基于改进粒子群算法的机器人几何参数标定研究

为了提高机器人末端绝对定位精度,提出了基于改进粒子群算法(IPSO)的机器人几何参数标定方法.首先,为避免当机器人相邻两轴线平行或接近平行时,模型存在奇异性,建立了串联机器人MDH模型;其次,针对机器人几何参数标定特点,提出用改进粒子群算法优化标定机器人几何参数,其中粒子初始位置和速度由拟随机Halton序列产生,采用浓缩因子法修改粒子飞行速度,建立了用IPSO标定机器人几何参数目标函数数学模型,确立了用该算法优化标定几何参数的具体步骤.通过对ER10L-C10工业机器人仿真与实测标定,结果证实:采用该方法能够快速标定机器人几何参数,经标定后的机器人末端绝对定位精度有大幅提高.该算法简单,鲁棒性强,易于在工业机器人标定中推广应用.     

基于差异性激活方法的改进微粒群算法

针对标准微粒群优化算法的惯性权重系数采用固定或线性递减的方式无法有效解决粒子陷入局部最优解的问题及可能出现的停滞现象,引入以差异性为基础的激活方法对微粒群算法进行改进.在每次迭代时算法可以动态调整惯性权重参数及粒子的活性,从而促进粒子收敛至全局最优解.对6种典型函数的实验结果表明,引入本文的激活方法后,改善了微粒群算法的开发和探索能力,并提高了其收敛速度及精度,其中以非线性惯性权值递减策略的微粒群算法最为明显.     

粒子群算法不同惯性权重之间的比较

粒子群算法是一类基于种群的启发式全局搜索工具.针对粒子群算法易出现早熟收敛、收敛效率低等缺点,许多学者对粒子群算法进行了改进.论述了标准粒子群算法以及对惯性权重作了线性递减、后期随机、非线性动态等改进后的标准粒子群算法,讨论了其优缺点,最后通过5个典型测试函数的MATLAB实验,将所得的数值结果进行比对,以证明哪些改进的算法更有效.     

求解高维复杂连续优化问题的粒子群算法研究

传统粒子群优化算法(PSO)求解较为复杂的高维度优化问题时,易出现早熟收敛现象,引发收敛效果变差,导致解的精度较低等问题.为求解现代社会出现的更多复杂优化问题,提高粒子群算法求解精度,引入分组变异的思想,在粒子迭代进化过程中以递减的方式控制变异概率.种群进化过程中是利用贪心搜索的方式,在后期会出现种群聚拢,因此引入反向学习策略,使得种群在聚拢环境下可以扩展搜索空间,离开局部最优位置.经过实验仿真证明,提出的新型粒子群算法(NEWPSO)在优化高维函数上具有更好的性能.     

基于改进粒子群算法的输电网扩展规划

针对标准粒子群（SPSO）算法易收敛到局部最优的缺点,采用了一种改进的粒子速度更新公式,即在SPSO算法速度更新公式的基础上,加入一个平均极值项,使得各粒子能参考其它同伴的信息;此外在算法迭代过程中加入变异操作,适时初始化失活粒子的位置和速度来保持种群多样性．在输电网扩展规划中的应用结果表明,上述两个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进粒子群（IPSO）算法的有效性．     

基于改进粒子群算法的设备维修调度优化研究

为保障离散制造企业生产系统的连续性并降低其维修成本,构建了以维修时间最短和维修成本最低为目标的设备维修调度优化模型,并采用改进粒子群算法对模型进行求解。针对标准粒子群算法后期易陷入局部最优的缺点,采用指数函数递减的惯性权重形式来平衡算法的全局搜寻能力和局部搜寻能力,在速度更新公式和位置更新公式中分别引入速度扰动项和飞行时间因子以提高算法的收敛能力。以某机械公司生产车间设备维修调度为例,验证了该方法的有效性和适应性。     

欧拉型光线寻优算法

针对光线寻优算法的收敛性及其推广到高维收敛速度慢的问题,利用变分法和微分方程理论,对二维连续可导介质中的光线方程欧拉数值解法与光线寻优算法迭代公式的关系进行了研究.在光线寻优算法迭代公式中加入一项来改进算法,不仅使得精度提高一阶,而且加快了收敛速度,同时也为光线寻优算法的收敛性证明提供了新思路.6个标准测试函数的仿真结果表明:与光线寻优算法、保留精英遗传算法、标准粒子群算法相比,改进算法收敛速度较快,收敛成功率较高,其求解Rosenbrock的成功率高达98％,远高于保留精英遗传算法和标准粒子群算法.     

基于动态扰动项的禁忌粒子群优化算法

针对粒子群优化算法后期收敛速度慢,且容易陷入局部最优解的缺点,在算法中加入动态扰动项,改变了速度的更新公式,使粒子可以跳出局部极值.后期引入禁忌搜索算法,充分利用禁忌搜索的记忆能力和爬上能力,能够快速搜索到全局最优解.通过对测试函数的仿真实验表明,采用动态扰动项的禁忌粒子群优化算法更能提高收敛速度,获得全局最优解.     

基于MapReduce模型的分布式粒子群算法

通过对传统的单种群粒子群算法的分析,提出一种基于MapReduce模型的分布式粒子群算法,解决粒子群算法在求解大规模优化问题时求解效率和精度明显下降等问题。在粒子群进化过程中,粒子速度和位置的更新采用惯性权重的方法,其权重值线性递减,并且利用多子群进化策略,提高算法的收敛精度。通过MapReduce模型实现算法的并行化,有效提高算法求解效率。选取目前比较流行的几种算法,并在13个500维、1 000维的标准测试函数上仿真试验,结果显示该算法具有良好的优化性能。     

基于神经过程-粒子群算法的移动机器人路径规划

针对传统粒子群算法在移动机器人路径规划过程中早熟引起的局部最优问题,将运动过程预测思想集成到粒子群优化算法中,构造神经过程-粒子群混合算法。主要思路是在粒子群个体进行下一次迭代时,利用神经过程预测个体位置,增加了迭代后期粒子群体的多样性,避免过早陷入局部最优,从而提高算法优化能力。实验结果显示,改进算法用于解决机器人路径规划问题,整体性能优于传统的粒子群优化算法。     

基于惯性权重和学习因子动态调整的粒子群算法

针对传统的粒子群算法易发生早熟收敛、在寻优过程中易陷入局部最优等问题,提出了一种基于惯性权重和学习因子动态调整的粒子群算法,该算法通过改进惯性权重和学习因子参数以优化算法.随着算法的不断迭代,其惯性权重以及学习因子随着迭代次数的增加而动态优化,从而平衡其局部寻优能力与全局搜索能力.实验结果表明,改进后的算法在收敛速度以...     

改进粒子群优化算法及其在4G网络-基站选址中的应用

针对粒子群优化算法搜索精度不高、整体上容易陷入局部最小的不足,提出了一种改进的粒子群优化算法.该算法一方面在速度更新式中用粒子群中粒子个体极值的加权值替代粒子的个体极值,另外通过使用两种非线性递减函数对惯性权重进行调整,这种改进有效地提高了粒子群优化算法的收敛速度和全局寻优能力.然后,通过对4个基准函数的仿真,验证了本文改进算法的全局收敛寻优能力.最后,将本文改进算法应用于珠三角地区某市4G网络基站选址优化中.仿真和应用的结果表明,改进后的粒子群优化算法具有更高的收敛速度和全局寻优能力.     

室内可见光定位算法研究

针对室内场所定位精度低的问题,本文提出一种基于改进粒子群算法的 RSSI（Received Signal Strength Indication：接收信号强度指示）可见光定位方法。采用莱维飞行算法对粒子群算法进行改进,解决了标准粒子群算法易陷入局部最优的问题,提高了算法的收敛速度和定位精度。在 5m×5m×3m 的室内环境下,经过仿真测试,本文改进后的粒子群算法结合 RSSI 定位方法定位精度可以达到0.038241m,算法稳定度上升,定位精度更高,更适合在室内定位中使用。     

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.     

新型混合粒子群算法在核动力设备优化设计中的应用

针对标准粒子群算法在处理非线性约束优化问题时存在收敛速度慢、精度低和易陷入局部最优的缺点,设计了一种新型混合粒子群算法,该算法采用可行性原则处理约束条件,避免惩罚函数法中惩罚因子选取的困难;引入基本复合形法产生初始可行群体,加快粒子群收敛速度;引入遗传算法的交叉和变异策略,避免粒子群陷入局部最优;在迭代末期的优解附近,进行改进复合形算法的寻优,提高最优解的精度.通过算法测试基准函数的优化计算,结果显示,新型混合粒子群算法有较好的优化性能,并在核动力设备优化设计中有很好的应用.     

基于量子行为粒子群算法的航空瞬变电磁拟二维反演技术

传统的确定性反演算法严重依赖初始模型,易陷入局部极小值中,导致最终反演结果偏离真实模型。粒子群(PSO)算法作为一种随机性反演算法,具有较强的跳出局部极小值的能力,但是仍存在早熟收敛和收敛速度慢等问题,限制了该算法在二、三维电磁反演中的发展。针对上述问题,首先提出采用量子行为粒子群(QPSO)算法代替传统粒子群算法,将量子在势阱中运动规律引入到粒子群算法中,使得粒子可以出现在势阱内任何存在概率分布的位置上,有效地克服了由于群体的聚集性所导致的早熟收敛问题。此外,采用拟二维反演算法代替传统二维反演算法,使得反演模型参数维度下降,寻优过程中局部极小值个数将大幅度减少,显著提高粒子群算法的收敛速度,但是在粒子群中开展拟二维反演时,传统的正则化参数的寻优过程将浪费大量计算资源。结合量子行为粒子群算法中各测点的全局最优粒子在粒子群进化过程中的重要地位,采用α-Trimmed方法开展相邻点间全局最优粒子模型参数光滑约束,实现粒子群算法快速横向约束反演。最后将量子行为粒子群算法拟二维反演技术应用到含噪全航空瞬变电磁仿真数据处理中,反演结果与原始模型具有较好的一致性。     

基于聚类变异PSO优化的VSCMGs模糊平滑切换算法

针对变速控制力矩陀螺（variable speed control moment gyro,VSCMG）作为执行机构应用在敏捷遥感卫星上进行姿态机动时末端模式切换的平稳性和快速性冲突问题,在考虑框架转速误差的基础上,设计姿态误差参数作为切换指标,制定误差参数切换区域内的过渡规则,将指令力矩实时分配给控制力矩陀螺（control moment gyro,CMG）和飞轮并分别求解,提出了一种控制力矩陀螺/反作用飞轮工作模式模糊平滑切换操纵律。为了使得姿态机动末端卫星姿态达到姿态稳定度和指向精度要求的时间更短,以该时间为优化指标提出聚类变异改进粒子群算法对该操纵律参数寻优,确定最佳的切换区域和切换参数,并进行了仿真验证。结果表明:改进后粒子群算法在相同的迭代次数中总是表现出比传统粒子群算法更优的适应度,具有更快的收敛速度和更高的收敛精度,参数优化后的模糊平滑切换操纵律相比于现有操纵律能够在较短时间内完成双模式的平滑切换,并在姿态机动末端更迅速地达到姿态稳定度和指向精度要求,提高了遥感卫星敏捷机动与高稳指向的控制性能,有利于高质量完成成像任务。     

一种用于空间调制信号检测的改进粒子群算法

为提高空间调制系统信号检测算法的性能,提出基于粒子群的智能信号检测算法及其改进算法.利用粒子智能化搜索,实现信号高效检测;设计权重系数对传统速度更新公式进行修改,避免粒子群陷入局部收敛从而进一步提高算法的检测性能.通过对改进算法的收敛性和复杂度进行理论分析,并在不同天线数目和不同调制方式下对其误码性能进行仿真,仿真结果表明:与传统的粒子群算法相比,本文提出的改进算法具有计算复杂度低、误码率低、收敛快的优点,可作为空间调制接收机的有效备选算法.     

万有引力优化的粒子滤波算法

针对经典粒子滤波中存在的粒子易退化、易丧失多样性以及滤波精度严重依赖于粒子数量的问题,提出一种万有引力优化的粒子滤波算法．通过万有引力算法优化粒子滤波中的粒子集来提高滤波精度．首先将每个粒子看做质量大小正比于粒子权值的点,粒子间的引力吸引着粒子向高似然区域移动,从而优化粒子集．然后利用精英粒子策略加快万有引力优化算法中粒子收敛速度,并避免粒子陷入局部最优; 引入感知模型防止过度收敛导致的粒子拥挤或重叠．仿真实验表明,该算法在粒子数较少的情况下与经典粒子滤波算法和粒子群优化粒子滤波算法相比,保持了更好的粒子滤波精度和速度．     

一种新颖的人工鱼群算法

为了克服基本人工鱼群算法(AFSA)收敛速度慢、求解精度不高和易陷入局部最优的不足,提出了一种新颖的人工鱼群算法(AO-AFSA).该算法结合人工鱼与粒子群(PSO)中的粒子都具有个体学习能力和社会学习能力,模拟粒子群中粒子的速度位置更新公式去分别修改人工鱼群算法中人工鱼的觅食行为、聚群行为、追尾行为的更新公式.并采用5个典型的测试函数进行仿真实验,分析算法的寻优精度、收敛速度以及稳定性.测试结果表明改进后的算法能够较快地收敛至全局较优解,有更强的稳定性,并具有较好的寻优性能.