移动机器人全局路径规划的模拟退火-教与学优化算法

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。     

改进粒子群优化算法在工程优化问题中的应用研究

粒子群优化（PSO）算法是一种群集智能方法，它通过粒子之间的合作与竞争以实现对多维复杂空间的高效搜索。在对于粒子群群体构造和粒子多样性对收敛速度和精度影响的研究基础上提出了一种改进型粒子群优化算法。针对工程中的有约束的优化问题，将改进粒子群算法与函数法相结合进行求解。计算实例表明改进型粒子群优化算法大大改善了传统PSO算法的全局收敛性能，解的精度提高了很多。     

求解物流配送路径优化问题的一种改进蚁群算法

物流配送路径优化是现代物流配送服务的关键环节之一,由于需求的小批量和动态变化等特点,需要设计一个快速有效的求解算法。为此,构建了物流配送路径优化问题的数学模型,设计了一个改进的蚁群算法来求解该问题,引进了选择算子、插点操作和动态改变算法参数等改进措施,开发和实现了一个试验软件包。仿真试验结果表明,该算法具有较好的全局寻优能力,收敛速度快,是解决物流配送路径优化问题的有效算法。     

基于线搜索的微粒群算法在机械设计中的应用

为了避免微粒群优化算法早熟,利用算法不需求导的特点,提出了基于线性搜索的改进微粒群算法及实现过程,并把该算法应用于机械优化问题.实例表明,该方法全局收敛性好,收敛速度快且精度高,是解决工程设计中复杂线性优化问题的可行方法.     

基于改进粒子群算法的白车身焊接路径优化

为优化白车身焊接路径,提高焊接效率,提出一种改进粒子群算法,在传统粒子群算法思想的基础上,将算法寻优过程分为追随和盘旋两部分.基于较近原则生成初始粒子,以减少种群规模,加快收敛速度;在追随部分,通过个体极值追随全局极值和随机原始参考值以贪婪重组的方式重新生成粒子,在增强算法局部寻优能力的同时加快算法的收敛速度;在盘旋部分,采用多次局部调序的策略,通过随机调整粒子局部排列序,保证算法种群的多样性,防止陷入局部最优解;从种群进化代数和种群个体适应度函数值实现算法各参数的自适应调节,加快收敛速度;对粒子个体采取精英保留策略,保留最优粒子.算法通过Matlab平台实现,实验仿真结果表明,提出的改进粒子群算法对于中小规模的白车身焊点旅行推销员问题(Travelling Salesman Problem,TSP)有良好的寻优能力.     

混合优化算法在氧化铝生产中物料平衡计算上的应用

通过分析传统的单一优化算法所存在的优点与不足,成功将粒子群算法、混沌优化以及单纯形法3种优化算法有机结合起来,提出一种基于混沌-单纯形法的混合粒子群协同优化算法,加强粒子群的局部寻优效率和全局寻优性能,以提高搜索速度和成功率.Benchmark 函数仿真以及氧化铝生产中拜耳法物料平衡计算的最终结果表明:新算法不仅在稳定性和收敛性上优于传统粒子群算法和相应的改进粒子群优化算法,且具有较高的收敛速度和全局收敛能力,同时也是进行物料平衡计算的一种有效的方法.     

基于改进粒子群算法的机器人路径规划

为了提高移动机器人路径规划的质量,提出了基于改进粒子群算法的机器人路径规划方法。对障碍物进行膨化处理,简化了障碍物模型;通过坐标变换,将二维优化问题简化为一维优化问题;建立了包含路径长度和路径平滑度的适应度函数;分析了传统粒子群算法及缺陷,引入了跳出机制和牵引操作,跳出机制保持了种群多样性和全局搜索能力,牵引操作加快了算法收敛速度,从而提出了改进粒子群算法;经仿真实验验证,改进算法规划的路径在长度、平滑度、规划时间上均具有优势。     

基于改进粒子群的焊点检测路径规划方法

针对电路板的焊点检测路径优化问题,提出一种改进的粒子群优化算法。在粒子进化过程中,根据时间函数的变化,调整粒子进化参数组合。在焊点空间路径规划过程中,将最小时间函数作为移动准则。在当前焊点检测点,建立路径规划时间函数,利用改进粒子群算法求取时间函数最小点,作为下一路径点,从而逐步得到焊点移动路径。仿真结果表明,利用所提方法可以规划出一条有效最优路径,进行完成焊点路径规划任务。同时实验结果表明,相对于其他粒子群算法,该算法具有较好的收敛精度,且收敛速度可控。     

高维多目标优化设计的灰色微粒群算法

提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用灰色相对关联度将多目标优化问题转化为单目标优化问题,再用改进微粒群算法求解.开发了混合离散变量优化的灰色改进微粒群法程序.该方法能合理地处理优化设计中混合离散变量的取值问题,通过对标准微粒群算法改进,引入动态罚函数,算法具有很强的全局寻优能力.优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,全局收敛能力强.     

基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

应用粒子群算法的3-RPS并联机器人机构位置正解

根据杆长约束条件,给出求解3-RPS并联机器人机构位置正解的无约束优化模型,并应用粒子群算法求解此优化问题。该算法具有控制参数少,全局优化能力较强等优点。数字实例表明,对于并联机构位置正解问题,粒子群算法收敛速度较快,精度较高。     

改进的粒子群算法在可靠性优化设计中的应用

针对粒子群优化算法在处理约束问题时产生的不可行解,引用基于多级罚函数的约束处理方法。为了改进罚函数粒子群算法易早熟、后期收敛慢、易陷入局部最优解的缺点,提出了动态改变惩罚系数的改进粒子群算法。应用于几个经典的测试函数,都在较少的迭代次数内得到了高精度的优化解,验证了算法的有效性。以某一机械零部件的可靠性优化为例,建立了基于改进粒子群算法的可靠性优化设计模型。结果表明:该方法能快速有效地解决可靠性优化设计问题,计算结果明显优于常规的多级罚函数法。     

基于改进粒子群算法的神经网络建模

文章利用粒子群算法优化神经网络的参数,提出了基于粒子群算法的神经网络建模方法。为了提高基本粒子群算法的搜索性能,采用了基于外推技巧的引导型更新公式,并在粒子的搜索过程中,不断监测各个粒子的最优位置,多次没有变化并且距离优化目标太远时,粒子跳出当前位置继续搜索,从而避免陷入局部值。最后使用改进后的粒子群神经网络算法对函数进行拟合,仿真结果表明,新的算法有较好的收敛性。     

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。     

基于改进粒子群优化算法的复合材料可靠性优化设计

提出了一种可用于求解非线性约束优化问题的改进粒子群算法,并将其用于求解复合材料可靠性优化设计。在满足层合结构系统可靠度的情况下,以总厚度最小为目标函数,对复合材料的纤维方向角和厚度进行优化设计。结果表明,改进粒子群算法不但具备基本算法的简单易实现、需调整参数少的特性,而且能够在确保全局收敛性的基础上,快速搜索到高质量的优化解,对复合材料层合结构的可靠性优化设计十分有效。     

基于粒子群优化的开放式车间调度

开放式车间调度(OSP)是重要的调度问题,它在制造领域中的应用非常广泛。优化调度算法是调度理论的重要研究内容。基于人工智能的元启发式算法是解决该问题的常用方法。分析了一种新的元启发式算法——粒子群优化(PSO)在信息共享机制上的缺陷,提出新的基于群体智能的信息共享机制。在该信息共享机制的基础上, 设计新的基于PSO的元启发式调度算法——PSO-OSP。该算法利用问题的邻域知识指导局部搜索,可克服元启发式算法随机性引起的盲目搜索。该算法应用于开放式车间调度问题的标准测试实例。仿真结果显示,PSO-OSP算法在加快收敛速度的同时提高了开放式车间调度解的质量。     

基于免疫粒子群算法的污水处理优化研究

针对污水处理过程所具有的多变量、非线性和大时滞的特点,在污水生化反应过程中提出基于免疫粒子群的参数估计方法。在粒子群进化过程中,引入免疫算法机制,通过抗体与抗原的参数计算来促进或抵制抗体的进化,保证粒子群进化的多样性,指导粒子群的优化过程,克服粒子群算法的早熟现象,加快收敛速度和提高全局寻优能力,成功估计模型参数。应用免疫粒子群算法在各类工程模型确定中有较大的应用潜力。     

基于粒子群算法的并联机器人运动学正解研究

并联机器人运动学正解问题由于涉及到求解非线性方程组问题而不易解决。在对粒子群算法研究的基础上,对其进行改进,以提高全局搜索能力。同时结合外点罚函数法,对并联机器人运动学正解问题重新进行建模,以便于使用粒子群算法进行求解。结合二者形成新的正解求解方法。最后使用该方法,以一台并联机器人为对象进行研究,获得了其运动学正解。     

基于CLPSO算法的结构系统识别

系统识别问题可以转化成高维多模优化问题。针对基本粒子群优化在分析此类问题时容易出现早熟收敛从而导致局部优化和产生较大误差,提出将基于综合学习策略粒子群优化算法(CLPSO)应用于结构参数识别。由于该方法能够保持群体的多样性,因此可以避免早熟收敛。利用该方法在测量数据不完备且有噪声污染的条件下,同时在没有系统质量和刚度等先验信息的情况下对结构系统进行了识别,通过数值模拟以及对某真实结构进行分析,验证了该方法对结构系统识别的有效性。