动态搜索域形成一种新的混合算法--PSO PTS混合算法。给出了PSO-PTS混合算法的基本理论、数学模型和步骤，并利用该方法对E形双频微带天线进行了模拟实验。仿真结果表明，该方法可有效地缩小PSO算法搜索区域，保证了解的单一性，提高了运算速度和解的精度。利用该方法设计的天线可有效地实现小型化的要求。     

基于自适应网格混合机制的多目标粒子群算法

当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛.为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO).该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,...     

专家系统技术在注塑模故障诊断中的应用

论述了用人工智能技术对模具故障进行诊断和确定对策的原理和方法。对模具在工作中常遇到的与模具制造、工艺条件及塑料材料有关的问题及相应对策进行了归纳整理，组成了模具诊断与维修知识库。收集了常用工程塑料的各种有关成型工艺条件和主要性能，建立了塑料材料数据库。采用正向推理控制策略搜索知识库，并将推理结果与理论计算结果进行对比校验，最后确定出模具工作中出现故障的原因，并输出相应的解决办法和建议．     

Web图像搜索系统中用户交互及反馈系统模型

提出一种用于图像搜索系统的用户交互和反馈模型,采用多模式查询方式满足不同用户的查询需求,加之完全基于用户语义理解的反馈策略,有效提高了系统准确性.作为整个图像搜索系统中直接面向用户的模块,整个交互及反馈系统简单易用、灵活方便,更适用于一般用户的"傻瓜式"查询需求.基于内容的图像搜索系统VAST(Visual ＆ Semantic Image Search)及反馈性能测试充分证明了该交互及反馈系统在Web环境下图像搜索领域的优势.     

基于模拟退火的网络蜘蛛性能分析与系统实现

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略，提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法．设计并实现了一个计算机相关论文搜索引擎网络蜘蛛系统．针对国外4所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率．     

基于遗传算法的联结规则挖掘策略

传统的联结规则挖掘算法依赖于一个不现实的假设：用户可以指定最小支持度．如果用户不了解他们的数据库，指定的最小支持度是肯定不适合的．在此设计了一个基于遗传算法的挖掘策略。它具有两个显然的优点：①高性能且自动化的规则挖掘；②不要求用户指定最小支持度。     

一种可调整式的多元变量渐近寻优组卷策略

论述了基于智能组卷策略的题库系统设计的意义,分析了目前已有智能组卷策略存在的问题,针对目前智能组卷策略存在的组卷效率低,灵活性差的问题,提出了一种新的智能组卷策略.新策略采用条形码标识试题,按照对试卷整体约束条件影响的大小依次选取控制参数,优化了搜索路径,提高了智能组卷的效率,增强了智能组卷的灵活性.对不同题库系统进行了软件测试,并对软件测试结果进行了简要的分析,实际运行结果表明,新策略优化了搜索过程、减少了时间开销、提高了组卷的成功率.     

智能混合优化策略及其在流水作业调度中的应用

通过结合蚁群算法(ACO)的并行搜索结构和模拟退火算法(SA)的概率突跳性,提出了一种有效的混合优化策略,并将该策略应用于流水作业调度问题(FSP)．在该策略中,蚁群系统的一个周游路线为模拟退火算法提供了一系列初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新信息激素;蚁群算法再利用模拟退火算法产生的新解进行并行搜索．同时,根据此策略构建并实现了针对FSP问题求解的具体混合算法．仿真结果表明,混合算法弥补了ACO易陷入局部最优和SA搜索效率较低的缺点,增强了全局搜索能力,在求解FSP调度问题的性能上也优于其他算法。     

一类无约束优化问题的信赖域过滤器算法

构造了一个求解无约束优化问题的新算法,结合了采用修正BFGS(MBFGS)算法的信赖域思想和多维过滤器算法策略.搜索方向的产生类似于MBFGS算法;在接受新的迭代点时,采用多维过滤器算法的策略及信赖域思想,新信赖域算法是全局收敛的.     

蚁群算法的改进及其在TSP问题中的应用

为了克服标准蚁群算法容易陷入局部最优化从而导致算法过早停滞的缺陷,论文引入了城市选择策略的变参数和局部最优搜索策略,同时对信息激素的更新方式提出了相应的改进策略,并应用于对TSP问题的仿真实验.结果表明:改进算法能够加快收敛速度,节省搜索时间,而且能够克服停滞行为的过早出现.     

无源传感器引导AESA雷达目标搜索

无源传感器引导有源电扫阵列(AESA)雷达完成目标搜索是机载多传感器协同探测的重要应用形式。综合了引导传感器的测角误差以及目标运动产生的偏差2种因素,建立目标指示成功概率模型。提出了一种满足时效性、指示成功率和误交接概率要求的最优搜索策略。采用分步优化的方法在多种场景下对搜索策略和性能指标进行了计算。仿真结果表明:提出的搜索策略与传统搜索策略相比在满足指示成功率要求的前提下,通过增加较少的搜索波位,较大幅度地降低了误交接概率,保证了引导条件下目标搜索的准确性。     

基于本体的图书智能检索系统的模型研究

针对传统的基于关键字查询的信息检索系统存在的不足,文章提出了一种基于本体的图书检索系统模型的研究方法,提出了基于本体的图书智能检索系统的基础模型,介绍了一种本体归分导航器的原理并给出了系统简要的算法。实验证明,该智能检索系统能够检索到与关键字语义相关的信息,如同义、近义等关系,提高了传统图书检索系统的检索效率。