基于惯性权重自适应改变的混沌粒子群算法

粒子群算法是美国学者受鸟类觅食行为启发提出的一种群体优化算法,在迭代后期易早熟收敛.为此利用混沌运动的随机性、规律性和遍历性的特点对粒子群算法进行优化,提出了一种惯性权重自适应改变的混沌粒子群算法.在算法中对惯性权重进行调整加快算法前期收敛速度,而且加入了变异操作以帮助粒子后期跳出局部极小.最后用测试函数进行仿真实验,结果表明该算法收敛快,寻优能力强,寻优精度高.     

基于自适应模拟退火的改进混合粒子群算法

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。     

基于分维与粒子群的裂纹扩展在线监测

采用分形计盒维数计算模拟裂纹扩展信号的分维数,运用改进的能量差法自动拾取断裂信号的初至时间,依据时间差定位方法(TDOA)的原理和适应度函数,采用粒子群优化算法(PSO)得到最终的定位结果。试验采用均质的有机玻璃,用铅笔芯断裂信号来模拟裂纹扩展信号,通过在3个已知坐标点做若干次铅笔芯断裂试验,最终得到的定位结果显示,依据时差法原理,采用分形计盒维数与粒子群优化算法的定位方法有其可行性,准确度较好。此方法给结构损伤的定位提供了一个新的思路。     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

基于执行器能量消耗的并联机器人优化

并联机器人在执行任务过程中的能量消耗特别严重,为此本文以其3个主动执行器的电能消耗最小化为目标对3-RRR平面并联机器人进行尺度优化。在3-RRR机构运动学分析的基础上推导出机构的逆运动学方程,分析了3-RRR机构常见的4种工作模式。采用粒子群算法确定3-RRR机构的连杆和平台质量的最优值。根据优化结果进行仿真和对比分析,结果表明,在4种工作模式下,优化后执行器的力矩值均较小,消耗的电能得以降低,其中工作模式2的性能最佳,在执行相同的轨迹跟踪任务时,其执行器跟踪误差收敛较快,消耗的能量最少。     

求解通信优化问题的一种微粒群优化方法

简述了微粒群优化算法的原理、流程及其参数,在此基础上,针对其在通信中的应用,提出了一种基于分布式计算的多目标微粒群算法分割域多目标PSO算法(简称DRMPSO),并将其用于基站优化问题·仿真研究结果表明,它能很好地解决移动通信中的基站优化问题,并可被有效推广到处理诸如信道分配、网络拓扑优化设计、IP组播、Adhoc簇结构及组播路由等通信服务·     

粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

基于响应阈值的群机器人地图创建探索策略

地图创建是群机器人研究的若干基准任务之一。文章提出一种群机器人地图创建的探索策略，该策略根据黄蜂群的响应阈值模型设计了响应函数，机器人根据响应函数对下一访问位置进行概率选择。对算法分别进行了不同机器人数量和不同响应阅值的计算机模拟实验，根据算法评价指标对实验结果进行评价，并对实验结果进行了分析，结果表明算法是有效可行的。     

粒子群算法在大侧斜螺旋桨侧斜分布优化中的应用

为设计出具有良好侧斜分布的螺旋桨剖面，采用智能优化领域的粒子群优化（PSO）算法，结合非定常面元法对螺旋桨的侧斜分布进行了优化设计. 给出了PSO算法的数学模型及其在侧斜优化设计中的主要计算过程，并以HSP桨为母型进行设计.获取了2种纵倾方式下非定常推力系数的2阶幅值收敛情况、侧斜分布随迭代次数的收敛情况以及主桨叶在旋转1周的非定常推力系数随迭代次数的变化规律等.由计算结果可知，优化桨的非定常推力系数脉动比母型桨减小了许多，即通过改变螺旋桨侧斜分布能有效改善非均匀流场中螺旋桨的性能，进而也验证了PSO方法在螺旋桨侧斜优化设计中的可行性.     

基于粒子群算法的非规则LDPC码度序列设计

研究了非规则低密度奇偶校验（low-density parity-check, LDPC）码度序列阈值计算方法，详细讨论了构造具有较高阈值度序列的步骤与约束条件的处理，提出了一种基于粒子群优化（particle swarm optimization, PSO）算法的度序列优化方法。仿真了此方法的寻优效果，给出了一些接近Shannon限的优秀度序列和分析比较。