自适应神经-模糊推理系统的混合协同微粒群算法进化设计

在分析自适应神经-模糊推理系统(ANFIS)结构和参数特点的基础上,定义一个布尔向量L作为网络的结构参数,与原来ANFIS的前件参数集一起构成了新的前件参数集{c,σ,L},并给出了一个新的网络输入输出关系表达式.针对该输入输出表达式,提出一种用于优化ANFIS前件参数集的混合协同微粒群算法.该将参数集L和{c,σ}分别放在两个子微粒群并根据各自不同的特点应用二进制PSO和GCPSO算法进化,两个子微粒群之间的协同由定义的一个协同函数实现,而网络的结论参数依旧用最小二乘法进行优化.应用该算法进行ANFIS网络结构和隶属函数参数的自适应设计,在Henon映射产生的混沌时间序列预测中显示了良好的性能.     

基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法.该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数.最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单、实用,模型能够精确地描述过程的非线性.     

基于群集智能的多主体创新设计自动协商算法

为了解决复杂产品创新设计系统中多主体协作的冲突协商问题,提出一种基于模糊物元分析的启发式自适应变异微粒群全局优化算法.首先,引入模糊物元分析理论,将各设计主体的个性化要求、特征及相应的模糊量值结合起来建立其形式化模糊物元模型,应用模糊物元优化方法将多目标协商问题转化为单目标协商问题;然后,给出了该协商模型的自适应变异微粒群求解算法,在微粒群寻优过程中引入变异机制,根据自适应变异概率对惰性和适应度差的微粒进行突变操作,增大微粒间的差异性和非均匀性,有效阻止算法过早收敛于局部最优点,提高算法的求解速度;最后,通过在汽车动力传动系统参数优化匹配协同设计中的应用,表明了该协商算法的有效性.     

协同微粒群算法及其在炼钢生产调度中的应用

给出了炼钢生产调度问题的最优炉次0-1数学规划模型.结合0-1空间优化问题的特点,通过逻辑运算将基本微粒群算法的进化搜索限定在0-1空间,并针对0-1整数规划的约束条件,提出一种协同微粒群算法CPSO.即分别构造两个微粒群,一个以目标函数的最小化为目标,另一个以满足约束条件为目标,同时,两个群体间进行信息交换,协同完成0-1整数规划的求解.该方法已成功应用于炼钢生产调度问题中最优炉次的求解.     

求解模糊机会约束规划模型的微粒群算法

针对现在不确定规划领域中存在的模糊机会约束规划模型和群智能优化方法-微粒群算法,提出了一种求解模糊机会约束规划模型的新混合智能算法.该算法利用微粒群算法并运用模糊模拟技术对模糊机会约束规划模型的规划问题进行分析和数值求解,因而无需像传统的基于遗传算法的混合智能算法那样需要很长时间并经过复杂的计算才能得到结果.通过对实际模型的分析和数值求解,给出了应用该方法的具体步骤,说明了该混合智能算法的合理性和有效性.     

基于NichePSO和网格模型的参数优化方法及仿真

针对集成电路制造工艺参数优化过程中如何高效地确定参数窗口的问题,将小生境微粒群优化算法(NichePSO)和矩形网格模型相结合,提出了一种全新的工艺参数优化方法,并对一维和二维情况进行了仿真和实际生产验证.该方法中小生境微粒群算法可以根据工艺要求和输入输出参数的数据或模型高效地找到输出参数的等值点;而矩形网格模型又特别适合在二维平面上跟踪和连接等值点并生成等值线.对于单输入参数问题,该方法可直接给出输入参数窗口;对于二维问题,则能提供所有满足工艺要求的二维区域以及输入参数平面上的一系列等值线.在一维和二维标准多峰函数上的仿真测试结果和生产验证数据表明,该新方法是一种有效的工艺参数优化方法.     

基于子群混合与变异的微粒群算法及其应用

提出一种子群混合与变异的微粒群算法(SSMPSO),按适应值大小将微粒均匀分为两个子群分别进行目标优化,当子群在一定进化代数内未满足收敛条件时重新混合为一个种群.对混合种群中部分适应值差的微粒实施变异,用适应值好的微粒替代.微粒群反复进行分群进化、子群混合和种群变异操作,直至算法满足终止条件.SSMPSO算法通过几种典型高维非线性函数进行了测试,结果表明其性能明显优于基本微粒群算法.将SSMPSO算法用于常压塔汽油干点软测量,实验表明SSMPSO算法建立的汽油干点软测量模型比用基本微粒群算法所建软测量模型有了很大提高.     

船舶运动系统模糊控制器设计及稳定性分析

研究了船舶运动系统的离散模糊控制器设计及闭环离散模糊系统稳定性问题.首先建立了船舶运动系统的离散T-S模糊模型;然后,根据离散型分段模糊Lyapunov函数的定义,应用并行分布补偿方法,提出了一个新的判定闭环离散T-S模糊控制系统稳定性的充分条件,该条件仅需在每个最大交叠规则组中满足模糊Lyapunov函数方法中的条件,降低了公共Lyapunov函数方法和模糊Lyapunov函数方法的保守性和难度;最后,具体设计了一种船舶运动模糊控制器,仿真结果验证了所提方法的有效性.     

多UCAV协同目标攻击决策

针对多无人作战飞机(unmanned combat aerial vehicle, UCAV)攻击多目标,研究了多UCAV协同攻击决策问题。建立了目标毁伤模型、UCAV损耗模型和时间协同模型,并通过加权求和将三者转化为单一目标函数,进而转化为单目标问题进行求解。提出了一种离散微粒群优化(discrete particle swarm optimization, DPSO)算法,在微粒群优化算法框架内重新定义了微粒的位置、速度及相关操作。建立了微粒与实际问题的映射关系,进而使DPSO算法适合于求解多UCAV协同目标攻击决策问题。仿真结果表明,DPSO算法易于实现,能够较好地解决基于时间协同的多UCAV目标攻击决策问题。     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

基于模糊多目标规划的防空反导火力分配

针对现有多目标火力分配(weapon target assignment,WTA)方法很难适用于不确定情况下防空反导作战的问题,提出了基于模糊多目标规划的防空反导WTA方法。首先,采用三角模糊数刻画不确定的目标威胁度,在考虑防空反导作战特点的基础上,基于模糊多目标规划建立了WTA模型;然后,根据必要性测度原理将含有模糊参数的目标函数进行了等价清晰化;接着,提出了具有单/双势阱的多目标量子行为粒子群算法用于求解WTA模型,该算法采用了单/双势阱位置更新方式、粒子混合随机变异方法、领导粒子两阶段选取方法;最后,通过实例仿真验证了模型的合理性和算法的有效性。     

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。     

基于递阶粒子群方法的RBF网络自动设计

针对径向基函数网络（RBFN）的结构和参数难以同时优化及粒子群不同结构的粒子飞跃困难问题,提出一种维数自适应变化递阶粒子群方法,同时完成对网络的结构和参数自动优化设计。此方法中,粒子群编码采用二进制和十进制相结合的混合形式,二进制表示网络隐层神经元的数量,十进制编码表示网络参数,每个粒子在不同代的飞翔维数由当前代最好粒子的适应度和粒子到目前为止的最好适应度及粒子群处于两个最好位置时的有效维数确定。适应度函数引导粒子向小规模和小误差方向运动。通过对函数建模和混沌时间序列的预测实验,验证了方法的有效性。

Abstract：

In order to solve difficulties optimizing the structure and the parameters of RBFN simultaneously and flying among particles with different dimension,a hierarchical particle swarm optimization （PSO） with adaptive dimension was proposed to design structure and parameters of radical basis function neural networks （RBFN） automatically.In the method,the number of hidden layer for RBFN is coded by binary,and parameters are coded by decimal,the dimensions of the flying particle is determined by the best position of current generation and the best position that the particle derived so far and effective dimensions of the two best positions.Furthermore,the swarm will incline to small scales and small error by choosing a special fitness function which takes account factors of structure and parameters of RBFN.Simulation results with function approximation and prediction of chaotic time sequence demonstrate that the proposed method is efficient.     

基于结构自适应模糊神经网络的前列腺癌诊断方法

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.     

考虑全过程优化的支持向量机预测方法

针对支持向量机（support vector machine, SVM）预测过程中影响因素选择、输入特征集优化、核函数选择及参数优化方面存在的问题,提出了一种全过程优化方法。首先使用频繁模式增长关联规则分析和模糊贝叶斯网络组合模型来解决影响因素选择中存在的主观性问题,然后使用在异常值处理和类内距离与类间距离方面进行改进的模糊C均值聚类算法优化输入特征集,减小支持向量机预测模型冗余度及训练样本集过修正度,通过比较各核函数的特点选择径向基核函数作为SVC的核函数,改进了粒子群优化算法中微粒速度和位置函数及惯性权重值算法,使用该方法优化SVM参数并建立预测模型。最后，通过案例运算和分析,证明该文方法具有更高的预测精度。     

混沌量子粒子群的权重类条件贝叶斯网络分类器参数学习

针对贝叶斯网络判别学习方法在处理大数据集时,存在的模型训练时间长、算法迭代次数过多等问题,通过引入指数级参数,提出了混沌量子粒子群的权重类条件贝叶斯网络参数学习方法。该方法首先通过优化对数似然函数,解决生成学习的参数估计问题。然后,使用生成学习的结果,初始化判别学习的参数。最后,引入混沌映射序列,通过混沌量子粒子群优化(chaos quantum particle swarm optimization, CQPSO)算法,优化条件对数似然函数。使用权重类条件贝叶斯网络分类器对液体火箭发动机的故障进行分类,仿真结果表明,改进的方法分类精度高,误分类率低。同时,采用CQPSO与量子粒子群优化(quantum particle swarm optimization, QPSO)算法、标准粒子群优化(particle swarm optimization, PSO)算法相比,能够有效减少算法的迭代次数,提高算法的效率。     

基于粒子群的控制器参数模糊规则自动提取

设计一种移动机器人轨迹跟踪控制器并利用Lyapunov稳定性定理证明了该控制器的全局稳定性。针对人为设定该类控制器参数工作量较大,根据移动机器人跟踪控制过程的非线性本质,提出了一种采用模糊非线性参数的跟踪控制方法。在无先验知识的前提下,利用粒子群算法自动提取控制器参数的模糊规则基。设计一种动态群体的粒子群方法,使得种群的多样性得到保证,减少局部收敛的可能,同时又不会对已有种群的模式造成巨大破坏。对比实验验证了该方法的有效性。     

基于改进粒子群-模糊神经网络的短期电力负荷预测

为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络,实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力,提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测.     

Multi-objective fuzzy particle swarm optimization based on elite archiving and its convergence

A fuzzy particle swarm optimization （PSO） on the basis of elite archiving is proposed for solving multi-objective optimization problems. First, a new perturbation operator is designed, and the concepts of fuzzy global best and fuzzy personal best are given on basis of the new operator. After that, particle updating equations are revised on the basis of the two new concepts to discourage the premature convergence and enlarge the potential search space; second, the elite archiving technique is used during the process of evolution, namely, the elite particles are introduced into the swarm, whereas the inferior particles are deleted. Therefore, the quality of the swarm is ensured. Finally, the convergence of this swarm is proved. The experimental results show that the nondominated solutions found by the proposed algorithm are uniformly distributed and widely spread along the Pareto front.     

多指标约束下舰载装备维修级别建模与优化

修理级别分析(level of repair analysis, LORA)是装备综合保障性工程中的一项重要内容,针对现有关于LORA问题研究的不完善之处,以舰载装备维修保障为背景,综合考虑维修费用和维修效果,建立LORA协同规划数学模型。根据模糊优选理论,给出基于正负理想方案的多指标LORA决策隶属度优化目标函数,运用自适应粒子群算法对LORA模型进行求解,通过算例给出了优化结果,分析LORA决策的一般规律,证明方法的合理性及LORA模型的正确性。提出的LORA决策模型是现有研究基础上的重要补充,对于完善装备维修保障决策理论具有重要意义,为装备维修保障工作的开展提供决策支持。