逆群协作粒群方法及在函数优化中的应用

为提高不同粒子群之间的协作性能,减小粒子群局部收敛现象,提出了一种逆群协作粒子群方法,利用不同动作特性的两个群之间的相互协作,来提高粒群算法的性能.在此方法中,一个粒子群追随较好的位置,另一个群是远离较差的位置,与传统的粒子协作方法不同,在粒子飞翔的过程中,两群不仅交换较好的信息,同时也交换较差的信息,通过充分利用这两种信息,两群共同完成任务的求解.在完成算法设计的基础上,对两个群的运动特性和算法的收敛性进行分析,通过函数的优化实验验证了方法的有效性.     

基于混沌优化的模糊聚类分析方法

提出了基于混沌优化的模糊聚类方法(COFCM).COFCM将混沌优化策略与传统的模糊C-均值算法(FCM)相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,同时结合梯度算子,使方法能有效收敛到极值点.以六组人工数据集和真实数据集作为实验数据,对聚类目标函数值、聚类有效性函数指标值进行对比实验,其结果表明COFCM能得到比FCM更好的目标函数值,从而有更好的聚类效果.最后将该方法应用于Lena图像进行图像分割,验证了方法的有效性.     

粒子群算法在航空发动机部件模型求解中的应用

将粒子群算法引入发动机部件模型的求解中,利用粒子群优化算法的群体智能和记忆功能,克服了插值法和N+1残量法在求解发动机模型时对初值的敏感性.针对发动机部件模型中非线性方程和共同工作方程组的特点,对基本粒子群算法采用不同的改进措施,得到两种改进粒子群算法HPSO1和HPSO2.仿真结果表明,改进粒子群算法求解发动机部件模型具有更好的收敛性和更快的收敛速度.     

基于响应面法的汽车侧撞安全性仿真优化

建立了整车侧撞有限元模型.通过与碰撞试验结果对比验证了该模型的可靠性.考虑汽车侧围结构的碰撞安全性,由整车侧撞有限元模型导出了侧围子结构模型.采用响应面法进行了车身侧围结构仿真优化.仿真结果表明:基于响应面法的子结构模型可将汽车侧撞安全性优化时间缩短至传统整车模型方法的五分之一.优化后的胸部损伤指标明显降低,满足侧撞乘员保护要求.     

宁夏银北灌区水资源优化配置模型及应用

以宁夏银北灌区为例,基于大系统分解协调原理建立了地表水地下水联合运用的递阶优化模型.子系统优化模型采用增量动态规划法求解,协调层利用目标协调法和关联预估法实现全局最优,获得不同约束方案下的时段最优引黄水量、井灌水量、井排水量和运行费用.所建模型及求解方法弥补了以往水资源配置模型只考虑地下水垂向运动,忽略水平运动的不足, 改善了模型的仿真性和决策的可靠性.     

基于CATIA的人员作业仿真建模、人因分析与优化

基于人体生理特性、人体测量和作业空间设计的分析研究,利用CATIA软件建立虚拟模拟环境,进行精确的企业现场人员作业仿真,对人员操作进行人因分析,并进一步优化人员操作,以提高作业效率、降低劳动强度、减少动作疲劳,获得最佳的人员作业标准.以国内某制造企业相关工位的作业为例,通过仿真、分析和优化,提出了作业改进方案,改进后的作业最大限度地满足了动作经济原则和操作舒适性原则,提高了工位生产效率.     

WSN中基于跨层策略的低能耗/高可靠通信问题研究

可靠通信、低能耗是无线传感器网络的热点研究性能指标.为了提升网络的整体性能,首先在物理层、路由层上分别提出功率反馈控制算法与一种路由量度;其次分析了上述两种性能指标内在的矛盾,并在此基础之上设计一种以可靠通信为前提,节约能量的跨层优化算法.研究结果发现,现有的跨层优化算法可以在一定程度上提升网络性能,但是存在局限性;从性能指标内在矛盾出发,合理设计算法才可以在众多矛盾之中找到最优解.     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

空间轨迹问题的粒子群仿真研究

空间轨迹的搜索问题具有多个全局最优解,一种有效的解决方法是采用粒子群算法进行搜索.然而与一般的优化问题不同,轨迹问题要求算法中粒子适应值与粒子位置同时收敛.为此,针对已有的粒子群算法在轨迹搜索上的不足,提出了一种减速粒子群优化算法(Slowdown ParticleSwarm Optimization,简称SPSO),从位置角度改善粒子群的收敛性能.该算法利用独立子群技术保证粒子收敛于不同的位置,并根据粒子适应值情况减半更新粒子飞行速度,以达到位置收敛的目标.仿真实验的结果表明了减速粒子群算法在位置收敛效果上的优越性.     

基于遗传算法的嵌入式仿真的系统辨识与控制优化

数字随动(伺服)系统因具有非线性、不确定性和时变性,难以精确地建立系统的数学模型,由此对设计高性能的控制器造成困难.遗传算法因其隐含并行性、全局搜索等优点,在优化问题领域得到了很好的应用,但遗传算法简单应用于如数字随动系统这样的控制系统在线闭环辨识或参数优化时,会面临大量重复实验成本高、实验时间过长引起系统不稳定等实际问题.针对以上困难,提出一种基于嵌入式仿真的系统辨识方法,采用遗传算法进行数字随动系统同步在线闭环模型参数辨识与控制参数寻优.经过在数字随动系统实物环境下实验,证明了该方法的有效性.