一种确定神经网络初始权值的新方法

针对BP神经网络对易陷入局部极小的缺点,结合粒子群优化算法(PSO)在全局搜索上的良好性能,提出了一种新的算法--PSO-BP混合算法.该算法先用PSO算法将BP网络的初始权值优化到全局极小点附近,然后用传统BP神经网络学习算法进行进一步优化,仿真表明:该方法很好地解决了BP神经网络对初始值敏感、易局部收敛的问题.     

置换流水车间调度粒子群优化与局部搜索方法研究

采用粒子群优化算法求解置换流水车间调度问题,提出了一种基于工件次序和粒子位置的二维粒子编码方法.为提高粒子群算法的优化性能,在描述了面向置换流水车间调度问题的粒子邻域结构后,提出了三种基于粒子邻域操作的局部搜索方法,分别是基于互换操作、基于插入操作和基于逆序操作的局部搜索方法.计算结果说明,粒子群算法的优化性能好于遗传算法和NEH启发式算法.三种局部搜索算法均能有效地提高粒子群算法的优化性能,采用基于互换操作局部搜索的粒子群算法的优化性能要好于其它两种局部搜索算法.     

混合优化算法在氧化铝生产中物料平衡计算上的应用

通过分析传统的单一优化算法所存在的优点与不足,成功将粒子群算法、混沌优化以及单纯形法3种优化算法有机结合起来,提出一种基于混沌-单纯形法的混合粒子群协同优化算法,加强粒子群的局部寻优效率和全局寻优性能,以提高搜索速度和成功率.Benchmark 函数仿真以及氧化铝生产中拜耳法物料平衡计算的最终结果表明:新算法不仅在稳定性和收敛性上优于传统粒子群算法和相应的改进粒子群优化算法,且具有较高的收敛速度和全局收敛能力,同时也是进行物料平衡计算的一种有效的方法.     

解决JOB SHOP问题的粒子群优化算法

设计了2种解决Job shop问题的粒子群算法,即实数编码的粒子群调度算法和工序编码的粒子群调度算法。工序编码的粒子群调度算法更符合Job shop问题的特点,优化性能相对高。但粒子群调度算法容易陷入局部最优。为了提高优化性能,将粒子群算法和模拟退火算法结合,得到了粒子群-模拟退火混合调度算法。仿真结果表明了算法的有效性。     

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性.     

改进粒子群算法在并联机构位置正解中的应用

由于并联机构位置正解的求解较为复杂,利用了粒子群算法PSO优化此问题,并通过一种基于解空间划分的方法改善了粒子群算法,该算法具有控制参数少、全局优化能力强等特点,解决了传统粒子群算法中早期容易陷入局部极值、后期收敛速度慢等问题。对3-TPT并联机构的运动学正解进行研究,推导出并联机构位置正解的无约束优化模型,利用优化的粒子群算法进行模拟。实验表明,该方法提高了粒子群的整体搜索能力,在自适应的状态下,粒子群算法的收敛较快,精度较高。该研究为并联结构最优化设计及性能分析提供了一定的理论依据。     

机电产品管路自动敷设的粒子群算法

基于粒子群优化算法提出一种机电产品三维管路自动敷设算法,该算法以预处理和优化搜索为基本框架。在预处理阶段,利用混沌技术,建立混沌栅格预处理模型。三维管路敷设空间经过混沌栅格预处理模型处理,可有效地降低管路自动敷设算法的求解复杂度。在优化搜索阶段,通过分析粒子群算法和人口迁移的特点,提出改进粒子群算法。改进粒子群算法针对粒子群算法收敛速度慢、容易陷入局部极小的缺点,提出子空间局部搜索、解空间全局搜索和补空间开拓搜索。基于混沌栅格预处理模型和改进粒子群算法,给出高效的管路自动敷设算法流程图。对比试验和改进粒子群算法的理论分析,表明该优化搜索算法具有较好的性能,并证明改进粒子群算法的收敛性。实例验证表明该算法的有效性和实用性。     

基于混合粒子群算法求解装配线第二类平衡问题

阐述了装配线平衡问题类型及其平衡求解的相关算法,给出了装配线第二类平衡问题的数学描述。在分析用标准粒子群优化算法求解装配线第二类平衡问题的缺陷基础上,利用粒子群优化算法所具有的全局搜索能力和高搜索效率以及模拟退火算法所具有的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解第二类平衡问题的方法,并给出了求解流程。应用实例证明,用混合粒子群优化算法比标准粒子群优化算法求解第二类平衡问题能获得更优的结果。     

列车调度问题模型与基于混合粒子群优化的求解算法

针对复线列车调度问题,建立了描述问题解空间的阻塞限制混合流水车间模型,并提出一种混合粒子群优化算法进行求解。该算法以最小化最长完工时间为目标,设计了释放-回推算法来安排列车运行顺序并计算最小化最长完工时间,利用改进的粒子群优化算法解决轨道分配问题并进行全局优化。此外,通过基于迭代邻域的搜索算法来提高种群的局部搜索能力。实验结果表明,所提出的方法能够有效地求解复线列车调度问题。     

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题.     

基于改进粒子群算法的神经网络建模

文章利用粒子群算法优化神经网络的参数,提出了基于粒子群算法的神经网络建模方法。为了提高基本粒子群算法的搜索性能,采用了基于外推技巧的引导型更新公式,并在粒子的搜索过程中,不断监测各个粒子的最优位置,多次没有变化并且距离优化目标太远时,粒子跳出当前位置继续搜索,从而避免陷入局部值。最后使用改进后的粒子群神经网络算法对函数进行拟合,仿真结果表明,新的算法有较好的收敛性。     

引入单纯形算子的粒子群优化算法在板形模式识别中的应用

将粒子群理论引入板形模糊模式识别系统，对识别后的板形进行优化，提高了板形识别的精度。粒子群算法作为一种全局优化算法，对于复杂优化问题，存在容易陷入局部极值的不足，因此，提出了粒子群和单纯形混合优化算法，将具有良好局部搜索能力的单纯形法与粒子群算法的全局搜索能力结合起来，有效地提高了板形模式识别优化的收敛速度，同时也提高了识别精度。     

基于遗传算法的组合ERT图像重建算法研究

针对目前电阻层析成像图像重建算法存在成像精度较低的问题,以及为了满足应用于多相流领域的精度要求,提出一种基于遗传算法的组合算法,将线性反投影算法、修正的牛顿-拉夫逊类算法与区间剖分引入遗传算法种群初始化操作中,同时为了改善单纯遗传算法局部搜索能力差与未成熟收敛的问题,将粒子群算法引入遗传算法变异操作中。实验结果表明组合算法效果明显优于线性反投影算法,修正的牛顿-拉夫逊类算法,有效克服了遗传算法早熟收敛现象,提高了成像精度。     

混合复合材料飞轮转子成本优化设计

基于平面应力理论,计算多层过盈装配混合纤维增强复合材料飞轮转子的应力分布;指出多层过盈装配复合材料转子多种可能的失效形式;结合增广Lagrange乘子法、粒子群优化(Particle swarm optimization,PSO)算法和经典梯度算法各自的优点,提出可求解非线性约束问题的且具有全局收敛性和较高计算效率的两阶段增广Lagrange粒子群优化算法(Two-stage augmented Lagrange particle swarm optimization,TS-ALPSO);利用TS-ALPSO优化算法,以多层过盈装配混合复合材料转子的分层半径、层间过盈量和转速为设计变量,研究多层混合复合材料转子的成本优化问题;并分析转子材料价格不变时,材料次序、分层数及过盈量对转子储能性能的影响;揭示出转子单位成本储能最大时,转子分层半径、层间过盈量及转速随转子材料价格变化的规律。     

改进粒子群优化算法在工程优化问题中的应用研究

粒子群优化（PSO）算法是一种群集智能方法，它通过粒子之间的合作与竞争以实现对多维复杂空间的高效搜索。在对于粒子群群体构造和粒子多样性对收敛速度和精度影响的研究基础上提出了一种改进型粒子群优化算法。针对工程中的有约束的优化问题，将改进粒子群算法与函数法相结合进行求解。计算实例表明改进型粒子群优化算法大大改善了传统PSO算法的全局收敛性能，解的精度提高了很多。     

基于混合群智能优化的机器人立体视觉标定

准确的立体视觉模型是机器人高精密视觉定位的基础,而传统的单一非线性优化算法难以实现稳定和高精度的机器人立体视觉标定。结合遗传算法全局搜索能力强和粒子群算法局部搜索能力强的特点,提出了一种基于混合群智能优化的机器人立体视觉三步标定方法。针对非线性视觉模型,标定第一步和第二步分别对两个摄像机模型单独作线性初值求解和初次非线性优化,第三步对双目立体视觉模型作联合非线性优化,直接线性变换、遗传算法、粒子群算法分别作用于标定的三个步骤,每一步计算的结果被用作下一步的初始化。仿真试验分析与实际试验结果表明,相对于传统的优化标定方法和使用单一群智能优化算法的标定方法,该方法在噪声环境下具有更高的准确性和鲁棒性,能够更好满足机器人精密视觉操作的需求。     

矩形件排样问题的粒子群算法求解

粒子群算法是近年来出现的一种搜索寻优算法,文中用粒子群算法求解矩形件优化排样问题,试验实例表明求解算法是有效的.     

粒子群算法优化双核支持向量机及应用

针对支持向量机核函数和控制参数选取难度较大的问题,提出了一种主动划分参数区间的双尺度径向基核支持向量机,并用并行定向变异混合粒子群优化算法选取其控制参数。试验分析了利用标准数据集经多次独立重复试验得到的均值等统计量,验证、测试了上述支持向量机模型,同时考虑了类间数据不平衡的影响。结果表明,双尺度径向基核函数的性能在多数情况下优于单径向基核函数,并行定向变异的混合粒子群优化算法优于标准粒子群优化算法,能够有效抑制早熟收敛,有利于搜索到更优的支持向量机控制参数。     

新的求解钻削路径优化问题算法研究

将粒子群优化算法应用到离散空间的群孔钻削路径优化之中。由于基本粒子群算法不能保证全局或局部收敛,在算法数学模型的基础上,引入重新生成停止进化微粒的方式对算法加以改进,使改进的算法具有全局收敛能力。通过建立序交换元和序交换集对算法的操作算子进行改进,满足钻削路径优化问题中整数编码的需要。实验表明,新的算法具有实现简单,收敛速度快,能够实现全局收敛的优点。     

改进粒子群算法在网格资源分配中的优化

针对并行网格任务的资源分配问题,提出了一种基于并行粒子子群优化的分配算法.该算法引入效用函数,反映网格任务的偏好和目标,利用乘子法转化约束条件,导出适应度函数.最后通过粒子子群的并行寻优过程,得到资源分配的最优解.仿真实验表明了该算法的有效性,且在任务较多的情况下,优化结果好于传统粒子群算法.