共查询到20条相似文献,搜索用时 187 毫秒
1.
2.
在高体积装填分数前提下,如何提高发动机的结构完整性是固体火箭发动机药形优化设计面临的主要问题.通过提出基于粒子群优化算法(PSO)的三维固体火箭发动机药形快速优化设计方法,采用MSC.Patran的二次开发工具PCL实现某三维固体火箭发动机药柱的参数化建模,在不改变体积装填分数的前提下,分别采用PSO算法和遗传算法(GA)完成该发动机药形的优化设计.结果表明,两种方法均能满足优化设计要求,但PSO算法比GA算法的计算时间缩短了42%,所提方法可快速实现固体火箭发动机药形优化设计,提高复杂三维固体火箭发动机的结构完整性能. 相似文献
3.
在选用野战给水能力指标体系的基础上,建立BP神经网络评价模型,并运用改进遗传算法对网络进行优化.案例说明模型及其算法的有效性. 相似文献
4.
5.
提出了将粒子群优化算法(Particle Swarm Optimization Algorithm,PSO)用于求解水下实验系统可靠性问题,建立了系统的可靠性模型,采用PSO算法进行了仿真,并给出了算例。结果表明PSO算法具有比较好的适应性,能稳定地求解最优解,而且在应用中没有求解早熟的弱点,能够适用于结构更复杂的水下系统可靠性优化。 相似文献
6.
7.
针对现有化学反应优化算法存在的不足,提出一种基于粒子群优化算法(particle swarm optimization,PSO)
和自适应化学反应优化算法(adaptive chemical reaction optimization,ACRO)相结合的混合算法(a hybrid optimization
based on ACRO and PSO,ACRO-PSO)。在ACRO 算法的领域算子基础上,融入PSO 算法的全局算子,加入权重系
数控制本地搜索和全局搜索的比例,修改分解反应合化合反应出现的时机,利用化合反应输出最优解,采用标准测
试函数对ACRO-PSO 进行性能分析。仿真结果表明,ACRO-PSO 算法能高效地解决待优化问题。 相似文献
8.
9.
10.
针对传统离散粒子群优化(PSO)算法仅能搜索多值属性系统(MVAS)最小完备测试集的问题,通过重塑离散PSO算法,提出一种测试序列寻优算法—PSO-测试(TS)算法。在多值D矩阵和五元组的基础上,公式化处理MVAS的诊断策略。重塑离散粒子群的过程,将离散PSO算法与MVAS的故障诊断策略融合。设置PSO-TS算法的自身认知和社会知识阶段的计算规则,并通过引入交换序提升PSO-TS算法中粒子的多样性。采用实例和随机仿真实验验证PSO-TS算法。研究结果表明:与MV-Rollout和MV-IG算法相比,PSO-TS算法的期望测试费用少,能够获得较优的诊断策略,但是运行时间较长。 相似文献
11.
12.
13.
针对传统参数法对装备研制费用进行预测存在的局限性问题,采用改进粒子群算法(particle swarm optimization,PSO)对LSSVM模型进行改进,构建军用工程机械研制费用预测模型。运用2种优化策略改进粒子群算法,对种群初始化过程进行控制、克服粒子群算法易于早熟的缺点。用改进后的粒子群算法优化最小二乘支持向量机的模型参数和核参数,以获得更好的预测效果。预测结果表明:该费用预测模型运用于军用工程机械研制费用预测,明显优于传统预测模型,具有很好的预测精度和效率。 相似文献
14.
15.
16.
针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。 相似文献
17.
基于组合粒子群算法的运载火箭弹道优化设计 总被引:2,自引:0,他引:2
提出一种基于粒子群算法和方向加速法组合成的PSO-Powell算法,能进行大范围搜索,其最优解具有全局收敛性。在该算法中,对粒子群算法的参数设置进行了改进,提升了其性能,并引入增广拉格朗日乘子法处理优化问题的约束条件,提高了最优解的精度。仿真结果表明PSO-Powell算法应用于运载火箭弹道优化设计具有良好效果,可以提升运载能力,具有一定工程应用价值。 相似文献
18.
19.
20.
对存在敌威胁时的空中加油任务,提出一种基于遗传算法的区域配置方法.其通过建立空中加油区域优化配置模型,将不同的代价通过转换而统一在适应度函数中.先就战场环境参数得出加油可行区域,然后将可行区域拓展为搜索区域,再针对搜索区域设计编码和代价函数,并把配置方案的不同代价统一到适应度函数中,最后运用遗传算法进行全局搜索,以求得最优化配置. 相似文献