一种基于粒子群优化的组卷算法

为实时分析学生在学习中存在的问题，准确评价学生在一段时间内的学习成绩，建立一种整数规则组卷的数学模型，并采用二进制编码的粒子群算法实现。通过应用该模型组成满足多个评估标准的一系列试卷，全面提高了应用大型试题库组卷的工作效率。     

基于IBPSO 的模拟电路故障特征提取方法

针对有效采样点法提取故障特征时冗余信息多、易造成维数灾等问题,提出利用改进的二进制粒子群算法提取故障特征。研究粒子群优化算法和二进制粒子群优化算法的差异以及在故障特征提取方面存在的不足,通过改进群体极值的更新方式避免搜索结果陷入局部最优。以Sallen-Key带通滤波器为诊断实例,完成9类模拟电路故障模式的特征提取。结果表明:通过该方法进行特征提取可有效降低故障诊断模型的复杂性,与二进制粒子群优化算法相比,该方法在特征维度和诊断准确率上具有明显的优势。     

基于技术成熟度和二进制粒子群优化算法的装备测试设计优化方法研究

针对复杂装备测试性设计过程中测试设计优化问题,在分析现有优化方法的基础上,提出了一种基于技术成熟度评价( TRA)方法和二进制粒子群优化(BPSO)算法的测试设计优化方法.该方法根据装备测试设计的技术成熟度分析结果建立目标优化模型,然后应用二进制粒子群算法对模型进行求解,得到的结果直接用于装备的测试性设计工作.由于考虑...     

基于粒子群优化算法的多目标搜索算法

针对多目标优化问题在实际应用中的复杂性,提出一种采用粒子群优化算法来求解多目标优化的问题的方法。在分析了多目标优化问题的基础上,以粒子群优化算法对生产配料流程中的优化问题为例进行非劣最优解集的搜索,并将其运用于实际工程制造中的某配料选型工艺计算中。仿真结果表明:该方法有效,在工程设计选型、模式分类、神经网络训练以及系统控制等领域正得到普遍应用。     

基于改进粒子群优化算法的路径规划方法研究

文中充分利用粒子群优化算法收敛速度快、机理简单和编码实现容易的优点，提出了一种新颖的极坐标空间粒子群路径规划方法，并将其应用于真实海图数据环境中。通过仿真实验表明改进的粒子群算法同传统的PSO算法及遗传算法相比，在解决路径规划问题上具有更快的收敛速度和更高的收敛精度。     

Memetic算法在无人机侦察航路规划中的应用

为解决无人机侦察航路规划问题,采用文化基因算法(memetic algorithm,MA)进行求解。以粒子群优化算法作为主搜索策略,采用基于模拟退火的加权法对非劣解进行局部搜索。目标函数综合分析了战术效果、航程、安全性、飞行时间等指标要求,并从环境和无人机自身分析航路规划约束条件。最后对算法性能进行了测试,实验结果表明该文化基因算法比单独使用粒子群优化算法具有更高规划效率,得到的初始侦察航路较优。     

改进粒子群算法的集群协同干扰资源分配

根据敌方雷达不同的工作状态进行威胁等级的评估，以干扰对象和干扰样式为基础建立模型，由模型采用不同的智能算法进行集群协同干扰资源的分配。针对传统粒子群算法搜索范围小并且易陷入局部最优解等问题，提出一种改进的粒子群算法用于集群协同干扰资源的分配。通过将NSGA-II算法中基于实数编码的多项式变异算子引入种群的更新迭代中，提高种群中个体的多样性，扩大了种群的搜索范围；通过动态学习因子，调整算法在不同阶段对个体极值和全局最优值的侧重，从而降低了算法陷入局部最优解的概率。仿真结果表明，改进的粒子群算法提高了算法的收敛速度和寻优概率，并且具有优异的性能，在一定程度上解决了集群协同干扰资源分配问题。     

无线传感器网络节点定位的混沌粒子群优化算法

针对粒子群优化算法收敛速度慢且稳定度不高的问题,把混沌寻优思想引入到粒子群优化算法中,提出一种基于混沌粒子群优化算法的无线传感器网络节点定位算法。该算法首先对当前粒子群中的最优粒子进行混沌寻优,然后用混沌寻优的结果随机替换粒子群体中的一个粒子,通过迭代搜索最佳坐标。仿真结果表明,在参数合理设置的前提下,该算法性能稳定,并且具有较快的定位速度和较高的定位精度。     

基于文化基因算法的多目标优化

针对粒子群算法收敛速度慢、求解精度低的不足,提出了将粒子群改进作为全局搜索,多目标模拟退火算法作为局部搜索的文化基因算法,将交叉和变异操作引入粒子群全局搜索中帮助跳出局部最优。对于多目标优化问题,根据非劣解的拥挤度决定最优值的选取策略,并将该算法用于多目标优化的实际求解中。仿真结果表明,该算法不仅能快速有效地得到Pareto解集,并且能有效地保持所求最优解的多样性。     

基于杂交粒子群算法的弹炮混编防空群火力优化模型

针对弹炮混编防空群射击指挥中的火力分配问题,提出了弹炮混编防空群的火力分配方法,建立了优化的火力分配数学模型。在此基础上,借鉴遗传算法中的杂交概念,采用改进后的粒子群优化算法对此模型求解。通过算例和仿真结果与实际经验对比表明,改进粒子群优化算法是解决弹炮混编防空群火力优化分配问题的一种有效方法。     

不同优化算法在轮式自行火炮动力学优化中的应用

以某轮式自行火炮为例,以减少炮口初始扰动、提高射击精度为目标,建立了基于轮式自行火炮发射动力学仿真的优化设计模型。采用加权组合法将炮口角位移与角速度统一为单目标,分别应用序列二次规划法、粒子群算法、模拟退火算法及多岛遗传算法对其进行优化设计求解。比较结果发现,模拟退火算法及多岛遗传算法能够适应轮式自行火炮系统优化问题的求解需求;粒子群算法尽管收敛速度较快,但优化结果不如模拟退火算法及多岛遗传算法;序列二次规划法由于容易陷入局部最优,不能适应轮式自行火炮系统优化问题的求解需求。     

基于GA-PSO的野战给水站选址优化模型

在野战给水工程保障中,不但要满足各用水单位,也要考虑到保障过程中产生的费用,尽量能够做到在完成给水工程保障任务的基础上使整个野战给水工程保障系统所消耗的总费用最小。针对该问题,运用GA-PSO算法研究了野战给水站的选址优化模型,实例验证充分说明了基于GA思想的混合PSO在收敛速度及跳出局部极值的能力诸方面明显优于标准的GA算法和PSO算法。     

An Improved Particle Swarm Optimization Algorithm Based on Ensemble Technique

An improved particle swarm optimization （PSO） algorithm based on ensemble technique is presented. The algorithm combines some previous best positions （pbest） of the particles to get an ensemble position （Epbest）, which is used to replace the global best position （gbest）. It is compared with the standard PSO algorithm invented by Kennedy and Eberhart and some improved＇PSO algorithms based on three different benchmark functions. The simulation results show that the improved PSO based on ensemble technique can get better solutions than the standard PSO and some other improved algorithms under all test cases.     

基于蒙特卡洛仿真和并行粒子群优化算法的携行备件优化

为提高携行备件方案优化模型的准确性和求解的精确度,以遂行远海训练任务的舰艇编队为研究背景,针对优化模型的建立和求解提出了一系列改进措施。在传统优化模型的基础上,分析了虚警和串件拼修对备件的影响,建立了基于携行能力、备件成本、装备可用度、同型号装备群完好率等多约束条件的携行备件优化模型;利用粒子群优化（PSO）算法确定备件的优化配置,利用蒙特卡洛仿真法计算配置方案的保障效能;引入云格计算技术实现PSO算法的并行求解,从硬件性能上提高算法的全局寻优能力;将普通粒子转化为量子粒子实现解的多样化,减小了算法陷入局部最优的危险。案例分析证实了改进措施的可行性和有效性。     

基于混沌DESAPSO算法的无人机三维航迹规划

粒子群(PSO)算法易陷入局部最优,将其运用于无人机三维航迹规划会导致航迹品质不高,针对这一问题,提出了将差分进化(DE)算法、模拟退火(SA)算法嵌入PSO算法中,构成混沌差分进化模拟退火粒子群(DESAPSO)算法,从三个方面提高了航迹品质:一是利用DE算法的变异、交叉及竞争选择增加种群多样性;二是利用SA算法概率突跳能力跳出局部最优解;三是对PSO算法参数进行混沌优化,进一步增强种群多样性.仿真结果表明:混沌DE-SAPSO算法改进航迹品质效果明显,获得了满意的无人机三维航迹.     

基于改进花朵授粉算法与K-means算法的人体姿态库构建方法研究

为了解决现有人体姿态库构建方法存在的装备维修性仿真验证任务针对性不足的问题,提出了一种基于改进花朵授粉算法与K-means算法的人体姿态库构建方法。针对花朵授粉算法寻优精度不够理想的问题,将乌鸦搜索算法引入花朵授粉算法。提出了一种改进花朵授粉算法。测试结果表明：相比粒子群算法和花朵授粉算法,改进花朵授粉算法具有搜索范围广和寻优精度高的优点。为避免K-means算法易陷入局部最优解,将改进花朵授粉算法引入K-means算法,在提出个体编码方式与定义个体操作函数的基础上,设计了改进花朵授粉算法的计算步骤,使改进花朵授粉算法与K-means算法相融合,进而对装备维修人员的维修作业姿态进行聚类。提取各类中心数据,将其作为人体姿态库中虚拟人体的部位动作角度输入参数,构建了具有装备维修性仿真验证任务针对性的人体姿态库。仿真实验结果表明：相比基于粒子群算法与K-means算法融合的人体姿态库构建方法等5种方法,改进花朵授粉算法与K-means算法的融合方法具有寻优精度高和聚类效果好等优点,适用于装备维修性仿真验证工程实践。     

基于改进粒子群算法的野战油库选址优化

针对标准粒子群算法容易陷入局部最优,提出了改进粒子群算法;对粒子的自适应性和惯性权重进行改进,建立了野战油料选址模型;通过仿真,发现改进粒子群算法克服了标准粒子群算法容易陷入局部最优的问题,且寻优能力强,对部队的野战油库选址具有指导作用。     

基于粒子群优化的伺服系统比例积分微分控制器设计方法

给出了 一种基于粒子群优化（PSO)算法的火炮伺服系统比例积分微分（PID)控制器优 化设计方法。定义了 ー个综合考虑火炮调转时间、上升时间、超调量、系统静态误差、等速跟踪误差 和正弦跟踪误差等动静态性能的指标函数,在给定的控制器参数空间进行组合优化搜索,可迅速求 得使性能指标优化函数极小化的ー组PID控制器参数。仿真結果表明该方法有效。     

可重复使用运载器滑翔段轨迹快速优化方法

针对滑翔段轨迹多约束、强耦合、高非线性等特点,设计了一种全新的纵向飞行剖面,实现了终端约束和拟平衡滑翔条件的自动满足,并将滑翔段轨迹优化问题转化为一个双参数寻优问题。同时考虑倾侧角大小及其变化率约束,对侧向轨迹进行了设计。最后,设计了一种改进粒子群优化算法,通过外点法对约束条件进行处理,并提出一种变异策略对种群多样性进行准确控制,避免粒子陷入局部最优。仿真结果表明,该优化方法能够快速生成满足所有约束条件的最优滑翔轨迹;对于航程超过3000 km的场景,轨迹优化平均时间仅为5.94 s,最大终端相对误差不超过1%。