一种无人侦察机监控航线规划方法

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．     

基于粒子群优化的小推力最省燃料变轨研究

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。     

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。     

基于混沌粒子群算法的压电微纳平台迟滞模型参数辨别

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。     

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。     

粒子群和模糊算法相结合的MPPT算法

针对粒子群算法在稳定状态下精度不理想的问题,提出粒子群算法和模糊算法相结合的MPPT算法。该算法融合了粒子群算法和模糊算法的优点,利用粒子群算法在全局范围内搜索最大功率点,满足一定误差要求后再采用模糊算法继续进行最大功率点追踪,使光伏逆变系统同时具有全局寻优功能和较高的跟踪精度。仿真结果表明,该算法的输出功率高于普通粒子群算法输出功率,并能够精确地搜索到全局最大功率,实现了对全局最大功率点的跟踪且提高了精度,验证了算法的有效性。     

基于粒子群遗传算法的三轴磁通门误差校正

针对目前磁通门磁力仪误差校正方法中存在的校正精度不高和受初始参数影响较大的问题,提出一种基于粒子群遗传算法的磁通门误差校正方法。该方法首先在分析误差产生机理的基础上建立了误差校正模型,随后利用粒子群遗传算法来求解校正参数,该算法通过对粒子群中的适应度较差的粒子进行交叉、变异操作来增加算法的全局最优搜索能力。仿真实验结果表明,与传统的粒子群优化算法相比,基于粒子群遗传算法的误差校正能快速地收敛,且具有较强的全局最优搜索能力,可以实现对磁通门磁力仪的高精度校正。     

一种比例尺蒙特卡罗滤波算法

粒子滤波是一种极具潜力的非线性滤波算法,粒子退化是粒子滤波的主要问题。为此,提出一种比例尺粒子滤波算法(SPF)。在重要性抽样之后,按粒子重要性权值大小,将其分为好粒子群和较差粒子群两个种群,使用固定的或动态变化的比例尺系数对好粒子群和较差粒子群中的元素求取加权值,从而生成一些备选粒子。并通过重要性权值实现粒子的优选,从而使最好粒子参与状态估计。仿真结果表明,该算法是有效的。     

基于改进粒子群优化的BP网络蒸汽发生器典型故障诊断

对BP神经网络在蒸汽发生器故障诊断中的应用进行了研究,针对BP神经网络训练时易于陷入局部最小值的问题,利用粒子群优化算法对BP神经网络的权值和阈值进行了优化,并对粒子群优化算法的惯性权值作了自适应调整,以蒸汽发生器为对象进行了故障诊断实验,实验结果表明:自适应调整粒子群优化算法的惯性权值可以提高该算法的收敛速度和精度,利用改进后的粒子群优化算法对BP神经网络进行优化,可以提高BP神经网络的诊断性能。     

基于粒子群优化技术的导弹模拟故障诊断方法

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．     

地基运载火箭交会空间目标弹道快速优化设计

针对地基拦截器与空间目标交会这一复杂非线性优化问题,研究了基于改进粒子群算法的弹道快速优化设计方法.根据拦截交会弹道特点,设计了飞行程序优化模型,融合粒子群搜索的随机性和递进搜索的高效性,构建了适用于拦截交会弹道设计这类复杂非线性优化问题的改进粒子群算法.采用该改进粒子群算法进行拦截交会弹道仿真,结果表明,该改进粒子群算法计算精度较高,优化耗时较少,能够实现拦截交会弹道的快速优化设计.     

基于混合离散粒子群算法的多无人作战飞机协同目标分配

针对多无人作战飞机(UCAV)协同目标分配问题,提出了一种基于混合离散粒子群算法的多UCAV协同目标分配方法。混合离散粒子群算法根据多UCAV协同目标分配问题的特点,设计了新的粒子群位置和速度更新公式,并且充分利用粒子群优化算法的全局搜索能力,同时利用禁忌搜索的局部搜索能力,使2种算法的优势得到互补,较为显著地提升了原算法的性能。仿真结果表明:混合离散粒子群算法能够有效地解决多约束条件下多UCAV协同目标分配问题,并且算法简单、灵活,易于实现和扩展。     

基于改进型多目标粒子群优化算法的武器-目标分配

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。     

离散交通信号控制模型及其优化算法

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.     

基于改进鲸鱼优化算法的盲源分离方法

针对盲源分离方法中粒子群算法设置参数多、收敛速度慢的问题,提出了基于改进鲸鱼优化算法的盲源分离方法。该方法利用独立性准则,以混合信号的峰度作为目标函数,用鲸鱼优化算法代替常规的粒子群算法,并引入自适应权重,加快收敛速度,实现了对瞬时混叠信号的盲分离,有效解决了粒子群算法参数复杂、收敛速度慢的问题。仿真对比结果表明,基于改进鲸鱼优化算法的盲分离方法性能优于基于粒子群优化算法的盲分离方法,在低信噪比下也有良好的分离效果,应用于盲信号分离问题中是有效的。     

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。     

基于改进PSO-LSSVM 的军用工程机械研制费用预测模型

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。     

基于Henon 混沌映射的多目标粒子群算法改进分析

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。     

基于粒子群优化算法的模糊飞行控制器设计

提出了一种基于粒子群优化（PSO）算法的模糊飞行控制器优化设计方法。PSO算法通过粒子跟踪本身所找到的最优解和种群的最优解来完成优化．该算法具有可调参数少．简单易实现，优化速度快的特点。将PSO算法用于对模糊飞行控制器隶属函数的优化设计中，以达到提高控制效果与简化模糊控制器设计的目的。仿真结果表明．利用PSO算法进行优化设计所得到的模糊飞行控制器具有优良的控制性能。