基于改进型离散粒子群优化的云计算资源分配方案

针对云计算中资源有效分配的问题,提出一种基于改进型离散粒子群优化(IDPSO)算法的云资源分配方案.首先,将传统PSO算法中的运算进行离散化,使其能够应用于资源分配问题.然后,对传统PSO粒子位置更新公式中的惯性权重进行改进,根据当前粒子位置、局部最佳和全局最佳位置的适应度来确定这些权重系数,以此加快粒子的收敛速度.最后,将资源分配方案编码为一个二维粒子,利用IDPSO算法求解最优解.实验结果表明,该方案能够有效降低资源浪费率,具有可行性和有效性.     

带有顶点权重约束的图划分问题研究

研究了带有顶点权重约束的图划分问题.首先基于矩阵的提升将原问题转化为半定规划松弛模型，利用半定规划内点法求解该模型，并在求解过程中给出了具体的初始点选取策略和步长选取策略.随后利用改进的随机超平面舍入算法和2opt启发式算法求得原问题的近似最优解.数值实验表明该文的算法可有效求解带有顶点权重约束的图划分问题，且对于稀疏图的求解表现出了良好的性能.     

基于动态罚函数的PSO-CO算法

本文分析了协同优化算法中所存在的问题,采用动态罚函数的解决思路,对系统级中的一致性等式约束问题进行改造,使其成为一无约束问题.另外,提出不同学科分配不同的惩罚权重的方法,大大提高了计算精度.同时,以粒子群算法替代了原有的求解算法,消除了初始解对优化结果的影响,也改善了算法的整体求解速度.在Matlab软件中实现该算法的运行,同时通过两个典型算例对该算法进行验证,表明其具有较好的优化性能.     

基于改进PSO的汽车路径优化

车辆路径问题(Vehicle Routing Problem,VRP)是物流中的重要环节,主要研究物流配送中车辆线路优化以降低运输成本.本文利用粒子群优化算法求解VRP,为了提高求解效率,通过构造自学习算子、微粒的重新编码及运算规则的重新定义,使PSO算法能够处理离散问题,把微粒群算法应用于VRP问题的求解中,通过仿真证明了提出方法求解VRP问题的有效性和优越性.     

改进的粒子群算法对无源滤波器参数的优化

针对混合有源滤波器中无源滤波器设计过分依赖经验与无源滤波器优化能力不强的问题,提出改进粒子群优化算法PSO(Particle Swarm Optimization,PSO)进行无源滤波器的多目标参数优化设计.对无源滤波器的成本,无功补偿容量及补偿后滤波效果3个目标全局优化.利用改进的粒子群对其参数进行了优化设计,使种群...     

界约束非线性优化问题的信赖域滤子法

提出一种信赖域滤子方法来求解界约束的非线性优化问题,该方法将滤子技巧和投影梯度方法相结合,简化了算法的形式,证明了算法的全局收敛性,并给出了数值试验.     

基于混合粒子群优化的巡航导弹低空突防航迹规划

将模拟退火算法嵌入到粒子群优化（partical swarm optimization, PSO）算法中,并对PSO产生的最优适应值进行重新评价,以此构成混合粒子群优化算法（PSO-SA）. 将PSO-SA 算法应用于巡航导弹的航迹规划,不仅可以避免PSO陷入局部最优,而且能快速有效地完成离线和在线规划任务,获得理想的三维航迹. 仿真结果验证了该算法的有效性,且对同一起始位置所规划出的航程较PSO算法短,可有效节约导弹燃料.     

基于粒子群优化算法在NP难问题中的应用研究

为解决NP难问题中算法应用领域划分问题，分别运用不同算法对不同问题规模的TSP问题进行求解，寻求最优路径规划.采用随机数据来最大化模拟实际情况，设置了5、10、15、20、30和100个随机城市坐标点，分别采用PSO算法、C-PSO算法、GA算法和ACO算法进行求解，求解一条经过各城市且一次的旅行最低费用的路线，分析比较四种算法的鲁棒性与实效性.结果表明：基于C-PSO算法在NP难问题中的具有良好鲁棒性和较短的运行时间，在问题规模小时，可以采用PSO算法和ACO算法；在问题规模大时，可以采用C-PSO算法.     

界约束非线性优化问题的信赖域滤子法

提出一种信赖域滤子方法来求解界约束的非线性优化问题，该方法将滤子技巧和投影梯度方法相结合，简化了算法的形式，证明了算法的全局收敛性，并给出了数值试验     

新型2T2R并联机构及其位置求解

基于五自由度4-UPU并联机构演绎出一种新型四自由度4-UPU/PPS并联机构. 通过螺旋理论分析可得,该机构具有两个移动和两个转动（two-translational and two-rotational, 2T2R）自由度,在此基础上建立了该模型的位置关系方程. 由于位置正解复杂,以机构各驱动支链长度为约束对象,建立了无约束非线性优化适应度函数. 提出一种动态变权重的多目标粒子群优化算法来搜索此函数的全局极小点,从而将位置正解问题转化为一个多目标优化问题. 随机选取20 组并联机构实际输入进行位置正解计算,计算结果与动平台实际位置和姿态吻合,解决了该机构位置正解的求解问题.