多策略集成的改进技能优化算法及应用

针对技能优化算法(Skill Optimization Algorithm,SOA)寻优精度不高、收敛速度慢等缺点,本研究提出一种多策略集成的改进技能优化算法(Multi Strategy integrated Skill Optimization Algorithm,MSSOA)。MSSOA采用佳点集策略初始化种群,提高初始种群在解空间内的分布质量;根据算法特点在全局搜索阶段采用自适应权重,改进个体行进的步长;根据不同个体采用不同的t-分布扰动方式,平衡全局搜索和局部搜寻的关系,增强算法后期局部搜寻能力。通过12个测试函数、2个工程应用问题对其性能进行测试,测试结果表明MSSOA有着理想的寻优精度和收敛速度,能够解决复杂的工程问题。     

微小流量旋转直驱伺服阀传控特性分析与优化

针对无人机、战术弹、支线民航等小型飞行器航空发动机燃油计量系统与推力矢量系统微小流量的伺服控制需求,就旋转直驱伺服阀偏心球副传动接口与非全周节流阀口等关键结构进行了尺寸约束设计分析,并就节流阀口宽度、球副偏心距以及驱动电机转动惯量等重要参数进行了优化分析,给出了伺服阀结构设计的优化区间。在此基础上,研究提出了电机转角与电流双闭环控制方法,幅频响应实测结果与理论分析较为一致,200 Hz以上高频响应满足实际需求,且双闭环控制方法大幅降低了伺服阀响应超调并提升了稳定性。     

潮流能水轮机阵列水动力与布局优化研究进展

概述了潮流能水轮机阵列的水动力特性,总结了不同横向、纵向间距下水轮机尾流变化的一般规律,梳理了水轮机阵列布局的优化方法,从人工传统优化阵列布局与计算机自动优化阵列布局两方面回顾了水轮机阵列单目标优化与多目标优化的研究进展。人工传统布局结构简单且易于操作,有比较强的工程实践性,但物理试验可限制的约束条件有限,难以模拟阵列在真实海况下的发电情况;自动优化布局相比于人工传统布局更具有现实意义,但依然面临经济模块因素缺乏、多目标内容待完善、理论与实践未统一、前期准备时间较长等诸多挑战。     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

SAR成像导引头的弹道设计与优化

弹载合成孔径雷达(synthetic aperture radar, SAR)的方位成像能力受飞行弹道和观测视角的影响。为满足SAR成像导引头在限定时间内获得最佳方位分辨率,提出了一种基于遗传算法的弹道优化设计方法。首先建立了弹载SAR条件下导弹飞行的约束,然后以导弹指令加速度为优化变量,构造了与方位分辨率和波束驻留时间相关的目标函数,采用遗传算法进行寻优,设计得到了弹载SAR平台的优化弹道。仿真实验证明了该方法的有效性。     

基于MPSO-BP的RBF网络自构建学习算法

采用PSO混合编码,提出了一种基于混合MPSO-BP的RBF自构建学习算法。该算法中,每个粒子由整数与实数两部分构成,分别对RBF的基函数个数及相关参数(中心、宽度和输出层权值)进行编码。同时设计了一个特殊的适应度函数,在保证精度的前提下,使网络的结构相对简单,以增强网络的自适应与泛化能力,减少主观因素设计对网络性能的影响。仿真实验表明,相对于RBF其他学习算法,所提算法隐节点少、精度高、泛化能力强。     

基于免疫系统的无线传感器网络性能优化

根据免疫系统B细胞和T细胞模型,建立人工免疫系统与无线传感器网络间的相似关系,提出一种邻域节点选择算法,以判断传感器节点是否被激活。由于事件信息传递到汇聚节点会产生偏差,利用时空相关理论和自适应最小均方误差滤波算法,建立偏差与激活节点数目及偏差与节点通信频率之间的关系,确定传递事件信息所需最少激活节点数和最佳通信频率。不同条件下仿真结果表明,这种无线传感器网络优化策略能起到减少节点数目、降低通信频率及节约能耗的效果。     

基于粒子群算法的非规则LDPC码度序列设计

研究了非规则低密度奇偶校验（low-density parity-check, LDPC）码度序列阈值计算方法,详细讨论了构造具有较高阈值度序列的步骤与约束条件的处理,提出了一种基于粒子群优化（particle swarm optimization, PSO）算法的度序列优化方法。仿真了此方法的寻优效果,给出了一些接近Shannon限的优秀度序列和分析比较。     

具有学习能力的FPN在航保系统易损性评估中的应用

基于Petri网模糊推理算法,引入改进粒子群优化算法,使其具有参数学习能力,摆脱系统中众多未知参数对专家和经验的依赖.以舰船航空保障系统为研究对象,建立了基于具有学习能力FPN(Fuzzy Petri net)的系统易损性评估模型,算例佐证了其学习效率及精度.与传统系统易损性评估方法的对比试验表明该评估模型的全面性和合理性,并可推广应用于复杂舰船系统易损性评估研究.     

基于多元共生遗传神经网络的藻类预测仿真

提出一种多元共生遗传神经网络(PGANN),从遗传算法和神经网络——进化和学习两方面及其相互关系着手完善进化过程,以提高优化效果和泛化能力。该算法包括一个共生平衡交叉算子,一种多元选择策略和一种神经网络的分级优化策略,其中共生平衡算子能够兼顾进化过程中的方向性、多样性和自适应性;多元选择策略能够适应进化过程不同时段对选择压力不同的需求;而分级优化使运算规模和运算速度之间的矛盾得到缓解。将该改进的遗传神经网络PGANN应用于水库和湖泊有毒的优势蓝绿藻爆发预测,取得了满意的效果。