基于改进万有引力搜索算法的无人机航路规划

无人机航路规划是根据任务目标规划出某种性能指标最优的飞行航路的全局优化问题.本文将改进后的万有引力搜索算法用于求解航路规划问题,在万有引力搜索算法的速度更新部分引入粒子群算法中的记忆和群体信息交流功能,改善了最优解的质量;然后提出了基于权值的粒子惯性质量更新公式,以加快全局搜索的收敛速度;后运用优胜劣汰的选择操作规则,对粒子的位置进行更新,使种群始终朝着最优解的方向进化.通过与其他仿生智能计算方法的仿真实验对比,验证了本文所提算法可在复杂作战环境下实时有效规划出无人机的最优航路.     

基于粒子群寻优机制的图像分割方法

利用粒子群优化（eso）算法全局寻优、快速收敛的特点,结合模糊C-均值（FCM）图像分割算法提出一种新算法,用PSO算法代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷;同时也降低了FCM算法对初始值的敏感度。实验结果表明,与FCM相比该算法聚类更准确,效率更高,具有较高的分割速度和良好的抑制噪声的能力。     

开放环境中基于自适应分布控制的群体机器人多目标搜索方法

多目标搜索问题是群体机器人一个重要的研究方向.现有工作多集中在带边界空间内的多目标搜索问题,而在开放环境中,探索机制会导致群体分散性过强而减弱探索能力.本文通过引入自适应扩散回归策略,在带有假目标的开放环境中,提出了具有高鲁棒性和适应性的群体机器人多目标搜索算法.文中首先从初始状态和处理假目标两方面对现有的主流群体机器人多目标搜索算法进行优化;基于机器人分布控制,本文对自适应群体机器人粒子群优化算法进行优化,提出基于自适应分布控制的群体机器人粒子群优化算法;其次,基于概率有限状态机搜索算法(PFSMS)对开放环境中的多目标搜索算法进行进一步的探索,本文以搜索时间为切入点,在PFSMS原有三种状态的基础上,添加回归状态作为附加状态,提出了基于自适应分布控制的概率有限状态机搜索算法(DPFSMS).当智能体的探索时间超过阈值时,智能体的速度由回归分量和扩散/搜索分量构成. DPFSMS算法给出了在无边界开放环境中的搜索策略,通过限制群体的扩散速度来自适应地调整智能体在无适应度值区域的运动随机性.最后,本文将DPFSMS算法与现有方法进行了对比,在对比实验中DPFSMS算法取得了目前最好的效...     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题,提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计;引入高斯分布估计算法（GEDA）的思想,对蛙群中适应度好的蛙进行分布估计再生,提高收敛速度;结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示,与PSO算法相比,振幅平均估计精度提高了5．3％,相角平均估计精度提高了4．7°。研究表明,该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。     

多项目交互组合选择模型的改进粒子群优化研究

为解决多项目之间发生交互作用时的项目选择和组合优化问题,在已有优化模型的基础上,提出改进的粒子群算法,利用种群间跳跃改进的方法增强了粒子的搜索性能,并通过聚类和干涉的方法,防止算法陷入局部最优,有效求解多目标优化模型,最后利用算例分析证明模型和算法的有效性。     

基于改进粒子群-GRNN模型的地铁隧道沉降预测

为了实现地铁隧道沉降的准确预测,针对传统方法和常用智能方法预测精度不高、适用性不强等问题,建立基于改进粒子群和广义回归神经网络的隧道沉降预测模型。模型引入随机变异因子以克服粒子群算法早熟收敛和后期搜索效率不高的缺陷。通过与GRNN、普通PSO-GRNN和PSO-BP模型进行对比,验证了改进算法的有效性和所建模型的优越性。以长沙地铁隧道为例进行沉降预测发现:预测值与实测值相差1.04 mm,相对误差为4.05%,预测精度高,满足工程需要。     

UMHexagonS算法的研究与改进

对UMHexagonS算法进行了介绍,对其特点及造成其独特优越性能的原因进行了初步分析,并提出了一种改进方法.即在预测起点处增加一个内容自适应的中止搜索阈值判断,以判断是否可立即结束搜索.模拟实验表明,相比原算法,改进后的算法明显节省了编码时间,并保持了原算法率失真特性良好的特点.     

供水管网抗震拓扑优化算法研究

针对供水管网抗震拓扑优化问题,引入管线单元投资重要度的概念评价管网中管线对管网抗震的贡献.在此基础上,将遗传算法、遗传-模拟退火算法、蚁群算法和微粒群算法等现代组合优化算法应用于供水管网抗震拓扑优化中.通过算例对上述算法的优劣进行了对比分析.结果表明：遗传-模拟退火算法表现最好,遗传算法和微粒群算法次之,而蚁群算法的搜索性能较差.     

基于粗粒度单元的离群点检测算法研究

对现有的基于单元的算法进行改进,利用KNN算法思想得到距离与比例参数的合理先验值,以加快离群点检测的收敛速度;同时通过扩大单元粒度,减少了单元区域查询次数与算法的空间复杂度,从而在整体上提高了离群点的检测效率。通过实验,验证了改进后算法的可行性,同时比较了其与原算法在不同参数下的性能优劣。     

基于人工免疫响应的线性系统逼近

提出一种基于人工免疫响应的线性系统逼近算法．给出了人工免疫响应的四元组模型，为免疫响应过程建立了一个可用于工程计算的数学模型；设计了克隆选择、免疫记忆和免疫调节等具体操作，模拟了抗体克隆选择、免疫记忆、基因免疫、免疫耐受等现象，实现了人工免疫响应的记忆学习，基于抗体群的随机状态转移过程，证明了新算法具有全局收敛性．基于两个典型的稳定或非稳定线性系统逼近问题的数值试验表明，无论在固定的区间内搜索还是在动态扩展的区间内搜索，人工免疫响应算法都能得到线性系统的最优逼近模型，算法是有效的。     

基于改进蚁群算法的移动机器人路径规划

为了提高移动机器人在复杂静态环境下快速、精确地实现避障路径规划的能力,在蚁群算法的基础上进行改进,采用最优一最差蚂蚁系统,并且引入最差路径信息素自适应参数以更好地寻找全局最优解。搜索过程中引入起点终点引导函数,优先搜索距离起点远而距终点近的节点。为提高算法的实用性,运用几何方法对路径进行修正处理。从而实现了机器人的快速、精确路径规划。通过计算机仿真研究表明：该算法具有较强的实用性,能明显改善路径规划性能,并且算法简单有效。     

一种基于WL算法的加速方法

本文对WL算法和其加速方法TSVQ进行研究。通过对搜索范围的分析提出了一种通过设置搜索带、减少匹配点搜索范围的方法来确定搜索区间，并进行了实验验证。实验证明与TSVQ加速方法相比，本方法能够使合成速度大大提高，并且算法实现上更简单。     

基于粒子群优化算法神经网络在开采沉陷中的应用

考虑BP网络存在收敛速度慢、局部极值等缺点,引入线性下降惯性权重粒子群优化（LWPSO）算法,建立基于线性下降惯性权重粒子群优化（LWPSO）算法的人工神经网络模型,在分析抚顺发电有限责任公司厂区地表下沉的实际观测资料的基础上,对厂区的任意点,任意时刻进沉陷预测研究。     

考虑质量设计的合同组批生产问题研究

针对在制定组批方案中可能会产生的质量浪费现象,在考虑质量设计因素的基础上,建立以质量离散度为优化目标的组批模型,进而设计出考虑质量设计的合同组批算法。该算法改进了粒子群算法以实现聚类组批,首先松弛设备容量限制,以合同的质量离散度最小为目标,运用粒子群算法进行聚类计算,得到初步的组批方案;然后考虑设备容量约束,基于质量离散度最小原则,对违背设备容量范围的批次进行修复调整,得到最终的组批方案。以某大型国有钢铁集团的无缝钢管厂为例,基于生产实际数据设计了数据实验,以质量离散度为评价指标,将本文算法与基本粒子群算法进行对比,探讨了批次数量对问题求解的影响。实验结果表明,本文提出的模型和算法是可行和有效的。     

基于PSO算法改进的ANFIS在织物染色配色中的应用研究

本文研究了PSO（粒子群优化）算法及一种用于织物染色配色的自适应模糊神经网络（ANFIS）,提出了基于织物染色配色的粒子群算法改进的ANFIS配色模型,并进行了仿真试验。从仿真试验的结果看,该配色模型收敛速度快,精确度较未改进的ANFIS模糊神经网络有明显的提高,在解决织物染色配色问题上取得了令人满意的配色效果。     

曝气池中气液两相流粒子图像测速技术

在粒子图像测速原理的基础上研究了基于快速傅立叶变换的粒子图像测速算法，并编制算法程序进行验证。通过试验研究了气液两相流在曝气池试验装置中的流动情况，应用粒子图像测速技术对装置中3种状态下气液两相流的运动参量进行测量，获得了各种流体运动参数，并应用粒子图像测速程序进行计算分析。试验结果表明当气液两相流处于状态3时，气泡在装置中具有最长的停留时间和较大的速度紊动强度，氧转移速率和效率大大提高，这为曝气池选型提供了依据。     

基于树的不确定数据频繁项的挖掘算法研究

本文针对UF-growth算法在构建环节的不足,提出了一种改进的映射频繁项树PUF-tree算法。该算法基于数据库映射技术,通过改进原算法的构建过程,能在一定程度上消除原算法的性能瓶颈,提高算法的效率。     

低成本辅助凸极式辐向永磁电机的鲁棒性优化设计

将铁氧体应用于具有聚磁能力的辐向永磁电机中可获得与稀土永磁电机相媲美的转矩密度,并兼具低成本的优势.为克服传统辐向永磁电机高转矩脉动的弊端,提出一种新型辅助凸极式转子,增强了转子的可塑性并增加优化参数的数目.采用基于响应面分析与多目标骨干粒子群优化算法相结合的多目标优化方法来提升电机的转矩性能.进一步地,考虑到在电机批量生产过程中不可避免地会受到误差、公差等不确定性因素的影响,将六西格玛设计方法和蒙特卡罗分析方法相结合,对电机进行鲁棒性优化.通过对比分析优化前后的电磁性能可知,所提出的新型电机可以在提高输出转矩的同时有效降低转矩脉动,且极大降低电机批量生产中的失效率.最后,实验结果验证了所提新型电机结构及其鲁棒性优化设计的准确性和可行性.     

一种具有记忆自学习能力的快速动态寻优算法及其无功优化求解

针对传统人工智能在随机复杂环境的适应及交互能力较低问题,有机地将经典强化学习Q(?)算法与多主体协同行为进行高度融合,提出了一种具有记忆自学习能力的快速动态寻优算法.该算法通过与外部环境反复的交互来进行自学习改进,并利用值函数矩阵储存状态-动作对记忆,提出了联系记忆方式,有效地对传统Q(?)算法的动作空间进行降维处理,减小了记忆矩阵的规模;基于多主体协同合作的概念,采用多个主体同时对记忆矩阵进行迭代更新,明显提高了更新速度;在预学习形成良好的记忆后,能快速地进行在线动态优化.最后,文章利用电力系统经典无功优化模型进行了算法测试,IEEE 118节点和IEEE 300节点标准算例仿真表明:本文所提算法在保证较高收敛性的同时,寻优速度能提高到遗传算法、蚁群算法、粒子群等传统人工智能方法的5~40倍,非常适用于大规模复杂电网的在线滚动无功优化.     

基于捕食逃逸鸽群优化的无人机紧密编队协同控制

提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.