共查询到20条相似文献,搜索用时 31 毫秒
1.
提出了一种基于粒子群优化算法的监控航线规划,探讨了粒子群中单个粒子的编码方式和解码顺序,研究了航线光顺方法.最后进行了仿真检验.结果表明,该算法切实可行,初步解决了无人侦察机的监控航线规划问题,在一定程度上提高了无人侦察机的监控效率. 相似文献
2.
用粒子群优化算法,优化了在小推力作用下,从圆轨道到共面的另一圆轨道的最省燃料变轨问题。建立协态方程,用粒子群优化算法求解了两点边值问题(间接法);将最优控制问题转化为参数优化问题后,用粒子群优化算法对该问题进行了优化(直接法)。计算表明,两种方法都能得到较好的结果。 相似文献
3.
4.
针对压电微纳平台存在迟滞非线性问题,建立改进的Bouc-Wen模型描述压电微纳平台迟滞现象并使用混沌粒子群算法对模型参数进行参数辨识。通过引入迟滞非线性项对原始Bouc-Wen模型进行改进来获得更好的迟滞拟合曲线;为了解决辨识精度低的问题,使用混沌粒子群算法来增强算法在局部的寻优能力。结果表明,以频率为1 Hz驱动电压为例,改进的Bouc-Wen模型相较于传统Bouc-Wen模型能更加准确地描述其迟滞现象。同时使用混沌粒子群优化算法参数拟合的平均误差以及均方根误差均优于传统粒子群算法,有效提高了位移迟滞数据的拟合精度。 相似文献
5.
6.
7.
8.
9.
10.
11.
采用一种基于粒子群优化的特征提取算法,以K-NN分类正确率作为评价准则,应用粒子群优化算法寻找使提取特征的K—NN分类正确率最大的转换矩阵,从而实现特征的提取.算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟故障特征进行提取.故障诊断示例证明了该特征提取算法在导弹模拟故障诊断中的有效性. 相似文献
12.
13.
14.
在作战中武器-目标分配(WTA)问题包含众多的变量,是典型的非确定性多项式完全问题。针对毁伤效能最大和用弹量最少两个目标函数,建立了基于改进型多目标粒子群优化(MOPSO-Ⅱ)算法的WTA模型。由于粒子群优化算法存在“维数灾难”瓶颈,应用了变量随机分解策略和合作协同进化框架,按照带精英策略的非支配排序遗传(NSGA-Ⅱ)算法中的排序方法对粒子群编码数据进行非支配排序。通过实例仿真分析,结果表明MOPSO-Ⅱ算法比NSGA-Ⅱ算法具有更好的求解精度与运行效率,能够获得满意的分配结果,且计算快速有效,比较适合较大规模的WTA问题实时求解。在作战中武器-目标分配(WTA)问题包含众多的变量,是典型的非确定性多项式完全问题。针对毁伤效能最大和用弹量最少两个目标函数,建立了基于改进型多目标粒子群优化(MOPSO-Ⅱ)算法的WTA模型。由于粒子群优化算法存在“维数灾难”瓶颈,应用了变量随机分解策略和合作协同进化框架,按照带精英策略的非支配排序遗传(NSGA-Ⅱ)算法中的排序方法对粒子群编码数据进行非支配排序。通过实例仿真分析,结果表明MOPSO-Ⅱ算法比NSGA-Ⅱ算法具有更好的求解精度与运行效率,能够获得满意的分配结果,且计算快速有效,比较适合较大规模的WTA问题实时求解。 相似文献
15.
离散交通信号控制模型在自适应粒子群算法中引入变异算子,以更新粒子群算法的个体极值点和全局极值点.在此模型基础上,应用四种自适应变异粒子群算法优化城市交通信号控制配时方案,同时比较分析各变异算子的优劣.然后选出最优的自适应变异粒子群算法对不同的交通流进行连续优化控制.仿真表明该混合算法可解决易陷入局部收敛的缺陷并能够有效实现交通信号优化控制. 相似文献
16.
17.
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。 相似文献
18.
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
19.
为解决多目标粒子群优化算法对初值敏感性较差和局部搜索能力不强的问题,提出一种改进的混沌多目
标粒子群优化算法。根据多目标优化问题的概念,利用混沌对初值敏感、随机的特性,确定种群初始值,通过引入
Henon 混沌映射,将改进后的算法应用到3 个典型的多目标测试函数,并与NSGAⅡ和MOPSO 算法进行对比。仿
真结果表明:改进的多目标粒子群算法在收敛性、分布性和均匀性等均有提高,具有可行性和优越性。 相似文献