粒子群算法在计算机自动配棉优化中的应用

为提高计算机配棉的自适应性和通用性,对于多约束条件的计算机配棉优化设计,提出了基于粒子群优化算法优化求解的方法.通过对自动配棉问题进行数学建模,将其转化为多约束条件下多维函数优化问题,再将粒子群优化算法引入模型的求解中,保证了方程组中每个可能的解都能被精确搜索到.实例证实了该方法能够快速、有效求得优化解,而且达到最优化...     

基于GA_PSO多目标营养的膳食决策优化方法研究

针对最佳膳食营养结构问题,提出一种结合遗传算法(GA)和粒子群算法(PSO)的GA_PSO多目标营养的膳食决策优化方法。通过建立能量、蛋白质、脂肪、钙和铁的多目标营养膳食决策优化模型,将遗传粒子群算法(GA_PSO)应用于多目标营养的膳食决策优化问题中,完成与GA算法和PSO算法的比较,结果表明,其全局寻优能力和收敛性能明显高于GA算法和PSO算法,并可提供最佳膳食营养结构。     

基于多目标决策协调模型的粒子群算法及其收敛性分析

PSO在求解高维多目标优化问题对有限个体用排序策略来寻找Pareto最优个体时,粒子群体中个体之间很难进行Pareto排序比较,或出现所有个体皆有Pareto最优解而无法实施正常的个体选优.为此,提出了一种基于多目标决策协调模型的粒子群算法,该算法将运筹学多目标决策的协调模型引入粒子群迭代过程,群体按协调模型使用偏好信息进行排序,而不是基于Pareto优于关系对当代群体进行个体排序.实验表明,该算法对解决高维多目标问题行之有效,且具有较快的收敛速度.     

皮革服装CAD矩形件样板的优化排样探究

基于皮革服装的CAD技术,采用改进的粒子群算法模型即QPSO算法模型,来对于服装矩形件样板的优化排样进行了比较分析研究。排放算法选择最低水平线法,在优化排样领域引入具有量子行为的QPSO算法,对矩形件排样采用量子行为的QPSO算法模型进行优化求解,经过和传统的算法模型结果进行比较,可获得量子行为的改进QPSO算法,求解过程和求解结果均比PSO算法的优越性更为突出,且证明QPSO算法具有高效性和优越性。矩形板材的排样更适合有效QPSO算法得到的排样方案。     

改进粒子群算法在空压机联动控制中的应用

针对空压机控制系统中的节能减排、均衡调度和管网压力波动等问题,提出了空压机联动控制的多目标优化调度模型,并以改进惯性权重的粒子群算法进行求解。以灰色系统理论中的灰色关联度作为改进粒子群算法的适应度函数,对影响空压机联动系统的机组功耗、生产均衡调度和管网压力波动等多目标进行了优化求解。引入的非线性动态调整惯性权重策略改进了算法的全局收敛能力,有效地提高了粒子搜索过程中的智能性。通过某饮料罐装车间的技术改造,证明了本算法的有效性。     

基于MPSO算法的横动伺服控制系统黑箱模型辨识

针对标准粒子群算法(PSO)在横动伺服控制系统黑像模型辨识过程中出现的局部收敛问题,提出了一种引入多粒子共享策略(multi-particle information share)的改进粒子群算法(MPSO)辨识方法。首先,建立了系统的五阶传递函数模型,其次,在PSO算法的基础上,引入多粒子信息共享和综合判断来修正各粒子的下一次行动策略,避免粒子趋同陷入局部最优,实现了系统模型的优化。最后,为了验证辨识模型的正确性,进行仿真与实测对比实验,结果表明:该算法辨识出的模型准确度较高,具有较好的控制品质,对于同一速度输入信号,仿真与实测的输出曲线跟随性好,误差在-0.2~0.2rad范围内,误差小。     

两种智能优化算法在交通控制应用中的对比研究

城市交通系统是一个随机性很强的、复杂的巨型系统。本文提出了2种区域智能交通控制的模型与算法分别是：将遗传算法与混沌映射结合,提出混沌遗传算法（C-GA）;将粒子群算法分别与混沌映射构造混沌粒子群算法（C-PSO）、模拟退火粒子群算法（Sa—PSO）。仿真结果表明,各个优化算法具有较强的鲁棒性、自适应性和自学习性,都能高效地解决区域交通控制信号优化配时问题且较传统固定周期控制方法能较好地减少车辆的平均延误。     

PSO-BP模型在遥感影像分类中的应用研究

针对目前采用BP神经网络模型进行遥感影像分类时存在的对初始权阈值敏感、易陷入局部极值和收敛速度慢的问题,为了提高BP模型遥感影像分类精度,将粒子群算法引入到BP网络模型参数选择中。首先运用粒子群算法对BP模型权阈值参数进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于粒子群算法的BP网络分类模型,并采用MATLAB语言实现了该算法,将其应用到遥感影像数据分类研究中。仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值。     

基于粒子群算法的往复振动筛运动参数优化设计

介绍了粒子群算法的原理、模型和算法实现过程，并采用粒子群算法对往复振动筛运动参数优化设计数学模型进行了优化计算，计算结果符合实际情况，表明粒子群算法应用于粮食机械的优化计算切实可行，为复杂的粮食机械优化设计问题提供了新的思路和方法。     

融合自适应混沌差分进化的粒子群优化算法

针对粒子群优化算法易出现早熟收敛、收敛效率低的缺点,提出一种融合自适应混沌差分进化的粒子群优化算法.该算法首先将自适应混沌引入差分进化算法,再将所得结果进行一次校正变异和校正选择,最后将所得算法融合到粒子群优化算法,从而有效地利用与平衡了粒子群优化算法和差分进化算法的探测和开发能力,且局部搜索能力增强,进一步提高算法的求解精度和效率.数值实验证明本文算法的有效性.     

食品烘干设备温度控制系统设计

为提高食品烘干设备温控系统的精度和自动化水平,基于改进粒子群算法设计一种温度控制方法。对微波烘干设备进行介绍,以STM32单片机作为控制核心同时结合温度传感器、湿度传感器给出系统设计方案。将粒子群优化算法和分数阶PID控制箱结合,设计一种烘干设备温度控制器。粒子群优化算法可实现PID控制器参数的实时调整。另外,通过动态选取惯性权重系数和引入极值扰动算子实现粒子群算法的改机。仿真和试验结果表明,所述控制方法能适应参数多变的复杂系统,温度控制更加稳定,对于提高食物品质具有重要作用。     

多臂机旋转变速机构凸轮廓线建模与重构

为提高旋转式多臂机的运动可靠性,对其旋转变速机构凸轮廓线进行建模求解,并运用粒子群算法进行凸轮廓线重构。首先,研究了旋转变速机构凸轮廓线数学模型构建方法,确定综框运动特性的多项式表达;其次,建立求解旋转变速机构凸轮廓线数学模型,获得基于综框运动特性的凸轮廓线,并建立多臂机提综机构数字样机,进行验证分析;最后,运用粒子群算法进行凸轮廓线重构方法研究,依据所构建的凸轮廓线逆向分析系统重构凸轮廓线。结果表明:提出的旋转变速机构凸轮廓线的数学求解方法,可基于粒子群算法进行凸轮廓线重构,显著提高凸轮廓线中心对称度。     

改进粒子群算法在机械优化设计中的应用

针对机械优化设计中广泛存在的多变量、非线性约束优化问题,提出一种改进的粒子群算法。通过在基本粒子群算法的惯性权重部分加入收缩因子,以解决传统的优化方法容易陷入局部最优的缺陷,改善算法的收敛性。实例表明,该方法在机械优化设计中具有一定的实用价值。     

基于主成分分析和改进支持向量机的猪肉品质识别

目的:剔除近红外光谱存在大量冗余信息以及提高猪肉品质识别的精度,建立猪肉品质快速识别方法。方法:运用主成分分析对猪肉光谱数据进行降维处理,筛选出猪肉光谱特征波长;运用樽海鞘群算法进行支持向量机(SVM)模型的参数优化,提出一种基于樽海鞘算法改进支持向量机的猪肉品质识别模型。结果:与灰狼算法(GWO)优化SVM(GWO-SVM)、网格搜索算法改进SVM(Grid-SVM)、粒子群算法改进SVM(PSO-SVM)和SVM相比,基于SSA-SVM的猪肉品质识别模型的精度最高。结论:融合主成分分析和樽海鞘算法优化SVM模型的猪肉品质识别模型可以有效提高SVM模型的猪肉品质识别精度。     

应用最优Gabor滤波器的经编织物疵点检测

针对经编织物疵点自动检测问题,提出了一种新的基于最优Gabor滤波器的经编织物疵点检测方法。具体可分为学习阶段和检测阶段;在学习阶段,对于无疵点的经编织物图像构造可调制的二维Gabor滤波器,采用量子行为粒子群优化(QPSO)算法对Gabor滤波器的参数进行优化,得到与无疵点的织物图像纹理特征最匹配的Gabor滤波器参数;在检测阶段,由学习阶段得到的最佳参数构造Gabor滤波器,用该滤波器对待检测织物图像进行卷积处理,然后再对得到的卷积图像进行二值化处理,最终识别出待检测织物是否有疵点存在。结果表明,该方法的检测率可以达到96.67%,具有很好的稳定性和鲁棒性,适合应用于工业生产。     

基于改进粒子群的食品分拣机器人动态目标抓取控制方法

目的：解决目前食品生产线分拣机器人抓取操作不稳定、分拣效率低的问题。方法：基于高速并联食品分拣机器人的体系结构,提出了一种基于改进粒子群算法的多目标运动优化策略用于食品分拣机器人的动态目标抓取控制方法。协调抓取顺序和分拣轨迹建立最短路径模型,以末端加速度建立机构稳定性优化模型,并通过改进粒子群优化算法对目标进行优化。结果：通过试验进行了验证,在输送速度100 mm/s时,抓取成功率由96.8%提高到100%,分选速率由1.62个/s提高到1.98个/s。结论：该控制方法能有效提高食品分拣机器人的操作稳定性和分拣效率。     

基于改进粒子群算法的苹果圆形度检测

为解决苹果圆形度检测问题,研究圆形度的改进粒子群算法。建立苹果圆形度数学模型,并对广义钟形分布隶属函数的惯性权重控制过程、基于Z形隶属函数的自适应调节粒子位置过程、适应度函数选择方法进行算法改进,给出了算法终止条件以及算法流程。仿真试验结果表明,改进粒子群算法收敛较快,乔纳金、富士苹果改进粒子群算法的圆形度检测较其他算法正确率高,分别为96%和97%,说明能用该方法进行苹果圆形度机器检测。     

群体智能和智能优化算法(英文)

通常元启发式优化算法是基于群体智能的算法,这些算法通常被称为智能算法.此文综述一些广泛应用的优化算法,包括蚁群算法、蜜蜂算法、蝙蝠算法、布谷鸟搜索、萤火虫算法和粒子群优化.同时,还讨论启发式算法中具有挑战性的问题如参数调整和参数控制.     

一种自适应交替的粒子群差分进化优化算法

为了克服粒子群算法易陷入早熟收敛的缺点及提高差分进化算法的搜索能力,提出了一种自适应交替的粒子群差分进化算法.该算法采用自适应的概率交替使用PSO和DE,通过对6个基准函数的测试,说明本文提出的算法是一种收敛速度快、求解精度高的全局优化算法.     

织物变形舒适性的双群粒子群聚类研究

 针对传统聚类方法存在的一些问题,提出了一种具有个体交换策略的双群粒子群聚类方法,群1根据一个基于适应度的非线性公式动态更新惯性权重,群2采用固定权重,每进化一代,2群交换部分个体。将该方法应用于织物变形舒适性聚类中,以聚类中心作为粒子位置,通过粒子群优化算法获得最优聚类中心,采用最小距离准则对样本进行聚类。最后与模糊聚类做了简单比较,结果表明该方法结论合理,便于应用,为选择服装面料和评价织物性能提供了一种新手段。