粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.     

导重法求解柔性机构多目标拓扑优化问题

柔性机构中为同时考虑结构的刚性和机构的柔性,研究结构整体柔度最小化和结构输出位移最大化的多目标拓扑优化设计方法.建立基于RAMP插值模型的多目标拓扑优化设计模型,采用伴随敏度分析法进行目标函数敏度分析.将导重法引入到柔性机构拓扑优化问题的求解中,推导出柔性机构多目标拓扑优化问题的迭代表达式.对柔性机构的典型算例进行拓扑优化计算,算例结果表明,基于RAMP插值模型结合导重法求解柔性机构多目标拓扑优化问题具有设计变量少、收敛速度快、优化效率高的特点,上述方法的结合为求解柔性机构多目标拓扑优化问题提供了一条新途径.     

基于改进粒子群算法的3-RPS并联机构正解研究

为快速准确求解3-RPS并联机构运动学正解,将其化归为非线性方程组求解问题,又基于优化理论将其转化成多目标优化问题,并以加权法将多目标问题转化为单目标优化问题,最后采用改进粒子群算法进行数值求解,最后给出了算例。仿真结果表明:该方法适用于求解并联机构的正解问题,其收敛速度和计算精度较标准PSO算法有明显改善。     

超环面行星蜗杆传动的多目标优化设计研究

提出了超环面行星蜗杆传动以减速器体积最小和啮合齿面间相对速度最小为目标确定传动参数的多目标优化设计方法,建立了基于多目标优化设计的数学模型.通过优化模型求解,确定了超环面行星蜗杆减速器的最优参数.最后利用优化结果完成了减速器的设计和三维建模.     

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.     

采用增广乘子法和免疫算法的混合可靠性分析

针对传统可靠性优化设计方法在处理实际可靠性工程问题时求解精度不高或无法求解的问题,提出一种采用增广乘子法和免疫算法的混合可靠性分析方法.首先以极限状态方程为约束,以可靠性指标最小为目标函数,建立可靠性优化设计数学模型;然后利用增广乘子法将该有约束可靠性优化设计数学模型转变成无约束优化模型;最后运用免疫算法(IA)进行求解可靠性指标.通过数值算例和工程算例验证了本文方法的有效性,并在工程算例中讨论了相关性对可靠性指标的影响.     

基于模糊的端铣加工参数多目标优化模型

分析了端铣加工参数传统优化模型的缺陷,引入模糊数学方法描述具有模糊性的经验参数、经验约束以及目标函数,建立了端铣加工参数的多目标模糊优化模型。根据模糊集合原理将模糊模型转化为一个传统的单目标非模糊优化问题,从而可采用任一非线性规划求解器进行求解,由于考虑了实际加工中多种模糊因素的影响,模糊优化模型更符合生产实际。算例表明,模糊优化解具有优越性。     

两连杆桁架设计的多目标优化算法

针对两连杆桁架的多目标最优化设计问题,提出一种利用遗传算法和模糊理论来求解多目标优化问题的Pareto最优解算法,并通过实验进行验证;讨论遗传算法和模糊理论产生Pareto最优解的差异.结果显示:通过遗传算法配合近似分析的方法可以更有效率地寻找到更多的Pareto最优解.     

面向公路施工成本模型的优化PSO算法研究

传统的施工项目管理方式和资源优化方法造成了资源浪费，因此研究提出了基于PSO算法的公路成本优化模型，首先通过对现行公路施工管理下成本指标进行分析，得出了施工成本计算模型并将其分为多部分的目标优化模型，同时应用粒子群算法对多目标优化问题进行求解。通过仿真表明，PSO算法模型优化之后成本减少了316.1万，而施工实践缩减了98天。实验证明，基于PSO的公路施工成本优化模型可以有效减少公路施工中的时间消耗和成本资源消耗。     

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法。首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊规则的优化调整;最后,分别采用多目标PSO算法和改进多目标PSO算法优化轨迹跟踪模糊PID控制器获得了2个优化目标的向量集合,并对比分析了优化结果。实验结果表明,所设计的改进多目标PSO算法具有更优的非支配解集,验证了该算法优化机器人轨迹跟踪模糊PID控制器的有效性和优越性。