改进多相粒子群算法反演粗糙面下方导体目标

提出了一种能快速有效反演介质粗糙面下方导体目标参数的方法--改进多相粒子群算法,优化以双站散射系数的测量值和理论计算值为偏差的目标函数,当目标函数达到最小值时,实现地下目标参数的反演。为加快反演过程,提高反演精度,正问题采用了快速互耦迭代算法这一数值算法来快速准确求解双站散射系数。逆问题采用了基于子群和母群交叉搜索机制以及小种群策略的改进多相粒子群算法,能减少目标函数计算次数（对应正问题计算次数）、提高全局寻优能力。文中反演了一维粗糙面下方截面为圆柱和任意连续形状的导体目标,仿真实验验证了算法具有较好的反演精度和较强的抗随机噪声能力。     

基于混合粒子群算法和快速非均匀平面波算法的介质目标反演

提出了一种重构介质目标的新方法--混合粒子群算法,研究了几何形状已知的介质目标介电参数反演、均匀介质柱的外形轮廓反演及外形轮廓与介电参数均未知时的介质目标反演三类问题。利用快速非均匀平面波算法加速矩量法求解介质目标的雷达散射截面,以介质柱体的散射场的实际测量值与迭代计算值的偏差作为目标函数,通过单纯形法和伪群交叉算法混合的粒子群算法对优化变量进行优化,使目标函数达到最小值来对介质目标的介电特性进行电磁成像。仿真结果表明：混合粒子群算法简单、通用,在反演过程中不用加入正则化处理以确保数值稳定性,比简单遗传算法具有更好收敛性能、更高的成像精度和抗随机噪声干扰的能力。     

基于多适应值全参数自主变异粒子群的立体相机标定

基于视觉测量的目标参数获取为仿真系统的性能分析与评估提供可信的数据支持,相机参数标定的精度又决定着测量结果的可靠性。提出采用多适应值全参数自主变异粒子群的相机标定方法,利用传统标定法获取相机的初始内参,通过惯性系数收缩调整、给出基于粒距的全局因子学习调节策略、引入多适应值函数以及设计自主变异律,实现基于粒子群优化标定算法的快速和全局化收敛。实验结果显示本文方法在一定程度上提高了相机的标定精度并可以应用于实际工程之中。     

基于渐近波形估计与混合粒子群算法的目标外形反演

提出了一种能同时重构多个导体目标外形的新方法--混合粒子群算法。利用矩量法和渐近波形估计技术求解电磁散射问题,以测量的散射场和计算散射场偏差作为目标函数,将待优化变量设置为目标的截面轮廓近似表达的三角级数形式的系数,通过混合粒子群算法对待优化变量进行优化,使目标函数达到最小值来对自由空间中的散射体进行电磁成像。仿真结果表明,混合粒子群算法比伪群交叉算法具有更好的收敛性能和成像精度,具有较强的抗随机噪声干扰能力。     

基于粒子群优化算法的广义累加灰色模型

探讨定性分析与定量计算相结合的广义累加生成技术,讨论基于粒子群优化算法(particl swarm optimization algorithm, PSOA)的累加矩阵求解方法和间接灰色模型的优化算法。首先分析和总结4类典型序列的累加生成矩阵模式与参数结构,然后根据实际问题选择合适的累加生成矩阵模式,并用模式中的参数与背景值修正向量共同构成待求粒子。借助粒子群优化算法,以间接灰色模型的平均相对误差为适应度函数,以其最小为目标,通过迭代求解累加生成矩阵和背景值修正向量。实例计算表明,该优化模型不仅具有较高的模拟和预测精度,而且能够较好地跟踪波动序列和高增长序列的变化趋势。     

基于伪群交叉算法的细金属柱体目标识别

从线性分布细金属柱体的散射模型出发,利用多极子展开技术求解电磁散射问题,以测量的散射场和计算散射场间的偏差作为目标函数,将待优化变量设置为描述细金属柱体中心位置的向径和幅角,通过伪群交叉算法(pseudo swarm crossover,PSC)对待优化变量进行优化,使目标函数达到最小值来对自由空间中线性分布的细金属柱体族进行电磁成像。研究结果证实了PSC比多相粒子群算法(multi-phase particle swarm optimiza-tion,MPPSO)有更好的收敛性能、成像精度和更强的抗随机噪声干扰能力。     

基于粒子群算法的连续性消耗应急资源调度

以连续性消耗应急过程为背景,运用粒子群算法求解多目标的应急资源调度数学模型.由实际的应用环境,考虑每个出救点应急资源的起始运输量,以应急系统施救成本费用和因施救不及时造成损失的双重角度构造模型的目标函数.针对该模型的特点,设计粒子群算法求解方法和步骤,实现了一步求解.并且讨论了不同参数组合对粒子群算法求解效率的影响.数值算例验证了所建立模型的合理性及其粒子群算法的可行性和有效性.     

基于改进粒子群优化算法的虚拟企业伙伴选择

在分析基本粒子群优化算法和建立虚拟企业伙伴选择多目标决策模型的基础上,提出了一种求解供应链联盟伙伴选择的优化问题的改进粒子群算法.在优化过程中,该算法以优良适应值粒子取代部分不良适应值粒子,使算法具有过滤能力,加快了搜索速度,并保证了收敛于全局最优解.实验结果用基本粒子群算法进行了验证和比较,表明该改进粒子群算法具有较好的性能和简单快速准确等特点.     

基于改进粒子群优化的非线性最小二乘估计

针对测量数据处理中非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性问题,提出了一种求解非线性最小二乘估计的改进粒子群优化算法。该算法利用均匀设计方法在可行域内产生初始群体,无需未知参数θ的较好的近似作为迭代初值,而具有大范围收敛的性质;通过偏转、拉伸目标函数有效地抑制了粒子群优化算法易收敛到局部最优的缺陷。给出应用该方法到NLSE的具体步骤,通过仿真实验证明该算法的有效性。     

基于角度坐标的多目标粒子群优化算法

为了在保证多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法所求解集分布性的前提下提高算法的收敛性,依据辅助适应度赋值策略,提出了基于角度坐标的多目标粒子群优化(intelligent MOPSO, IMOPSO)算法。通过建立角度坐标系,确定了不同维优化目标下目标向量的角度坐标及角度参数,给出了求取目标函数空间中参考线角度参数的方法,并定义了目标向量的辅助适应度值,以对处于非劣支配关系的个体进行综合比较。结果表明,IMOPSO算法较好地维护了Pareto解的分布性与收敛性,且在求解小规模的最优个体时仍能在整个Pareto前沿均匀分布,未出现“聚集”现象,运行时间小于NSGA2、SPEA2、MOEA/D,充分验证了IMOPSO算法的有效性。     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.     

突防场景下基于NWHFS的集群射频隐身性能评估

针对航空集群在突防场景下的射频(radio frequency, RF)隐身性能评估问题,提出基于正态波动犹豫模糊集(normal wiggly hesitant fuzzy set, NWHFS)相关系数的评估方法。首先,推导出NWHFS相关系数表达式;然后,通过分析航空集群与单个载机平台RF隐身评估的不同,提取出集群RF隐身性能评价参数,并得到隶属度参考点公式;组织决策者根据隶属度参考点给出NWHFS决策矩阵；最终,通过计算待评估场景与参考点集之间的相关系数,定量地评价不同场景下航空集群的RF隐身性能,并由此确定RF隐身性能排序。以四机集群为研究对象,对突防场景下的3种情景进行了仿真验证,证实该评估方法的有效性。     

灰熵并行分析引导PSO求解多目标优化问题

提出采用灰熵并行分析法引导粒子群算法求解多目标优化问题。灰熵并行分析法综合灰色关联分析法与信息熵的特点,对数据序列计算灰关联系数,同时并行地对数据序列计算信息熵及熵值权重,将灰关联系数与熵值权重结合求得灰熵并行关联度。〖JP2〗通过粒子群算法对优化问题的多个目标构建与粒子数相同数量的目标值序列,计算每个序列的灰熵并行关联度值,利用该值作为算法适应度值的分配策略引导粒子进化。以10个典型作业车间调度问题为例进行实验,结果与差分进化算法及遗传算法进行比较,表明灰熵并行分析法可以有效引导各算法进化,使算法在收敛性和分布均匀性方面表现良好,且粒子群算法的优化结果要好于其他两种算法的结果。     

基于混沌粒子群优化算法的翼伞系统轨迹规划

研究灾难环境下翼伞空投机器人系统轨迹规划问题,基于简化的翼伞系统质点模型,采用混沌粒子群优化算法对翼伞系统归航轨迹进行寻优。该方法采用非均匀B样条技术实现最优控制规律的参数化,将翼伞系统轨迹规划的最优控制问题转换成参数优化问题,进而运用混沌粒子群优化算法进行寻优计算。轨迹规划的控制曲线是光滑的,利于电机对翼伞系统的操纵伞绳实施控制。仿真结果表明,该方法对翼伞系统的轨迹规划控制是有效的。     

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案，并采用罚函数法处理约束条件。计算结果表明，该算法是解决车辆路径问题的有效方法。     

武器-目标分配问题的粒子群优化算法

建立了武器-目标分配问题的优化模型,分析了各种解决此模型的方法的优缺点。经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出粒子群算法来解决武器-目标分配问题。经过比较测试,4种粒子群算法的效果都比较好,特别交叉策略A和变异策略B的混合粒子群算法是最好的且简单有效的算法。