基于自适应混合粒子群算法的协同多目标攻击空战决策

针对协同多目标攻击过程中的空战决策问题,建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种新的自适应混合粒子群优化算法,并将其应用于协同多目标攻击空战决策问题.该算法利用种群多样性信息对惯性权重进行非线性调整,并结合遗传算法的思想,提出了对粒子进行交叉和变异操作来完成粒子更新的方法.仿真结果表明,该算法具有较高的局部求解精度和全局搜索能力,是一种求解协同多目标攻击空战决策问题的有效算法.     

基于双决策和快速分层的多目标粒子群算法

针对粒子群算法在求解多目标优化问题时存在的收敛性不足和多样性缺失等问题,提出一种基于双决策和快速分层的新型多目标粒子群算法(DDFSMOPSO);在该算法中,采用外部存档对迭代产生的非劣解进行存储,并利用拥挤距离和绝对距离相结合的双决策策略对外部存档规模进行维护,使得优秀粒子在随后的进化过程中易于保留和发展;同时,采用...     

船型方案优选的多目标群决策方法

利用与粒子群优化（PSO）算法相结合的多方案、多目标群决策方法对多种船型方案进行了决策优选. 首先在利用加权距离保证决策结果一致性的单方案、多目标决策方法的基础上,提出一种新的多方案、多目标群决策方法,然后引入 PSO方法对个体评价值进行迭代调整,使决策结果既能保持各位专家的初始偏好,又使各位利益相关者的意见具有良好的一致性. 将此决策方法引入船舶初步设计阶段的船型方案决策过程,分析确定船舶初步设计的重点属性指标及其权重,根据主尺度约束均匀生成系列船型方案,然后邀请多位专家进行评价决策,最终获得了船舶最佳主尺度决策结果. 该方法具有较高的可靠度,并为船舶主尺度方案优选提供了一种简便、高效的新方法.     

基于混合粒子群算法的船舶避碰决策

为解决船舶在开阔水域中的避碰决策问题,提出基于混合粒子群算法的船舶避碰决策方法。首先,针对粒子群算法在迭代后期容易陷入局部最优的局限性,引入高斯位置变异概念,扩大粒子的搜索广度,利用自适应策略对惯性权重进行改进,在保证粒子多样性的同时,提高粒子的局部搜索能力;其次,基于多目标优化方法构建目标函数,引入基于模糊综合评价策略构建的船舶碰撞危险度模型,统筹考虑《国际海上避碰规则》、海船船员通常做法、航行安全性与经济性,实现了多船会遇态势下的避碰路径规划;最后,通过Matlab仿真实验验证了该算法的有效性。相比标准粒子群算法,本文船舶避碰决策效果显著提高。     

智能家庭用电多目标优化方案研究

分析了家庭用电的微电网系统,研究了粒子群算法以及多目标优化理论. 在此基础上,设计了一种面向家庭用电的多目标优化模型,利用人工智能粒子群算法处理多维目标函数,制定了用电优化策略. 计算机仿真结果表明,该策略有效优化了家庭能耗,达到了节能减排的目的.     

多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展．本文首先描述多目标粒子群优化算法（MOPSO）的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.     

近距空中支援中无人机目标分配问题研究

利用无人机实施近距空中支援作战是当前研究的重点,需针对复杂战场环境对实行多目标火力打击的无人机进行路径优化与目标分配。综合考虑无人机飞行高度、不同武器挂载、目标类型及各项指标、威胁区威胁代价、作战时间代价等因素,构建目标毁伤综合指标提高非对称打击效能,设置威胁区安全阈值提高路径有效性分析,采取自适应权重粒子群协同优化算法求解单无人机单目标航迹总代价,采取0-1规划法求解多无人机对多目标的不平衡任务分配方案,为近距空中支援任务中多无人机对多目标的分配提供决策支撑。     

基于粒子群优化算法的协同空战导弹目标分配

为了取得协同空战的最佳攻击效果,在协同攻击的过程中进行导弹-目标最优分配是一种有效的解决方法。首先运用作战效能和运筹学理论建立多目标协同攻击的导弹-目标最优分配模型,其次在分析基本粒子群优化算法特点的基础之上提出了一种改进粒子群优化算法,其中的主要改进有3点:惯性权自适应调整、粒子速度与位置自动更新以及优化策略改进。然后将该改进粒子群优化算法应用于协同空战导弹-目标最优分配问题的迭代求解。仿真结果表明所采取的改进策略加快了算法的收敛速度,提高了粒子的局部求解精度与全局寻优能力,并且与基本粒子群算法、遗传算法相比较,该改进粒子群优化算法能够更加快速、有效地求出多目标协同攻击的导弹-目标分配最优解。     

一种多项指标全提升的多目标优化演化算法

针对当前大部分多目标优化演化算法设计复杂、耗时巨大,以及取得的近似Pareto前沿点不够多、分布不均匀、覆盖不完整等问题,提出了一种新的基于粒子群和几何Pareto选择算法的多目标优化PSGPS算法.经过5个测试问题的实验结果表明:该算法使用较低的时间消耗,就能在前沿点个数、前沿点分布均匀性、覆盖完整度等性能指标上都优于当前流行的NSGA2,SPEA2和PESA等多目标优化演化算法.     

基于多目标优化的游戏地图生成研究

游戏地图自动生成是目前过程内容生成PCG(Procedural Content Generation)研究的热点之一.本文以开源RTS游戏MegaGlest的地图为研究对象,以公平性、可玩性、战略性和趣味性为优化目标,提出多目标粒子群优化的游戏地图生成算法.实验结果表明,自动生成的地图在4个优化目标方面具有明显改进,能给玩家提供更好的游戏体验.     

基于扩容和双距离决策的多目标粒子群优化算法

为了更好地改善多目标粒子群优化算法的收敛性和多样性,提出一种基于扩容和双距离决策的多目标粒子群优化算法。利用扩容的方法对目标空间中目标函数值的上下限进行扩大,得到新的上下限后再建立网格,这样可以计算出边界点的坐标。在小网格中选择引导粒子或者劣质粒子时,利用小网格中粒子到理想点和当前小网格最优点的距离进行决策筛选,这样充分利用目标空间中的信息来对粒子的优先级进行判断。对新的粒子进行差分变异,增加了整体的多样性,并通过阈值控制其变异的频率。将算法和当前具有代表性的多目标粒子群优化算法进行对比实验,提出的算法效果更佳。实验表明,提出算法的收敛性和多样性不仅得到较大提高,而且较为稳定。     

基于表现型共享的多目标粒子群算法研究

在多目标粒子群算法中,粒子的飞行由自身的最优位置和指导粒子决定,如何定义适应度选出合适的指导粒子,指导搜索过程向全局Pareto最优区域飞行,并保持种群在最优前端的多样性是算法的关键问题.针对上述问题,构造了同时考虑粒子的Pareto占优情况和目标空间邻近密集度的表现型共享适应度函数,在此基础上提出一个基于表现型共享的多目标粒子群优化算法(MOPSO).为了验证算法的有效性,采用占优等级指标来分析近似解集的占优情况,并采用EPS、HYP和R2指标来衡量解集的分布情况.实验结果表明,算法具有较强的全局搜索能力,能在较小的计算代价下获得较好的Pareto前端近似.     

基于多目标优化的混合动力系统DOH参数匹配

以一款并联式混合动力系统为研究对象,提出一种基于混合度(DOH)进行动力性、经济性、排放性的多目标优化参数匹配方法。建立综合整车各性能指标为价值函数,选定DOH为匹配设计变量,采用粒子群优化算法(Particle Swarm Optimization ,PSO)进行优化,获得不同权重系数下的优化DOH,同时权衡部件成本进而选定最佳DOH进行参数匹配,并开展回归实验验证,其结果表明：和优化前相比,最高车速提高了19.7%,每加仑行驶的里程提高了10.9%,排放量降低了19.8%。     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微
调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

混合动力系统多目标优化的混合度参数匹配方法

以一款并联式混合动力系统为研究对象,提出一种集动力性、经济性、排放性于一体的多目标优化的混合度参数匹配方法.以整车各性能指标为价值函数,选定混合度为匹配设计变量,采用粒子群优化算法进行优化,获得不同权重系数下的优化混合度.同时权衡部件成本,进而选定最佳混合度进行参数匹配,并运用Advisor仿真软件进行验证.结果表明,与优化前相比,最高车速提高了19.7%,百公里油耗降低了9.8%,排放量降低了19.8%.     

离散粒子群算法在高校智能排课系统中的应用研究

教务排课问题庞大、复杂,是高校进行正常教学过程中的一个重要环节,直接影响到教学资源及教学质量。排课问题要满足各种约束条件,比如教师资源、教室资源、课程、班级、上课时间等。在这些约束下,寻求一种优化组合,生成相对比较科学、合理、能充分利用现有资源并尽可能让教师和学生满意的课程安排表,将教学有秩序高效地进行。针对这种组合问题,本文提出了一种改进的离散群算法。     

一种新的混合粒子群优化算法

将禁忌搜索思想引入粒子群优化算法中,改进惯性权重,添加罚函数重新构造适应度函数;在此基础上,提出了一种基于禁忌搜索的新的混合粒子群优化算法(NHPSO),通过4个标准测试函数实验,结果表明:NHPSO算法比基本粒子群优化算法(PSO)具有更好的全局寻优能力、更快的收敛速度以及获得更高精度解的能力。     

基于仿生智能优化RBF神经网络的故障诊断

从锅炉水循环系统当前工艺参数中辨别和判断故障,可以使控制人员更全面地判断当前生产状态和预测未来情况,从而及时采取有效应对措施.该文提出一种基于仿生智能优化的RBF神经网络用于水循环系统故障的诊断.即针对构造RBF神经网络时隐相关参数难以确定的问题,该文提出采用混合蛙跳聚类算法确定隐层节点数,采用混合粒子群算法确定c和σ,使用最小二乘法(L M S)计算ω.通过实例验证,采用该文方法可以准确的诊断锅炉水循环系统的故障.     

多目标最优化的粒子群算法

粒子群算法是一种新出现的进化算法,相对其它进化算法,它收敛速度快、规则简单、易于编程实现.采用粒子群算法对资产投资的多目标问题进行优化,解决了传统方法难以解决的问题.数值实例表明,采用该算法能对资产投资问题做出优化组合决策.     

多指标群决策及其方法研究

本文讨论了多指标群决策的概念及其方法。利用多指标群决策中的多种排序方法集结出决策人对于方案的偏好;同时,利用得出的方案的偏好,求出决策人对于指标的偏好,得到主要指标,从而达到了数据的压缩。