改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。     

改进的粒子群算法在电力经济调度中的应用

电力系统经济调度(ELD)是一种多约束性和非线性的问题,提出使用改进粒子群优化算法IPSO来优化ELD问题。一方面,通过重组的方式改变粒子的运行方向和速度,提高种群多样性,防止算法早熟收敛。另一方面,提出一种凹函数模型的动态惯性权重ω,并对学习因子c1和c2加以改进,以提高算法的全局搜索能力。将改进的算法应用于8种ELD案例中进行仿真实验,并与其他三种算法进行对比。结果显示,对于8种案例,只有IPSO能全部搜索到最小的燃料成本值,并且IPSO体现出更优越的收敛性和稳定性,能跳出局部最优,因此IPSO是一种高效的解决ELD问题的方法。     

应用混沌粒子群算法求解工程优化问题

针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法.CPSO算法利用混沌搜索的全局遍历性、随机性和规律性等特点,引导粒子在全局范围内搜索,从而克服了传统粒子群算法早熟收敛的缺点.该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据,并用惩罚函数法处理违法约束的粒子,当基本粒子群算法陷入早熟时,随机选择粒子群中的部分粒子实施混沌搜索,直至满足迭代收敛条件为止.CPSO算法能提高种群的多样性和粒子搜索的遍历性,从而有效提高了PSO算法的收敛速度和精度.两个工程约束优化实例的求解结果表明,该算法的优化结果最好,收敛速度也比较快.     

粒子群优化算法在螺旋桨加工量计算中的应用

利用粒子群优化算法对螺旋桨加工量进行优化计算,通过对优化前后数据的比较发现,粒子群优化算法在对螺旋桨加工量计算的优化方面效果较好,从而有效地提高了螺旋桨的加工效率.     

杂交粒子群算法在工程几何约束求解中的应用

工程几何约束问题等价于求解一系列非线性方程组.粒子群算法是一种进化计算方法.它通过创建更好的种群搜索解空间.新的种群基于新的个体而产生.借鉴遗传算法的思想,提出了杂交PSO算法的概念.粒子群中的粒子被赋予一个杂交概率.在每次迭代中,依据杂交概率选取指定数量的粒子放入一个池中.池中的粒子随机的两两杂交,产生同样数目的孩子粒子,并用孩子粒子代替父母粒子,以保持种群的粒子数目不变.实验表明该方法是有效的.     

改进粒子群优化算法在个性化定制系统中的应用

提出了一种新的网络化制造平台下个性化产品定制系统中客户满意度的数学模型,并应用基于Bayes决策的改进粒子群优化(PSO)算法求解客户满意度,获得了较好的收敛效果。面向客户的个性化产品定制系统可以让客户通过定制系统提出对产品的个性化需求,使企业有效地满足客户多品种、小批量、多批次、短周期和高质量的消费需求。     

改进粒子群优化算法在个性化定制系统中的应用

提出了一种新的网络化制造平台下个性化产品定制系统中客户满意度的数学模型,并应用基于Bayes决策的改进粒子群优化(PSO)算法求解客户满意度,获得了较好的收敛效果.面向客户的个性化产品定制系统可以让客户通过定制系统提出对产品的个性化需求,使企业有效地满足客户多品种、小批量、多批次、短周期和高质量的消费需求.     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

改进粒子群算法在紧固螺母路径中的优化

装配生产线上紧固螺母路径优化问题属于多项式复杂程度的非确定性问题(Non-deterministic Polynomial的问题,即NP完全问题),由于该问题的时间复杂度随着问题规模的增大按指数方式增长,到目前为止还未找到一个多项式时间的有效算法。针对该问题,本文提出一种采用改进粒子群算法寻找机械手最优运行路径的新方法,提出的算法是通过引入遗传算法中的变异和交叉方法,提高基本粒子群算法的局部搜索能力来实现的。通过matlab仿真实验表明,提出的方法比常用的蚁群算法能在更短的时间内快速、稳定的寻找到最优路径,而且需要设置参数的较少,在浙江某汽车配件厂流水线上应用取得的成效证明了提出方法的有效性。     

粒子群算法在工程优化设计中的应用

将粒子群算法与惩罚函数法相结合,建构一种离散粒子群算法,解决工程上非线性约束离散变量优化设计问题。为实现离散变量与连续变量的转化,构造了相应的扩张函数,提出惩罚因子的确定策略。通过容器设计算例验证,粒子群算法方法优于文献所列方法。应用粒子群算法、惩罚函数法及所提出的策略对波纹管工程实例进行优化设计,其单位重量下整体波纹管的补偿量比在用产品提高了79.96%,与理论解接近,进一步证明了离散粒子群算法及策略在处理工程非线性约束离散优化设计问题时的有效性,其为工程上类似优化设计提供借鉴。     

扩展拉格朗日乘子粒子群算法解决工程优化问题

工程上很多优化问题,如容器设计、波纹管、板翅式换热器的结构优化设计等,皆为非线性约束优化设计问题,常采用惩罚函数法处理约束条件;为获得问题最优解,该方法需要合理确定初始惩罚因子,且需要动态惩罚因子无穷大。扩展拉格朗日乘子法是一种改进的惩罚函数法,可以克服惩罚函数法的不足,获得全局最优解,但目前对其研究和应用有限。对拉格朗日乘子法与粒子群算法相结合处理非线性约束问题进行研究,提出惩罚因子更新策略,确定扩展拉格朗日乘子粒子群算法合理的操作过程。标准测试函数结果显示：提出的方法及策略实现了扩展拉格朗日乘子粒子群算法解决非线性约束问题,并得到了问题的全局最优解;其在容器及波纹管系列优化设计中的应用进一步显示,提出的方法在处理非线性约束工程实际问题时,运行稳定可靠,可快捷获得问题的全局最优解或近似最优解。     

多目标粒子群优化算法在薄板冲压成形中的应用

有限元分析与优化算法相结合来提高板料的成形质量、缩短设计周期己在板料成形领域得到广泛的研究.传统的优化方法主要是将多目标问题转化为单目标问题进行研究,然而,评价一个板料的成形质量应该是多方面的(如拉裂、起皱和成形不足等)并且各个质量特性之间可能会发生相互冲突.因此直接采用多目标优化算法来提高板料的成形性具有非常重要的现实意义.采用自主开发的STLMesher软件建立模具的参数化模型,在此基础上将试验设计、能代表实际冲压过程精度较高的近似模型和多目标粒子群优化算法相结合,获得了一组最小化起皱和拉裂缺陷的非劣解.在板料成形优化过程中调用的是近似模型,大大减少了调用有限元模型的次数,提高了优化效率.为指导工程设计人员快速有效地从非劣解集中挑选出一组成形效果最好的解,提出最小距离选解法,选出的解实现了对起皱和拉裂缺陷的优化,提高了板料的成形性能.数字算例表明,该方法具有较高的精度和较强的工程实用性.     

PSO改进算法在机械优化设计中的实现

首先引入了粒子群算法(PSO)和其改进算法的简介,然后根据改进算法在Matlab中开发了PSO工具箱。最后以减速器为模型实例采用该算法实现了优化设计。     

Novel Discrete Particle Swarm Optimization Based on Huge Value Penalty for Solving Engineering Problem

For the purpose of solving the engineering constrained discrete optimization problem, a novel discrete particle swarm optimization(DPSO) is proposed. The proposed novel DPSO is based on the idea of normal particle swarm optimization(PSO), but deals with the variables as discrete type, the discrete optimum solution is found through updating the location of discrete variable. To avoid long calculation time and improve the efficiency of algorithm, scheme of constraint level and huge value penalty are proposed to deal with the constraints, the stratagem of reproducing the new particles and best keeping model of particle are employed to increase the diversity of particles. The validity of the proposed DPSO is examined by benchmark numerical examples, the results show that the novel DPSO has great advantages over current algorithm. The optimum designs of the 100-1 500 mm bellows under 0.25 MPa are fulfilled by DPSO. Comparing the optimization results with the bellows in-service, optimization results by discrete penalty particle swarm optimization(DPPSO) and theory solution, the comparison result shows that the global discrete optima of bellows are obtained by proposed DPSO, and confirms that the proposed novel DPSO and schemes can be used to solve the engineering constrained discrete problem successfully.     

混合复合材料飞轮转子成本优化设计

基于平面应力理论,计算多层过盈装配混合纤维增强复合材料飞轮转子的应力分布;指出多层过盈装配复合材料转子多种可能的失效形式;结合增广Lagrange乘子法、粒子群优化(Particle swarm optimization,PSO)算法和经典梯度算法各自的优点,提出可求解非线性约束问题的且具有全局收敛性和较高计算效率的两阶段增广Lagrange粒子群优化算法(Two-stage augmented Lagrange particle swarm optimization,TS-ALPSO);利用TS-ALPSO优化算法,以多层过盈装配混合复合材料转子的分层半径、层间过盈量和转速为设计变量,研究多层混合复合材料转子的成本优化问题;并分析转子材料价格不变时,材料次序、分层数及过盈量对转子储能性能的影响;揭示出转子单位成本储能最大时,转子分层半径、层间过盈量及转速随转子材料价格变化的规律。     

基于粒子群优化算法的工业机器人与外部轴标定

提出一种新的标定方法标定外部轴工作台与机器人工具间的坐标转换关系。该方法分为三步：首先,建立系统的数学模型,并根据模型标定机器人手腕与接触式距离传感器间的坐标转换关系,从而机器人和距离传感器组成机器人测量系统。然后,按预定程序移动检测目标,利用标定好的机器人测量系统测量并采集数据,初步标定出外部轴的转轴和俯仰两轴与机器人基础坐标系间的转换关系。最后,确定优化的目标函数,利用粒子群优化算法优化关键参数以提高系统的整体精度。试验结果验证了该标定方法的有效性。     

基于混合群智能优化的机器人立体视觉标定

准确的立体视觉模型是机器人高精密视觉定位的基础,而传统的单一非线性优化算法难以实现稳定和高精度的机器人立体视觉标定。结合遗传算法全局搜索能力强和粒子群算法局部搜索能力强的特点,提出了一种基于混合群智能优化的机器人立体视觉三步标定方法。针对非线性视觉模型,标定第一步和第二步分别对两个摄像机模型单独作线性初值求解和初次非线性优化,第三步对双目立体视觉模型作联合非线性优化,直接线性变换、遗传算法、粒子群算法分别作用于标定的三个步骤,每一步计算的结果被用作下一步的初始化。仿真试验分析与实际试验结果表明,相对于传统的优化标定方法和使用单一群智能优化算法的标定方法,该方法在噪声环境下具有更高的准确性和鲁棒性,能够更好满足机器人精密视觉操作的需求。