粒子群算法在柔性工作车间调度中的应用

粒子群算法是一种新出现的群智能优化算法。本文针对柔性工作车间调度问题的特点构造了此问题的粒子表达方法，给出了具体的算法应用过程，并与遗传算法做了对比实验。实验结果表明粒子群算法在柔性工作车间调度问题的应用上是十分有效的。     

MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究

提出了基于改进PSO算法的RBF神经网络混合优化（MPSO-RBF）方法，并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合，克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验，并与GA-RBF和RBF辨识效果进行了对比，结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好，可以达到更优的辨识精度。最后，通过对火电厂的过热汽温动态特性的辨识实例，同样证明了MPSO-RBF方法具有更好的性能指标。     

基于多Agent的虚拟生态工业园区的建模与仿真

通过分析Agent建模的一般方法,作者抽象出了虚拟生态工业园区的多Agent的概念模型,提出了基于多Agent的虚拟生态园工业区各个Agent的属性和Agent之间的关联规则,运用Swarm仿真平台实现了模型,并得到了一些有益的结论,为国家建设区域生态产业建立了一个仿真模型.     

经济系统代理人的人工神经网络实现方法

讨论经济系统的两个领域———决策系统与简单供求市场的实例时 ,利用Swarm软件平台提供的类库以及面向对象设计的ObjectiveC语言 ,给出了两种基于智能体的人工神经网络仿真方法 ,并应用于经济领域的实例中。仿真结果证明了这种方法的有效性     

高密度内埋空空导弹质量建模与优化设计

针对目前质量对高密度内埋空空导弹总体设计的制约问题,运用粒子群优化算法对导弹主要参数进行优化设计。首先,通过分析空空导弹不同阶段的飞行特性,在现有导弹助推段运动模型和巡航段运动模型的基础上,采用数值积分法解算出导弹总体质量;其次,以最小起飞质量为目标函数,采用改进的粒子群优化算法,对导弹有效载荷、弹体相对质量系数、发动机结构系数、翼载、助推段比冲和巡航段比冲进行优化;最后,通过比较优化前后的弹道速度曲线和轴向过载曲线,对模型的优越性和优化结果的可信性进行检验。结果表明:通过优化设计导弹主要参数,不仅能减小导弹总质量和弹翼面积,而且还能保证导弹飞行性能基本不变,提高了导弹作战性能和内埋数量。为高密度内埋空空导弹的设计提供参考。     

Incorporate Energy Strategy into Particle Swarm Optimizer Algorithm

The issue of optimizing the dynamic parameters in Particle Swarm Optimizer （PSO） is addressed in this paper. An algorithm is designed which makes all particles originally endowed with a certain level energy, what here we define as EPSO （Energy Strategy PSO）. During the iterative process of PSO algorithm, the Inertia Weight is updated according to the calculation of the particle＇s energy. The portion ratio of the current residual energy to the initial endowed energy is used as the parameter Inertia Weight which aims to update the particles＇ velocity efficiently. By the simulation in a graph theoritical and a functional optimization problem respectively, it could be easily found that the rate of convergence in EPSO is obviously increased.     

面向绿色再制造系统的AGV路径规划研究

为了解决绿色再制造系统中的自动导引运输车(AGV)路径规划问题的问题,提出一种粒子群遗传融合的AGV全局路径优化的自适应算法.该方法集成了遗传算法(GA)和粒子群算法(PSO)二者的优点,为了改善传统PSO-GA融合算法迭代前期寻优速度慢的问题,引入了自适应惯性权重;为了提高算法进入迭代后期的收敛精度,提出了一种双重交叉变异策略,使得改进的PSO-GA融合算法比传统的PSO-GA融合算法搜索能力更强,进化速度更快,收敛精度更高.为了验证改进后算法的优越性,采用栅格法模拟自动导引运输车运行环境并通过MATLAB对标准粒子群、遗传、传统的PSO-GA融合、改进PSO-GA融合四种算法解决路径优化问题进行试验对比,结果证明了改进后的PSO-GA算法的可行性和有效性.     

轴辐式集装箱海运网络演化过程的回声模型仿真

从复杂适应系统角度研究集装箱海运网络,分析集装箱海运网络的轴辐结构。在此基础上,针对集装箱海运网络的演化过程建立回声模型,并利用Swarm平台进行仿真,结果再现了轴辐式集装箱海运网络的形成过程。对比分析枢纽港和喂给港两种不同类型港口演化过程中产能的变化,并借用复杂网络中度和介数两个指标诠释港口主体各类粘着方式,以及政策因素对网络演化过程的影响。     

粒子群算法惯性权重的研究

粒子群算法惯性权重ω的设置其极重要,直接影响算法性能.本文利用云发生器对惯性权重进行调整,对其取值范嗣做了进一步的研究,并应用于粒子群算法的改进.以高维函数优化为实例,实验仿真结果表明,新算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高.     

基于SVM-RFE和粒子群优化算法的恶意域名检测模型

域名解析作为网络建立连接的第一个步骤,对恶意域名进行快速识别是阻断异常网络行为的有效措施。本研究利用机器学习和随机搜索算法,提出了一种基于SVM-RFE和粒子群优化算法的恶意域名检测模型。分析域名字符特征、解析特征和注册特征,使用SVM-RFE算法进行特征权重排序,通过优化的粒子群算法确定最佳SVM参数和特征选择。实验证明该检测模型具有较好的效率和准确度。