一种混合算法在装配序列规划中的应用研究

基于现有复杂产品装配序列的特点,建立了装配体的几何可行性、零件的重新定向次数及装配体稳定性的目标函数。在原有离散粒子群算法的基础上,引入改进的进化方向算子,该算子可较为突出的改进离散粒子群算法的局部搜索能力。提出了一种混合算法,该算法在不牺牲粒子群算法的局部搜索能力和搜索速度的同时,提高其全局搜索能力,减少算法平均迭代的步数。算例表明:该混合算法具有优良的局部搜索特性及全局搜索特性,算法可快速收敛至全局最优解,可有效解决装配序列规划问题。     

基于混合二进制粒子群-遗传算法的测试优化选择研究

测试优化选择是一个组合优化问题.通过对测试选择的目标和约束条件进行深入分析, 建立了其数学模型, 并提出了一种混合粒子群-遗传算法用于求解满足测试性指标要求的最小完备测试集.该算法将遗传算法中的遗传算子引入到二进制粒子群算法中, 既避免陷入局部最优和早熟收敛现象, 又提高了搜索效率.大量实验证明, 对于测试优化选择问题, 混合粒子群-遗传算法能够快速有效的获得全局最优解.     

基于禁忌粒子群算法的混流装配线排序研究

为了更好地解决开放式作业域的混流装配线排序问题,建立了以最小化超载时间与平顺化零部件消耗为优化目标的混流装配线排序问题数学模型,并提出了一种禁忌粒子群算法求解该排序问题。针对标准粒子群算法在算法后期搜索精度不足以及容易陷入局部最优不能跳出的缺陷,引入了禁忌搜索算法建立了对最优微粒的重搜索机制来提高算法跳出局部最优的能力,同时给出了禁忌算法中候选解、禁忌表长度、禁忌对象、藐视准则的设置方法,并采用了随机权重的惯性权重更新方式来平衡算法的全局和局部搜索能力,最后建立了禁忌粒子群的算法流程。通过比较禁忌粒子群算法与遗传算法的实例计算结果,验证了禁忌粒子群算法在求解开放式作业域的混流装配线排序问题中的有效性和优越性。     

基于改进粒子群算法的无人直升机航路规划

针对山区环境下无人直升机航路规划的问题,提出了一种改进粒子群算法.首先建立航路规划数学模型,将路径长度、飞行高度和威胁指数引入适应度函数;然后采用惯性权重因子调节算法的全局和局部搜索能力,利用选择操作和杂交操作增加种群的多样性,避免陷入局部最优;最后当种群陷入局部极值时,采用变异算子跳出局部最优解.将该算法和传统粒子群算法比较,仿真结果表明,该算法可以避免陷入局部最优,缩短搜索时间,较快得到全局最优路径.     

一种动态邻域的多目标粒子群优化算法

针对粒子群算法在多目标优化问题中存在收敛性差,容易陷入局部最优等缺陷,提出了一种改进的粒子群优化算法。该算法在原有的粒子群算法上增加了两个操作:一是引入了一种变异算子,该变异算子为正态分布随机变异算子,可以使粒子在邻域内随机变异,使其在精英解集中搜索;二是在个体最优位置选取时,对未进入过精英解集的粒子进行变异,使其在新的可行域中寻找,从而加快粒子的收敛速度。经过测试函数验证,该算法可以加快粒子的收敛速度,使粒子更快找到最优解,提高解的收敛性。     

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。     

基于改进粒子群算法的计算及电压稳定约束的最优潮流计算

提出了一种新的考虑电压稳定约束的最优潮流计算方法——混沌粒子群优化算法。以反应当前系统电压稳定程度的L指标作为电压稳定约束,将它以不等式约束形式加入到常规的最优潮流（OPF）中形成含电压稳定约束的最优潮流（VSCOPF）。同时,为了克服常规粒子群优化算法容易早熟而陷入局部最优解的缺点,提出了一种混沌粒子群优化算法。通过几个系统的测试,证实了该算法收敛性好,能够取得较好的结果。     

基于离散震荡粒子群算法的柔性作业车间调度优化方法

提出了一种离散震荡粒子群算法与细菌觅食算法优化融合的混合智能算法,并将其应用于离散型柔性车间调度问题中。该算法利用离散震荡粒子群算法对不断更新的粒子的每一维进行适当震荡搜索操作,并引入细菌觅食算法中的趋同操作作为局部搜索策略,对整个种群中的最优粒子进行邻域搜索,提高最优解的精度。最后利用实际生产数据,对实际生产过程进行仿真。仿真结果表明:所提出的算法收敛速度较快,收敛精度有明显的提高,对于实际调度问题具有一定的理论价值和指导意义。     

改进的粒子群算法在圆锥滚子轴承优化设计中的应用

给出了基于改进粒子群算法的圆锥滚子轴承优化设计方法.该算法通过对每一次进化计算后记忆中的最优粒子进行随机摄动操作来提高解的精度和算法的搜索效率,同时对种群中的最差粒子重新进行初始化来保持种群的多样性以避免陷入局部最优解;并采用惩罚函数法来处理约束,取得了较好的效果.计算实例表明该方法高效可行, 优化结果可直接作为工程设计的参考.     

基于LabVIEW的圆度误差多粒子群优化算法研究

在LabVIEW环境下实现了多粒子群优化算法评定圆度误差。在该算法中,每个粒子群彼此独立地搜索各自的最优解空间;最后从多粒子群的解族中求取最优解。该方法克服了标准粒子群求解时容易产生的“早熟”现象。并与最小二乘算法进行了比较,结果表明该算法优于最小二乘法。     

An integrated method of particle swarm optimization and differential evolution

Particle swarm optimization (PSO) and differential evolution (DE) have their similarities and compatibility in the design update process, such that a new design vector is determined by using neighborhood designs under algorithm control parameters. The paper deals with an integrated method of a hybrid PSO (HPSO) algorithm combined with DE in order to refine the optimization performance. PSO and DE also possess common characteristics compared with genetic algorithm (GA). The crossover- and mutation-like operators are suggested in the HPSO. A bounce back method is also implemented to prevent the design from locating out of design spaces during the optimization process. For the purpose of further enhancing the search capabilities, such HPSO is combined with the Q-learning that is one of efficient reinforcement learning methods. Using a number of nonlinear multimodal functions and engineering optimization problems, the proposed algorithms of HPSO and HPSO with Q-learning are compared with PSO DE and GA. This paper was recommended for publication in revised form by Associate Editor Tae Hee Lee Jongsoo Lee received a B.S. degree in Mechanical Engineering from Yonsei University in 1988. He then went on to receive his M.S. degree from University of Minnesota in 1992 and Ph.D. degree from Rensselaer Polytechnic Institute in 1996. Dr. Lee is currently a Professor at the School of Mechanical Engineering at Yonsei University in Seoul, Korea. He is currently serving as a committee member of the division of CAE and Applied Mechanics in the Korean Society of Mechanical Engineers. Dr. Lee’s research interests are in the area of engineering design optimization, fluidstructure interactions, and reliability based robust product design.     

A hybrid discrete particle swarm optimization algorithm for the no-wait flow shop scheduling problem with makespan criterion

This paper proposes a novel hybrid discrete particle swarm optimization (HDPSO) algorithm to solve the no-wait flow shop scheduling problems with the criterion to minimize the maximum completion time (makespan). Firstly, a simple approach is presented in the paper to calculate the makespan of a job permutation. Secondly, a speed-up method is proposed to evaluate the similar insert neighborhood solution. Thirdly, a discrete particle swarm optimization (DPSO) algorithm based on permutation representation and a local search algorithm based on the insert neighborhood are fused to enhance the searching ability and to balance the exploration and exploitation. Then, computational simulation results based on the well-known benchmarks and statistical performance comparisons are provided. It is concluded that the proposed HDPSO algorithm is superior to both the single DPSO algorithm and the existing hybrid particle swarm optimization (HPSO) algorithm from literature in terms of searching quality, robustness and efficiency.     

APPLYING PARTICLE SWARM OPTIMIZATION TO JOB-SHOPSCHEDULING PROBLEM

A new heuristic algorithm is proposed for the problem of finding the minimum makespan in the job-shop scheduling problem. The new algorithm is based on the principles of particle swarm optimization (PSO). PSO employs a collaborative population-based search, which is inspired by the social behavior of bird flocking. It combines local search (by self experience) and global search (by neighboring experience), possessing high search efficiency. Simulated annealing (SA) employs certain probability to avoid becoming trapped in a local optimum and the search process can be controlled by the cooling schedule. By reasonably combining these two different search algorithms, a general, fast and easily implemented hybrid optimization algorithm, named HPSO, is developed. The effectiveness and efficiency of the proposed PSO-based algorithm are demonstrated by applying it to some benchmark job-shop scheduling problems and comparing results with other algorithms in literature. Comparing results indicate that PSO-based a     

粒子群及局部搜索算法在串并联系统结构优化中的应用

将粒子群算法和局部搜索算法相结合,用于解决串并联系统的冗余分配问题。介绍串并联系统结构,确定该冗余分配问题以系统最小费用为优化目标,以系统可用度不能低于某一确定值为约束条件。应用概率生成函数(UGF)方法计算系统可用度,将粒子群算法和局部搜索算法相结合进行优化求解,并给出迭代过程。通过实例对优化迭代过程进行具体说明。     

新型单反射面紧缩场数控馈源支架系统

针对传统单反射面紧缩场固定式馈源支架固有的定位调节困难、馈源极化人工切换等问题,基于馈源定位原则进行了馈源支架的机械结构和定位调整机构的设计,并做了轻量化处理,创新地实现了馈源绕其喇叭轴线高精度旋转功能,完成了数控馈源支架控制系统和远程控制软件的研制。这种新型的数控馈源支架已成功应用于某单反射面紧缩场中,各项指标均满足设计使用要求。     

基于有限元模拟的Ti6Al4V铣削过程参数多目标优化

为使切削加工过程满足环境意识制造（ECM）的要求,针对质量指标（表面粗糙度）和ECM指标（能耗）,针对Ti6Al4V的铣削过程,采用人工蜂群（ABC）算法优化的高斯过程回归（GPR）方法构建有限元代理模型,并采用多目标粒子群优化（MOPSO）算法获得满足最优加工目标的加工参数。为减少试验成本,采用有限元仿真软件Deform-3D获取各铣削参数组合对应的表面粗糙度和能耗数据,并通过物理试验验证其有效性;基于仿真数据,利用改进的GPR方法构建预测表面粗糙度和能耗的代理模型,并对比了该模型与其他两种模型的性能,证明了改进模型在精度和响应时间上的优势;采用MOPSO算法,以最小能耗和优良表面质量为目标,优化得到加工参数的Pareto前沿,并用物理试验验证了ABC-GPR-MOPSO算法的有效性。     

齿轮箱故障诊断的粒子群优化模糊聚类技术

用粒子群算法取代传统的梯度下降法,优化模糊C—均值算法的各个参数,并依据聚类有效性指标确定最优聚类数及聚类中心,有效地利用了粒子群算法全局寻优的优点,克服了模糊C—均值算法极易陷入局部最优的缺点,将经过PSO优化的模糊C-均值算法应用于齿轮箱故障诊断.试验结果表明,粒子群算法是有效的模糊聚类分析优化算法,提高了齿轮箱故障诊断的准确率.     

步距规结构材料精度分析与存在问题的探讨

针对近年来使用步距规时发现和存在的问题,结合步距规的结构、材料、精度进行了温度与长度变化量的实验,对存在的问题提出建议。     

基于PID神经网络的智能车舵机控制系统研究

针对传统PID控制算法在电磁导航智能车舵机偏差处理中存在比例、积分、微分参数一经确定,不能在线调整,不具有自适应能力的缺点,提出了将PID神经元网络（ PIDNN）控制器及其算法应用到智能车的舵机控制系统中来对传统PID控制进行改进。 PIDNN控制系统不依赖智能车舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的舵机控制。仿真测试表明,PIDNN控制系统的响应快,无超调,无静差,与传统PID控制算法相比,大大提高了智能车舵机控制系统的性能。     

Dynamic compensation for sensors based on particle swarm optimization and realization on LabVIEW

以冲击波压力测试为背景,介绍了一种基于粒子群优化算法(PSO)的动态补偿数字滤波器的设计方法。对压力传感器进行动态校准实验和计算机仿真,根据传感器动态标定时的输入输出数据及参考模型,利用粒子群优化算法进行寻优,得到的全局最优值即为传感器动态补偿器的系数,并利用LabVIEW平台完成了动态补偿滤波器的设计。实验结果表明:经过补偿器处理后的信号与输入的被测信号有良好的一致性。