单管感应电能传输系统参数全局优化

针对单管感应电能传输系统参数优化中存在的设计参数约束少、参数非全局最优等问题,提出一种参数全局优化算法。将系统效率最高作为目标函数,以原副边电感、电容等关键器件的电压、电流大小为约束条件,将工作频率、原副边电感、电容作为优化变量,建立系统的非线性规划数学模型,采用智能优化算法进行模型解算。为避免算法收敛于局部最优,设计了"遗传算法+模式搜索"的混合算法,即在遗传算法求得最优解的基础上,采用模式搜索进行深度优化。仿真和实验结果表明,提出的方法能从全局角度对系统进行整体优化,单次优化得到所有最优参数,减少了工作量;求解时的混合优化算法具有较优的全局搜索能力,可用于其他约束优化问题。     

一种求解约束优化问题的改进差分进化算法

针对原始差分进化算法在求解约束全局优化问题时存在陷入局部最优的缺陷,提出一种改进的差分进化算法.该算法在保留原始差分进化算法全局搜索能力的基础上,采用基于规则的方法进行约束处理和种群个体的比较及选择,并利用种群相似度和最优变异操作改善种群进行全局范围搜索的多样性,提高算法跳出局部最优的能力.数值实验表明,该算法稳定性较好,目标函数评价次数较少,收敛速度较快,全局寻优能力较强,不仅能有效求解连续变量约束优化问题,也适用于离散变量或混合变量优化问题.     

基于混合变异算子的布谷鸟优化算法

针对布谷鸟寻优算法在多维优化函数搜索中存在收敛速度慢、寻优精度低的缺陷,提出了一种基于混合变异算子的布谷鸟优化算法。该算法在每次迭代后采用全局收敛引导的非均匀变异算子对鸟窝位置进行变异,再根据最优位置适应度值的变化率确定是否陷入了局部最优值,若陷入局部最优则利用高斯变异算子对鸟窝位置进行调整,从而提高了收敛速度以及寻优精度。通过6个经典测试函数的测试,实验表明改进后的布谷鸟算法具有较好的寻优精度和收敛速度。     

基于数据挖掘技术的全局优化算法

在过程系统综合中,许多问题属于非线性规划(NLP)和混合整数非线性规划(MINLP)范畴.它们大都具有奇异、多峰、刚性等特性.人们很难有效地得到它们稳定的全局最优解.而知识性、经验性约束使基于梯度方向的Newton方法无法有效地获取该类问题的全局最优解.通常只能得到该类问题的局部最优解.遗传算法的随机性虽为求取NLP和MINLP问题的全局最优解提供了可能,但是随机过程中的盲目性及"伪穷举"性却又限制了该算法的搜索效率.针对过程系统综合问题的特殊性,在信息提取技术对搜索空间进行充分数据挖掘的基础上,用遗传算法的随机扰动来跳出局部极值陷井,获得全局最优解.对反应器网络综合问题的求解,显示了信息提取技术与遗传算法相结合求取全局最优解的能力.     

一种自适应混合纵向多变异粒子群算法

为克服标准粒子群算法搜索后期收敛速度慢、容易陷入局部最优的缺点,通过引进自适应惯性权重因子平衡标准粒子群优化算法的全局搜索和局部改良能力,同时设计了均匀分布变异和高斯分布变异相结合的粒子群混合纵向多变异策略,来提高算法摆脱局部极值和局部寻优的能力.根据提出的改进算法流程,针对公认的Sphere,Rastrigin,Griewank和Salomon四种标准测试函数进行了收敛精度和收敛速度的测试.测试结果表明,在标准粒子群、自适应权重粒子群、自适应变异粒子群和自适应混合多变异粒子群4种算法中,提出的新算法具有最好的全局最优值搜索能力和最稳定的全局收敛特性,且在提高收敛速度的同时,有效地避免了早熟收敛问题.     

基于微分进化的行星际小推力轨道全局优化方法

针对行星际小推力轨道优化问题,提出一种基于改进微分进化的全局优化算法.通过引入试验个体重生成和约束判断选择策略,克服传统微分进化算法中寻优参数和轨道约束违反边界的缺陷.为提高微分进化算法后期收敛效率,提出了基于最优个体信息的变异操作和局部搜索辅助策略.以地球-水星的小推力燃料最省转移为例对所提算法进行了验证.数值计算结果表明:改进的微分进化算法能够快速有效地寻找到全局最优轨道,并且与传统非线性规划和遗传算法相比,具有更高的可靠性和收敛性.     

一种自适应混合变异的引力搜索算法

【目的】针对引力搜索算法在求解优化问题时易陷入局部极值问题,提出了一种自适应混合变异的引力搜索算法。【方法】采用动态调整粒子速度和位置的更新公式,提高算法搜索精度。引入变异算子,对最优粒子进行高斯变异,对非最优粒子进行自适应 t 分布变异。【结果】提高算法在求解函数优化问题时的全局探索能力和局部开发能力。【结论】用 9 个标准测试函数的仿真实验,与标准 GSA 及改进算法进行比较,结果表明所提出算法具有较强的收敛精度和鲁棒性。
     

基于全参数自适应变异粒子群算法的单目相机标定

针对传统粒子群方法求解相机内参时的局部最优解问题,提出一种基于全参数自适应调节和变异机制的粒子群单目相机内参优化方法.首先,基于向量约束关系对单应性矩阵进行变形,利用最小二乘法求得相机的初始内参.然后,考虑在迭代过程中局部最优粒子、全局最优粒子对各个粒子的作用不同,分别给出了基于粒距的自适应的局部因子学习调节策略和全局因子学习调节策略;同时,设计了基于粒子群平均粒距的改进的粒子自适应变异率.最后,给出了基于全参数的自适应变异机制的粒子群相机内参优化算法.实验结果表明,与张正友标定方法、传统粒子群优化标定方法相比,该方法具有较好的标定精度和收敛速度.     

一种改进的粒子群优化算法

针对粒子群优化算法早熟收敛现象,提出了一种改进的粒子群优化算法.该算法将模拟退火算法的"上山性"引入粒子群算法中,同时为了增加种群的多样性,将交叉和变异算子也结合进去,形成了一种新的改进粒子群算法.比较了高斯变异和柯西变异这两种变异算子对改进算法的影响.改进算法对典型函数的优化计算结果表明,与基本粒子群算法相比,改进算法能够更加快速有效的收敛到全局最优解,而且采用柯西变异算子的改进算法的效果比采用高斯变异算子的效果要好.     

约束优化问题的改进粒子群优化算法

提出一种求解约束优化问题的改进粒子群优化算法.该算法更多地考虑了当前全局最优粒子和个体最优粒子对粒子群搜索能力的影响,对速度更新公式做了改进;然后利用修正的可行基规则来更新个体极值和全局极值,从而引导不可行粒子尽可能到达可行的区域,以增加种群的多样性和提高全局搜索能力.数值实验表明,该算法是有效、稳定且计算精度高的全局...     

半确定性的遗传算法

在采用遗传算法进行函数优化的过程中存在的一个严重的缺陷是：算法能很快地收敛到最优点附近，但要达到最优点需要很长的时间。针对这一缺点通过如下3个新的遗传算子构建了一个新的遗传算法：半确定性的变异算子，Hamming-decreasing和设计变量的自适应定标，以加强遗传算法的局部搜索能力。该算法充分利用基于概率的遗传算子的全局搜索能力和新算子较强的局部搜索能力。算例表明，新的遗传算法具有很强的鲁棒性和较快的计算速度。     

基于PSO算法的复合材料层合板可靠性优化设计

采用粒子群算法(PSO)分析了存在初始缺陷的复合材料层合板的可靠性优化问题.在层合板结构总厚度一定的情况下,以系统可靠度最大为目标函数,对复合材料的纤维方向角和相对厚度进行优化设计.单层板失效与否应用Tsai-Wu准则判断,采用一次二阶矩法(FORM)计算和评价失效概率.通过具体算例及借鉴遗传算法中的在线性能和离线性能评估准则,对粒子群算法的收敛性能进行评估,结果表明:与遗传算法相比,该方法具有操作简单、计算效率高等特点,对复合材料层合结构的可靠性优化设计十分有效.     

深基坑土钉支护的参数优化设计

为了降低土钉墙的工程造价并保证安全,建立了土钉墙参数优化设计模型,对土钉道数、土钉直径、土钉长度、土钉水平间距、土钉竖向间距和土钉倾角等参数进行优化设计·对于土钉墙参数这样复杂的优化设计问题,传统的方法很容易陷入局部最优解,而遗传算法(GA)是一种全局优化方法,但在迭代过程中经常出现未成熟收敛、振荡和迭代过程缓慢等缺点·为此提出进退搜索算法与遗传算法结合,并提出改进措施而构成改进混合遗传算法(IHGA)·工程实例的结果表明这种IHGA的优化设计结果不仅保证了深基坑的稳定性,而且使其工程材料成本大大降低·     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

基于量子粒子群优化的数字冲击滤波器自动设计

为了提高数字冲击滤波器设计的效率,提出了一种基于QPSO算法的优化设计方法.首先根据EBPSK通信系统中数字冲击滤波器的特殊滤波机理,在考虑有限字长效应的情况下对数字冲击滤波器进行建模,然后设计出合理的优化变量、目标函数和约束条件,并利用QPSO算法的全局搜索能力和惩罚函数法的约束处理机制设计数字冲击滤波器.仿真结果表明:种群适应度值能够逐步达到收敛,从而保证了寻优结果的最优性;设计得到的滤波器幅频响应在中心频率处呈现出极窄的陷波-选频特性,并可将EBPSK调制信号的微弱相位跳变转化为明显的幅度冲击,有利于解调.与已有的手调滤波器相比,该设计方法快速可靠,可节约0.3～0.5 dB的信噪比增益.     

基于模型参数在线辨识技术的SOC估算方法

针对遗传算法(genetic algorithm,GA)存在收敛速度慢、易陷入局部最优以及难以实现在线应用的问题,面向如动力电池等效电路模型一类非线性较强、实时性要求高的模型辨识问题,提出一种能够快速缩小搜索空间,且有效避免陷入局部最优的在线快速搜索的优化辨识框架,实现电动汽车动力电池等效电路模型参数在线快速辨识,扩展全局搜索优化算法的应用范围.进一步,将此算法应用于电池剩余荷电状态(SOC)估算问题,提出基于改进GA参数辨识技术的无迹粒子滤波SOC估算方法(IGA-UPF).并将此SOC估算方法与基于最小二乘参数辨识技术的无迹粒子滤波的SOC估算算法(LS-UPF)作比较,结果验证了本文提出的在线快速参数辨识框架具有更好的模型参数辨识精度.     

Probabilistic Optimum Design of Symmetric Laminates under First-Ply Failure

This paper proposes a procedure for the optimum design of composite laminates with initial imperfection under probabilistic considerations. The initial imperfection, strength parameters and ply-level thickness are considered as random variables. Ply-level failure probability is evaluated by the first order reliability method and system reliability is computed based on the first-ply failure criterion. The optimum design is formulated to consider the laminate thickness as the objective function and reliability requirement as the constraint. A numerical example is presented to demonstrate the methodology proposed.     

改进的遗传算法在生物组织热特性参数无损测量中的应用

针对生物活体组织的多个热特性参数同时测量的难点问题,提出了采用遗传算法同时估计多个活体组织热特性参数的方法,设计了实数编码的遗传算法. 通过对选择、交叉和突变算子进行改进,并引入小生境策略,提高了遗传算法的全局寻优能力和搜索效率. 对动态体模和人体前臂的热特性参数测量的模拟仿真研究和实验研究表明,采用改进的遗传算法,能够以较高的精度同时估计生物活体组织的多个热特性参数.     

基于遗传算法的汽车变速箱轻量化设计

文章利用近似模型方法和遗传算法对某变速箱进行轻量化设计.在满足变速箱刚度强度及振动模态要求的基础上,采用拉丁方法进行试验设计,基于高斯径向基函数建立近似模型,最后利用遗传算法进行全局寻优设计.优化后箱体质量降低了21％.结果表明,该方法对汽车变速箱结构轻量化设计具有一定的指导意义.     

一种基于遗传算法的OFDMA系统的跨层资源分配

针对现有的跨层资源分配算法计算量大、复杂度较高的问题,提出了一种基于遗传算法的OFDMA系统的跨层资源分配算法。利用遗传算法隐形并行处理、较好的全局搜索性能、易收敛到最优解的特点,在系统性能一定,且满足各个用户业务要求的条件下,对资源进行优化分配,较好地解决了跨层资源的分配问题。仿真结果表明,在满足用户间公平性的前提下,算法有效提高了系统的频谱利用率及吞吐量,减小了用户的平均等待时延,提高了服务质量,并且随着子载波数和用户数的增加,算法在复杂度方面优势更突出。