基于高斯过程和改进教与学优化算法的甲醇合成转化率软测量

针对高斯过程软测量建模过程中,常用的共轭梯度法难以完成高维协方差矩阵的超参数确定等问题,引入了教与学优化算法(TLBO)对高斯过程的训练过程进行了优化,提高了模型训练速度。并对基本的教与学优化算法做出了相应的改进:一是改进了算法的"学生阶段";二是增加了"课外阅读阶段",提高了算法的性能。将这一建模方法应用于甲醇合成转化率测量中,结果表明,该方法具有较好的估计精度。     

基于自适应步长和莱维飞行策略的改进狼群算法

群智能启发算法在解决大规模分布式问题方面有许多优势。针对传统狼群算法易陷入局部最优和精度不高等缺陷,笔者在分析狼群特点的基础上,提出一种基于自适应性步长和莱维飞行搜索策略的改进狼群算法。首先,通过自适应步长的合理变化,提高搜索精度;其次,采用莱维飞行的搜索策略,在算法后期扩大搜索范围,提高算法的全局搜索能力。最后,为了验证该算法性能,通过仿真实验和实际案例进行了测试,与其他改进方法进行比较。测试结果表明,所提出的改进狼群算法在收敛速度、精度及稳定性方面都有明显优势。     

基于改进莱维飞行的狼群算法及其在翼型气动优化设计中的应用

智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法,并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力,将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合,在增加收敛速度的同时,保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷,引入高斯核函数自适应调节莱维飞行的搜索步长,以增加其搜索效率;引入四元法,以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证,表明改进算法在优化效率和全局寻优能力方面均优于原始算法。     

基于改进狼群算法的移动机器人路径规划

为了获取机器人全局最优路径,文章提出一种基于改进的狼群算法移动机器人路径规划。首先运用栅格法对机器人环境进行建模;然后提出一种改进的狼群算法,该算法提出并行游走机制,进一步提高探狼的局部搜索能力;构建智能奔袭行为,提高猛狼自适应调节能力;提出向心围攻策略,使得算法收敛到全局最优。6类测试函数的仿真结果表明,改进的算法在局部搜索能力和自适应调节能力更强、收敛精度更高、收敛速度更快。移动机器人路径规划的仿真实验所涉及到的参数较多,文章利用Taguchi方法的三因素三水平正交试验法选取了最佳的参数组合。最后将改进的狼群算法和狼群算法都进行路径规划的仿真实验,结果表明,改进的算法在解决机器人路径规划问题上更有效。     

基于Logistic模型的改进人工蜂群算法

针对基本人工蜂群(ABC)算法存在着收敛速度慢、易陷入局部最优、求解精度低等缺点,提出一种基于Logistic模型的自适应人工蜂群(A-ABC)算法.首先,利用反向学习策略初始化种群个体以保证群体的多样性,为算法进行全局搜索奠定基础;其次,通过引入参数λ对ABC算法的搜索方程进行改进以产生新的候选个体,在进化过程中,λ的大小基于Logistic模型自适应调节,以协调算法的探索能力和开发能力;引入基于排序的选择概率以避免算法出现早熟收敛.对几个典型的Benchmark函数进行了测试,实验结果表明,与基本ABC算法相比,A-ABC算法具有更高的求解精度和更快的收敛速度.     

基于改进狼群算法的边坡极限平衡稳定性分析方法研究

危险滑面的确定与安全系数计算是岩土工程边坡稳定性分析中的经典问题,搜索效率与稳定性系数精度的好坏直接关系到边坡稳定的准确把握与工程决策.首先基于边坡数值模拟计算的应力场,对经典的狼群算法进行改进,采用Python语言编程实现了一种新滑面搜索方法,有效解决了传统搜索方法易陷入局部极限值的缺点,并且可以搜索非圆弧滑面.然后借助一个经典算例和一个工程算例,对方法的可靠性进行了验证与分析.结果表明：改进狼群滑面搜索算法能够轻松高效地得到边坡的最危险滑移面和最小安全系数,潜在滑面与工程推测的滑弧非常接近,相较于传统算法,具有较高的收敛精度和可靠性.研究结果可为边坡稳定性分析提供新的思路和方法.     

基于改进灰狼优化与支持向量回归的锂电池健康状态预测

为了提高锂电池健康状态(SOH)的预测精度,将改进的灰狼优化(IGWO)算法与支持向量回归(SVR)相结合,提出了一种基于改进灰狼优化和支持向量回归(IGWO-SVR)的联合算法。该算法的核心思想是运用改进的GWO算法解决SVR模型中的参数联合寻优问题。IGWO-SVR随机产生1个灰狼种群,灰狼个体的位置向量由SVR模型的3个参数C,σ,ε组成。根据每只灰狼的位置信息进行学习,并计算适应度。按照适应度值对狼群进行分级,对灰狼个体位置进行更新,然后进行差分进化操作,选择优秀个体进入下一代种群,重新计算灰狼个体在新位置的适应度。迭代过程结束后,提取狼群中适应度最优的灰狼位置信息作为最终的SVR模型参数进行训练。在美国国家航空航天局(NASA)锂电池数据集上的实验表明了所提SOH预测方法的有效性。     

基于改进狼群算法的多机协同目标分配研究

为充分发挥战机集群整体作战优势以得到最优目标分配方案,采用改进狼群算法对战场态势模型进行求解.通过保证算法的寻优效率,引入次头狼概念对狼群的召唤与围攻行为做出改进,并对狼群算法的更新机制做出了优化,提高算法的全局寻优能力.仿真结果表明,所提方法能快速准确地寻找到最优目标函数值,且在一定程度上改善了传统狼群算法易陷入局部...     

尿素合成塔模拟计算

从热力学原理出发,建立了尿素合成条件下NH3-CO2-H2O-urea体系的热力学气液平衡机理模型,针对合成塔的操作条件,对部分热力学参数进行了优化。在此基础上,根据尿素合成塔结构及合成反应机理,采用本热力学机理模型,基于塔板上全混流模型对尿素合成塔进行了模拟计算,采用迭代法求解模型组成的非线性方程组,对初值的要求不高,易于收敛,计算结果同设计数据相符较好。     

基于改进狼群算法的AGV路径规划

针对自动引导小车(automated guided vehicle, AGV)全局最优路径的求解问题，文章利用栅格法对环境进行建模，提出一种基于改进狼群算法(improved wolf pack algorithm, IWPA)的AGV路径规划方法。该算法采用混沌映射形成初始种群，增加种群多样性；对探狼游走行为引入随机策略，扩大搜索范围；对头狼的选择引入Metropolis准则，增强算法跳出局部最优能力；改进猛狼奔袭策略，提高算法后期寻优效率。通过8个典型测试函数的仿真实验结果表明，改进的算法在寻优速度和精度上均有较大的提高。将改进的算法应用于路径规划仿真实验，结果表明，相比于传统狼群算法，改进的狼群算法在解决AGV路径规划问题上更有效。     

构筑物动态变形行为的自组织进化识别

建筑物沉降变形行为是一个复杂的非线性动力学演化过程,针对这一过程,引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的构筑物变形动态预测模型进化识别算法·该方法将复杂的模型结构与参数混杂的搜索空间简化为两个相对简单的模型结构进化过程和模型参数进化过程,分别由遗传规划和遗传算法完成·设计了模型结构和参数的共同进化方案,实现对非线性动力学演化模型结构和参数的全局最优搜索·实例分析结果表明该方法具有较好的预测精度和推广预测能力,并且显示出较高的自组织能力,为构筑物变形预测提供了一个有效的分析工具·     

8 MPa下C307催化剂上甲醇合成反应的本征动力学

在等温积分反应器中研究了操作条件对甲醇合成反应的影响以及C307催化剂上甲醇合成反应的本征动力学.实验采用粒度为0.154～0.198 mm的细颗粒催化剂.实验压力为8MPa,空速5 500～11 000 h-1,反应温度200~260℃.实验结果表明:总碳转化率在实验温度范围内随温度的升高先增加后降低,245℃左右达到最大值,随压力的升高而增加.选取以各组分逸度表示的CO、CO2加氢合成甲醇的Langmuir-Hinshelwood双速率本征动力学模型,用全局通用算法结合马夸特算法确定动力学模型参数.残差分析和统计检验表明,动力学模型是适宜的.     

高非线性水质模型参数最优化估值的改进遗传算法实现

遗传算法是一种具有全局搜索功能的进化算法,对解决水质模型参数最优化估值问题针对性强,但该算法存在着局部早熟收敛和收敛速度慢两个不足,因此目前在水质模型参数优化中的应用主要以具有解析解形式的简单模型为主,解决多维非线性度高的综合水质模型参数最优化问题效果不佳.本文在标准遗传算法(SGA)的基础上,建立改进的实编码混合遗传算法(IRHGA),通过设定目标函数最大控制因子,运用SA算法拉伸适应度值,串行混合单纯形直接搜索算法三项主要改进措施,达到改善算法在非线性响应曲面陡峭峰谷间搜索时,不丢失最优解空间和后期有效分辨最优适应度的效果.以测试函数Rastrigin为验证,得到了已知的最优结果.最后,以高非线性水质模型的参数优化估值问题为实例进行验证,结果表明,针对非线性度高的陡峭曲面搜索,具有避免局部早熟收敛的优点.优化搜索过程中,各搜索个体全局均匀分布,对有可能被陡峭峰谷掩盖的最优点位置都能进行搜索,并且,在搜索后期接近最优点附近时,搜索分辨率高,速度比改进前更快.优化后的水质参数代入模型中,模拟所得结果与给定的实测值间误差更小,实现了高维复杂水质模型多参数的同时优化功能.该算法对其他非线性优化问题同样具有较好的适用性.     

基于改进粒子滤波算法的Bouc-Wen模型参数在线识别方法

在线模型参数更新是提高结构混合试验中数值子结构模型精度的有效手段。为了提高强非线性模型参数在线识别精度,在标准粒子滤波算法的基础上提出了一种改进的辅助无迹粒子滤波算法。在重要性采样中,基于最新观测信息采用无迹卡尔曼滤波方法计算每一个粒子估计,以提高粒子非线性变换估计精度;在重采样过程中,引入辅助因子修正粒子权值,以丰富粒子多样性、削弱粒子退化现象。采用改进粒子滤波算法针对Bouc-Wen模型进行了在线参数识别,并与标准粒子滤波算法、扩展卡尔曼粒子滤波算法以及无迹粒子滤波算法的参数识别精度和计算效率进行对比分析。结果表明,与其它3种算法相比,辅助无迹粒子滤波算法在单步计算耗时增加的基础上,在线参数识别精度明显提高,参数识别值波动幅度显著降低。最后,通过橡胶隔震支座拟静力试验,验证了采用改进粒子滤波算法在线识别Bouc-Wen模型参数方法的有效性。     

基于改进蚁群算法在软件缺陷预测中的应用

为提高软件缺陷预测算法的分类准确度和运算效率,将改进的蚁群算法应用于基于支持向量机的软件缺陷预测模型中。支持向量机作为二值分类模型进行软件缺陷预测,并对蚁群算法进行改进优化,每只蚂蚁只根据搜索半径参数在前次迭代中的最优解附近搜索,在缩小搜索范围的同时尽快实现最优解,并对支持向量机的参数进行优化。实验结果表明,与传统方法相比,该方法具有更高的预测精度和运算效率。     

基于改进差分进化算法的机器人动力学参数辨识方法研究

针对传统差分进化算法存在收敛精度不高和算法容易陷入局部最优等问题,提出一种差分进化(Differential Evolution,DE)算法的改进方案,并用于机器人的动力学参数辨识。首先,利用Newton-Euler方法建立含有关节摩擦特性的机器人动力学模型的线性形式,设计严格满足机器人运动条件的傅里叶级数作为运动轨迹,为提高辨识精度,建立机器人观测矩阵条件数的非线性约束模型来优化激励轨迹;其次,引入DE算法并对其进行优化以提高算法的全局搜索能力和开发能力;最后,以智昌川崎RS010N机器人为对象设计仿真实验,实现了机器人动力学参数的辨识,并对辨识结果与理论值进行了对比分析。结果表明,采用改进的差分进化算法,可以准确地辨识出机器人动力学参数,所建立的模型能够反映机器人的动力学特性。     

一种基于混沌搜索改进的人工蜂群算法

针对人工蜂群算法存在容易陷入局部最优解以及收敛速度慢的不足,提出了一种改进的人工蜂群算法.该算法在基本人工蜂群算法的基础上,根据可能解上的适应值定义搜索步长来解决陷入局部最优的问题,根据可调的参数定义食物源选择概率模型来解决收敛速度慢的问题,该选择的概率模型是基于混沌搜索定义全局最优解的搜索方法.最后,在7种不同的测试函数上对改进后的算法进行了实验测试,实验结果表明该改进算法比基本人工蜂群算法有着更高的搜索精度和较低的时间复杂度.     

基于新型自适应采样算法的催化重整过程代理模型

催化重整装置是石油加工的重要装置之一,直接使用机理模型对其进行优化耗时较长。代理模型方法能够有效地对机理模型进行近似,而采样方法对代理模型的精度有很大影响。提出了一种新的自适应采样算法-基于最近邻和马氏距离的自适应采样算法。该算法从采样方法的全局搜索能力与局部搜索能力出发,通过求解优化问题在关键信息区域中获取样本点。采用7个测试函数进行测试,结果表明该算法能够选取对代理模型精度影响较大的采样点,从而有效地提升代理模型的精度。针对催化重整过程的关键质量指标建立了相应的代理模型,结果表明该算法能够很好地处理实际工程中的问题。     

改进单纯形法及其应用

为提高复杂环境模型参数识别的性能和效率,提出了改进单纯形法(IMSM)。该方法融合了随机全局搜索和单纯形法局部快速搜索两类算法的不同搜索机制,具有很强的广度搜索和深度搜索能力。以基于随机介质理论的抽水地面沉降时空耦合预测模型的参数识别为例,将IMSM算法应用于该模型中4个参数的优化识别。计算结果表明:无论在有扰动还是在没扰动条件下IMSM算法都能高效可靠地搜索到抽水地表沉降预计模型参数的全局最优解,说明此方法应用于复杂环境模型参数识别是可行的,同时,通过不同算法的比较也说明了IMSM算法在搜索性能和效率方面的优越性。     

多策略蚁群算法求解越野路径规划

针对车辆的越野路径规划问题,设计了以最少行驶时间为目标的多策略蚁群算法。首先,分析了地形坡度和地表属性对于车辆路径规划的综合影响,通过叠加坡度与粗糙度约束建立了禁忌表;其次,一方面引入了自适应调整策略以提高路径搜索的有效性,另一方面设计了双向搜索策略以增加蚂蚁之间的协作能力和成功路径的搜索机率;另外,还提出了子路径多段交叉策略以提高算法的全局搜索能力和收敛速度,在详细叙述改进算法的步骤之后,优化了算法的部分参数取值;最后,就基本算法和改进算法的性能指标、收敛代数和仿真结果进行了比较与分析。实验结果表明,改进算法能够快速有效地实现越野路径规划,较之基本算法有一定的优越性。