混合粒子交互微粒群算法

针对现有微粒群算法仅考虑单一一种引斥力规则使得其搜索能力存在的不足,考虑在不同搜索阶段采用不同的引斥力规则,提出搜索后期引力增强型混合引斥力微粒群算法(LAPSO算法)。利用拟态物理学中的引斥力规则使粒子保持多样性,提高算法的全局搜索能力;当进入到具有全局最优解的区域时,增强引力作用、减少斥力作用,利用比自身适应度好的粒子和全局最优解粒子的引力作用,提高算法的局部搜索能力。为进一步提高LAPSO算法的优化性能,将其与混合全连接型-环形拓扑结合,提出混合粒子交互微粒群算法(HIPSO算法)。通过6个Benchmark函数进行测试,结果表明,与现有的扩展-微粒群、微-微粒群、中值导向-微粒群等算法相比,所提的LAPSO算法、HIPSO算法具有较好的种群多样性,具有更好的寻优精度、收敛率和最优解搜索能力。结合文献[7]中的柔性流水车间调度离散优化实例和文献[20]中的超声振动加工工艺参数连续优化实例,验证了HIPSO算法的最优解搜索能力。     

基于Lévy飞行微粒群算法的液压系统可靠性优化

针对微粒群算法易于陷入局部最优解、早熟的缺点,将Lévy飞行引入微粒速度迭代公式中,并动态改变微粒群速度迭代公式中Lévy飞行的权重值,提出动态Lévy飞行微粒群算法。根据T-S故障树理论,建立液压支架液压系统的可靠性模型,进而得出可靠性费用目标函数。将提出的动态Lévy飞行微粒群算法应用于液压支架液压系统的可靠性优化中,并通过标准微粒群算法、布谷鸟搜索算法和基于Lévy飞行微粒群算法比较,验证所提出算法的优越性。     

基于Lévy飞行微粒群算法的液压系统可靠性优化

针对微粒群算法易于陷入局部最优解、早熟的缺点,将Lévy飞行引入微粒速度迭代公式中,并动态改变微粒群速度迭代公式中Lévy飞行的权重值,提出动态Lévy飞行微粒群算法。根据T-S故障树理论,建立液压支架液压系统的可靠性模型,进而得出可靠性费用目标函数。将提出的动态Lévy飞行微粒群算法应用于液压支架液压系统的可靠性优化中,并通过标准微粒群算法、布谷鸟搜索算法和基于Lévy飞行微粒群算法比较,验证所提出算法的优越性。     

车辆前纵梁封板冲压的聚集度自适应粒子群优化

为了提高车辆前纵梁封板的冲压件质量,提出了基于聚集度自适应粒子群算法的冲压工艺优化方法。介绍了前纵梁封板的三维模型、坯料设计结果和冲压成形原理。基于成形极限曲线,以减小冲压件的减薄率、增厚率、回弹量为目标,建立了多目标优化模型。使用复合中心实验法设计了5因素5水平的32组实验,基于Autoform软件获得了实验数据。使用BP神经网络拟合了输入输出间的回归关系,并验证了回归模型的精度。在粒子群算法基础上,依据粒子相似度和种群聚集度,将Levy飞行融入到粒子群算法中,提高粒子多样性和算法优化能力,从而并提出了聚集度自适应粒子群算法。将改进粒子群算法应用于多优化模型求解,改进粒子群算法收敛速度早于传统算法,且改进粒子群算法搜索的目标函数值比传统算法减小了3.71%,说明了改进算法的优越性。经验证,优化后的试制件外观合格,减薄率、增厚率及回弹量均满足质量要求,可以进行批量生产。     

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.     

复杂系统可靠性冗余优化的量子粒子群算法研究

由于复杂系统可靠性函数常常具有非线性的特点,因此如何确定复杂系统各单元冗余数,设计既满足可靠度要求、又使系统成本最小是冗余优化问题中的难点.针对复杂系统的特点,提出了基于量子粒子群算法的求解方法.根据数学模型,详细探讨了量子粒子群算法在系统的可靠性优化计算中应用的可行性,并给出了基于粒子群算法的可靠性的求解策略,同时对桥式系统的可靠性优化设计问题进行分析计算.仿真表明,该算法具有较强的局部搜索能力,与其他方法相比,该算法有较高的搜索效率,能够找到更优的解.最后验证了该算法在复杂系统可靠性优化中的可行性和有效性.     

基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论.建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化.运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率.     

基于改进混合作用力微粒群算法的液压阀块加工车间调度优化

针对微粒群算法作用力规则的不足，提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略，将算法的搜索过程分为前期和后期2个搜索阶段：在前期搜索阶段，微粒在其他微粒的引斥力作用下进行最优搜索，以保持种群多样性；在后期搜索阶段，微粒在双引力及引力提供的加速度的共同作用下向最优解收敛，以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题，利用矩阵变量来处理约束条件，给出一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例，将IHFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、多作用力微粒群算法进行对比，验证提出的IHFPSO算法结果最优，实现液压阀块加工车间调度优化。     

基于动力驱动微粒群算法的液压矫直机PID控制参数优化

为兼顾微粒群算法收敛速度与跳出局部解的能力，利用阶段性搜索方式将算法搜索过程分为前、后两个不同阶段。在算法的前期搜索阶段，当前微粒受个体最优微粒与全局最优微粒的引力作用，在算法的后期搜索阶段引入中值导向加速度，提出一种动力驱动微粒群算法。最后，针对液压矫直机PID控制的参数优化问题，考虑控制信号、上升时间和误差量的关系，建立液压矫直机PID控制参数优化模型，利用动力驱动微粒群算法优化得到更好的参数组合，实现PID控制参数优化。     

引入单纯形算子的粒子群优化算法在板形模式识别中的应用

将粒子群理论引入板形模糊模式识别系统，对识别后的板形进行优化，提高了板形识别的精度。粒子群算法作为一种全局优化算法，对于复杂优化问题，存在容易陷入局部极值的不足，因此，提出了粒子群和单纯形混合优化算法，将具有良好局部搜索能力的单纯形法与粒子群算法的全局搜索能力结合起来，有效地提高了板形模式识别优化的收敛速度，同时也提高了识别精度。     

基于网格的演化算法及其应用

通过使用注塑模设计网格平台,可以利用网格环境中动态、异构和分布的资源,协同解决复杂的注塑模优化设计问题。为此,将一个基于信息熵控制的多种群演化遗传算法发展为一个基于网格的演化设计算法。该算法在保持种群多样性的同时能够有效地提高收敛速度,从而缩短优化设计时间。算例的优化结果表明,本文所提出的网格算法具有较高的效率,能够满足注塑模优化设计的需要。最后,对比了使用不同数量计算节点的网格加速情况,并分析了相关的变化趋势及产生原因。     

制造网格中资源的层次检索方法研究

分析了传统资源搜索方法应用在制造网格中的局限性，建立了制造网格中资源的信息模型和层次检索模型。在此基础上，提出了一种制造网格中资源的优化检索方法，通过与其他算法比较并结合实例验证了该检索方法的高效性与可行性。     

机电产品管路自动敷设的粒子群算法

基于粒子群优化算法提出一种机电产品三维管路自动敷设算法,该算法以预处理和优化搜索为基本框架。在预处理阶段,利用混沌技术,建立混沌栅格预处理模型。三维管路敷设空间经过混沌栅格预处理模型处理,可有效地降低管路自动敷设算法的求解复杂度。在优化搜索阶段,通过分析粒子群算法和人口迁移的特点,提出改进粒子群算法。改进粒子群算法针对粒子群算法收敛速度慢、容易陷入局部极小的缺点,提出子空间局部搜索、解空间全局搜索和补空间开拓搜索。基于混沌栅格预处理模型和改进粒子群算法,给出高效的管路自动敷设算法流程图。对比试验和改进粒子群算法的理论分析,表明该优化搜索算法具有较好的性能,并证明改进粒子群算法的收敛性。实例验证表明该算法的有效性和实用性。     

基于多目标的视觉检测系统的构建

提出了一种同一视块内多目标图像的识别方法及视块的拼接方法，并对模拟检测对象进行了实验，在识别速度，识别准确率方面与传统方法进行比较。     

制造网格的搜索算法研究

通过分析网格计算理论，提出了制造网格模型，它是由制造企业“自组织”形成的分布式、动态和松散的虚拟专用网络。制造网格将多种类型和规模的制造业企业联系起来，形成有效的制造资源共享机制以及巨大的制造能力。讨论了制造网格的搜索算法，提出基于多Agent的制造网格的搜索系统，应用该系统可对制造网格中制造资源进行有效的搜索和共享。     

基于混沌算法的机电产品管线自动敷设研究

针对机电产品管线敷设的困难,提出了一种机电产品3维管线自动敷设算法.该算法以预处理和优化搜索为基本框架,通过引入混沌技术,在预处理阶段建立了混沌栅格预处理模型,可有效地提取可行解空间,缩小了搜索范围,提高了求解效率.通过利用分层的思想,提出了在优化搜索阶段高效搜索解空间中优化管线轨迹的分层混沌优化算法.通过算法复杂性分析,给出了自动敷设算法的时间复杂度,并通过实例验证了该算法的有效性和实用性.     

双目立体视觉测量方法研究

提出了一种简易快速的特征点提取算子，并与经典算法作了实验对比，证实了所提算法简单、有效、可靠，对外界光照条件具有较强的适应性，且抗干扰能力强。在进行特征点匹配时，在现有约束条件的基础上，提出了基于被测物体形态与摄像机相对位置的视差范围约束，根据视差方向性并采用动态搜索方法来缩小匹配点的搜索范围，从而提高了搜索速度，降低了错误匹配概率。通过对具有已知三维坐标标准件的计算机仿真实验，证实了所提出的特征点识别与提取及匹配方法是切实有效的。     

图像匹配算法研究

文本讨论了常用图像匹配算法，在介绍了序贯相似性检测法、不变矩法及去均值归一化相关法的基础上，提出了一种以去均值归一化相关法为主的改进匹配算法，该改进算法不但在处理旋转目标的匹配时具有较高的精度，而且通过改进其搜索策略,使改进算法具有了算法速度快、误匹配率低的优点。     

混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。