基于离散粒子群算法的AVS／RS货位优化

为了提高自动小车存取系统的存取效率和方便货位管理,提出了基于离散粒子群算法的货位优化方法.该方法首先建立了系统货位优化的数学模型,在此基础上,结合货位优化的原则提出了货位分区的策略,并基于离散粒子群算法实现了货位分配的优化,从而保证自动小车在不发生死锁的前提下调度货物时,能较好地缩短小车行走时间.最后,通过仿真实例验证了算法的有效性.     

基于改进遗传算法和多目标决策的货位优化策略

为了解决自动化立体仓库的随机库存在线动态货位分配问题,针对仓库货物出入库效率、货物分类存储的合理性和货架整体稳定性方面的需求,基于加权归一化处理多目标决策构建了货位分配优化数学模型.提出一种改进的二次优化遗传算法(quadratic optimization genetic algorithm,QOGA),并利用MATLAB软件进行仿真实现.仿真结果表明,该算法收敛速度大幅提高,出入库效率、货架稳定性明显提升,货物分类存储更加合理.由多目标决策结果验证了改进QOGA的先进性和有效性.     

基于改进PSO算法的电力系统机组优化组合

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题，因此求解非常困难．粒子群优化（PSO）算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域．采用二进制粒子群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题，并对最小开停机时间及启停费用进行了处理，使得运算速度大大加快．方法的可行性在10台机组系统中检验．模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点．     

噪声环境下函数优化问题的混合优化算法

针对噪声环境下的函数优化问题提出一种混合粒子群优化算法UPSOOHT, 并考察了最优计算量分配（OCBA）和噪声幅度对算法性能的影响. 该算法将粒子群优化算法与假设检验及OCBA有效地结合, 具有很好的全局搜索能力和局部精化能力. 与其他优化算法比较的测试结果表明, UPSOOHT算法的性能和抗噪声能力都具有明显的优势.     

基于免疫粒子群混合优化算法的混合电梯群控系统新型派梯策略

粒子群算法（Particle Swarm Optimization, PSO）具有模型简单,收敛的快速性和在连续系统中应用的优势,但存在着进化的后期收敛速度变慢,易陷入局部值的缺点。人工免疫 (Artificial Immune, AI) 优化算法利用人工免疫系统抗体多样性的机理和克隆选择算子搜索抗体群,具有很强的全局寻优能力,可以弥补粒子群算法的缺点。结合这两种算法的优缺点,提出了免疫粒子群 (Immune PSO, IPSO) 混合优化算法,并应用于混合电梯群控系统中进行派梯优化,取得了良好的效果。与人工免疫优化算法、粒子群算法分别进行比较,显示出免疫粒子群混合优化算法在优化派梯方案的优越性。文章的结尾展望了今后工作的研究重点和发展趋势。     

PSO和GA的混合算法解分形插值反演问题

在分形插值拟合反演问题中,垂直比例因子的选取将影响到插值拟合的精度,提出了一种整合粒子群优化算法和遗传算法选择和交叉操作的混合算法（HPSOCS）来求分形插值的逆问题最优解,通过混合算法对weierstrass函数进行实验仿真并与粒子群优化算法比较,结果表明混合算法具有更好的优化性能,实现了分形插值函数与实际函数的更好拟合．     

文化算法在有人/无人机协同作战目标分配中的应用

针对有人/无人机协同作战目标分配问题,基于文化算法提出一种遗传算法和离散粒子群算法相结合的目标分配方法。根据有人/无人机协同目标分配问题的特性,结合文化算法的基本框架,建立了遗传算法和离散粒子群算法的交互机制,充分利用遗传算法和离散粒子群算法对优化问题的搜索能力,改善了2种算法易陷入局部最优的缺点,对约束条件下的有人/无人机协同作战目标分配问题进行了有效求解。实验结果表明,基于遗传和离散粒子群相结合的文化算法优于遗传算法和粒子群算法,收敛速度更快,能够快速找到目标分配问题的最优解。     

基于免疫粒子群混合优化算法的新型派梯策略

基于人工免疫优化算法和粒子群算法的优缺点可以互补的特性,提出了免疫粒子群混合优化算法,并将其应用于混合电梯群控系统中进行派梯优化.将仿真结果与人工免疫优化算法、粒子群优化算法的结果进行对比,发现免疫粒子群混合优化算法显著地提高了混合电梯群控系统的长时等待率和电梯运行量,而平均等待时间的改善不明显,说明免疫粒子群混合优化算法在优化派梯方案方面表现出良好的效果,具有优越性.     

基于遗传粒子群混合的可重入生产调度优化

可重入生产调度优化问题是个NP难问题,针对可重入生产调度的特点,对该优化问题进行数学规划建模,并通过一些定义将模型映射为有向图,以便于智能搜索算法的应用.结合粒子群算法收敛速度快与遗传算法全局搜索能力强的特点,进行优势互补,并优化设计相关参数,构造了一种混合算法.运用混合算法对供应链优化调度问题模型进行求解,与标准遗传算法、粒子群算法的求解结果进行比较,结果表明混合算法有着更好的优化性能.     

改进混合离散粒子群的多种优化策略算法

针对离散粒子群算法求解旅行商问题,根据组合优化问题和离散量的特点,改进离散粒子群算法更新的运动方程.对离散粒子群算法分别加入逆转变异优化策略、受蚁群启示的变异优化策略和近邻搜索变异优化策略3种优化变异优化策略,使其成为新的混合离散粒子群算法,最后对3种混合离散粒子群算法进行比较,并剖析仿真结果的本质.结果表明:3种优化策略在不同程度上都提高了离散粒子群算法的总体效果和收敛性能,其中,加入逆转变异优化策略的混合粒子群算法实现简单,时间代价较小;加入近邻搜索变异优化策略的混合粒子群算法不论是在最优值或稳定性方面表现最突出.     

基于PSO算法的风电场储能容量优化计算

本文提出为风电场配置合理容量的储能设备,用于平滑其输出功率的随机波动,并建立了储能容量优化配置的数学模型。该模型以风电弃风率最小化和储能投资成本最小化为多目标函数,以有功功率偏差率来衡量平滑效果,应用粒子群算法（PSO）对该模型进行求解,可以快速、精确地求得最优储能容量值,使得风电场的综合效益实现最优。算例表明,该研究可以较小储能成本及弃风率实现风电场功率的平滑输出。     

Hybrid particle swarm optimization for solving resource-constrained FMS

In this paper,an approach for resource-constrained flexible manufacturing system(FMS)scheduling was proposed,which is based on the particle swarm optimization(PSO)algorithm and simulated annealing(SA)algorithm.First,the formulation for resource-con-strained FMS scheduling problem was introduced and cost function for this problem was obtained.Then.a hybrid algorithm of PSO and SA was employed to obtain optimal solution.The simulated results show that the approach can dislodge a state from a local min-imum and guide it to the global minimum.     

一种混合仿生算法在弹道优化中的应用

针对导弹滑翔段弹道优化问题,考虑人工鱼群算法局部搜索不精确、微粒群优化算法易发生过早收敛等问题,提出一种新的人工鱼群与粒子群混合优化算法。算法的主要策略是在人工鱼群算法的基础上,将人工鱼群优化算法中的觅食行为变为粒子群在感知范围内进行小范围寻优,在人工鱼群算法的最后,再利用粒子群进行精确寻优。以导弹飞行中的吸热量为优化目标,运用此算法设计得出了导弹滑翔段的优化弹道。     

Hybrid particle swarm optimization for solving resource constrainted FMS

In this paper, an approach for resource-constrained flexible manufacturing system （FMS） scheduling was proposed, which is based on the particle swarm optimization （PSO） algorithm and simulated annealing （SA） algorithm. First, the formulation for resource-constrained FMS scheduling problem was introduced and cost function for this problem was obtained. Then, a hybrid algorithm of PSO and SA was employed to obtain optimal solution. The simulated results show that the approach can dislodge a state from a local minimum and guide it to the global minimum.     

基于改进PSO算法的混合核SVM算法

提出一种基于改进粒子群优化（PSO）算法的优化混合核支持向量机（SVM）算法（ILPSO）, 解决了一般混合核SVM算法很难评定参数选择的问题. 该算法通过限定粒子的速度、 搜索空间和交叉算子等多种寻优策略加强其收敛特性, 得到了参数的最佳组合. 仿真实验表明, 该算法能更快速、 有效地获得参数的最优值.     

计及虚拟储能的风光储独立微电网优化配置

针对风光资源丰富的偏远地区,提出风光储独立型微电网容量配置模型及协同运行策略。首先建立分布式电源的数学模型,考虑负载失电率以及能量过剩率,以微网配置总成本作为目标函数,采用改进的粒子群算法进行一次优化配置;再以一次优化配置所得的蓄电池配置结果,作为二次优化配置的输入,引入基于电力弹簧的虚拟储能,以储能系统的总成本最低为目标函数,计算虚拟储能所等效的蓄电池数量,减少蓄电池的配置数量,得出最终的配置结果。最后,通过算例分析表明了该方法的可行性及经济性,可为微电网容量配置提供参考。     

一种基于粒子群优化的K-均值彩色图像量化算法

目的利用粒子群优化算法和K-均值方法研究彩色图像的量化问题。方法针对K-均值聚类量化算法对初始值比较敏感,易陷入局部极小值从而使得算法得不到全局最优解,为局部搜索算法,以及粒子群优化算法是一种全局寻优方法的特征,把K-均值聚类方法和粒子群优化算法结合起来,将K-均值聚类方法中的聚类函数作为粒子群优化算法中的粒子适应度函数,对彩色图像进行聚类量化。结果实验表明新算法在峰值信噪比和均方根误差评判准则下可以得到更好的量化结果。结论新方法有效地克服了K-均值聚类方法和粒子群优化算法的不足。     

火电机组混煤掺烧与优化系统研究与应用

针对火电厂混煤掺烧的实际特点,建立火电机组混煤掺烧与优化系统。系统包括智能储煤模块、制粉优化模块和经济效益模块3个功能模块。系统采用K均值聚类算法和专家规则对进厂煤种进行智能储煤;采用多目标优化方法——粒子群优化(particle swarm optimization, PSO)算法对制粉系统进行优化管理得到合理配煤比例,使混煤掺烧达到安全、经济和环保的作用;并设计掺烧收益模块,进行经济性分析。针对内蒙某电厂实际情况,开发火电机组混煤掺烧与优化系统。通过实际应用证明,该系统可对各个煤种进行分类储煤,并得到最佳掺配方案。     

基于灰狼算法的多平台火力分配优化模型

为发挥多平台协同对海突击作战优势,综合考虑打击收益及打击代价两个重要影响因素,构建多平台火力分配数学模型,并且采用改进的灰狼优化算法研究解决多平台火力分配问题,结合实例进行验证。结果表明构建的火力分配模型紧贴作战实际,所采用的灰狼优化算法可以有效优选出最佳的火力分配方案,为指挥员指挥决策提供参考依据。     

基于粒子群优化和SOM网络的聚类算法研究

利用改进的粒子群优化算法(PSO)的优化性能,结合SOM网络模型,提出了一种基于粒子群优化算法和SOM网络的聚类算法(PSO/SOM),使用PSO对SOM网络进行训练来代替SOM的启发式训练方法.将PSO/SOM算法用于对Wine和Iris等数据集进行模式聚类识别,可以得到较优的聚类识别效果.相比标准SOM算法能有效提高网络映射的准确程度,降低网络的量化误差和拓扑误差,同时也降低了错聚率,实验结果验证了本算法的有效性.