基于微粒群的约束优化

针对微粒群算法在处理约束优化问题时,难以兼顾约束与优化之间关系的问题,提出了一种泛学习微粒群算法(ULPSO),通过引入微粒不可行历史最优,使得微粒的学习更具多样性和有效性,增强了算法的搜索智能.通过对常用的13个基准函敷的测试对比分析,表明该算法求解约束优化问题的计算具有快速性、稳定性和有效性.     

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.     

基于微粒群算法的GM(1,1,λ)模型的机械产品寿命预测

GM(1,1)模型用于机械产品寿命的预测,不仅需要的数据量较少,而且可以节约试验费用、减少大量的试验时间.该文用差分格式将灰色模型GM(1,1)拓广为GM(1,1,λ)模型,并应用微粒群算法(PSO)求解最优的λ值,对机械产品寿命进行预测.实例计算表明,基于PSO的GM(1,1,λ)模型的优化方法优于现有的灰色预测方法.     

基于微粒群多元最优信息规划的WSN路由算法

在无线传感器网络中,通过对于个体最优值和群体最优值的靠拢,微粒群算法为路南寻优提供了很好的搜索能力。但传统微粒群算法容易受微粒初始分布的影响,陷入局部最优,从而导致网络路由过早耗尽能最。在微粒群算法中选择多个最优信息进行路由寻优,能够解决算法陷入局部最优的缺点,具有更好的总体寻优特性。     

可变带宽线性相位FIR滤波器的设计和实现

研究了一种具有稳定相频响应的可变带宽线性相位FIR滤波器的设计和实现.提出了一种基于加权最大误差最小化准则的线性规划方法来设计可变带宽线性相位FIR滤波器.通过利用一种特殊可变滤波器结构,将整个可变带宽滤波器的转移函数表示成定系数线性相位子滤波器的加权线性组合,这里权值直接由带宽所决定.文中基于最大误差最小化准则建立加权误差函数,并利用线性规划方法来求解优化的滤波器系数.该方法避免了复杂的矩阵运算,计算量较小.应用这种滤波器的优点在于只有一个由带宽所决定的可变参数,更新机制简单.仿真实验结果证明了这种可变带宽线性相位FIR滤波器的有效性.     

基于小生境改进粒子群算法的几何约束求解

几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法可以提高几何约束求解的效率和收敛性。     

基于粒子群优化的制造单元重构研究

为解决可重构制造系统的制造单元重构求解问题,采用粒子群算法进行求解,构造总加工路线数维的粒子空间,实现工件数量的多加工路线分配.     

基于改进粒子群算法的盘式制动器优化设计

粒子群算法是近期发展的一种有效的优化方法.基于浓度的概念对粒子群优化算法做了改进,改善了粒子群的多样性,增强了算法的全局搜索能力,从而提高了优化效率.盘式制动器是保证汽车行驶安全的重要部件.应用此方法,以制动时间最短为目标,在几何约束、强度约束、温度约束等条件下,对盘式制动器的主要设计参数进行了优化设计.所得结果表明,盘式制动器的制动效率得到提高,保证了汽车行驶的安全性.     

基于伪并行NSGA-Ⅱ算法的多目标鲁棒PID优化设计

现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求,针对这一缺陷,提出了一种多目标PID优化设计方法--在满足系统鲁棒性的前提下,以超调量、上升时间和调整时间最小作为多目标优化的子目标,并将NSGA-II与PGA相结合对其求解.该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好,决策者可根据实际系统的要求在Pareto解集中选择最终的满意解,这为快速性、稳定性与鲁棒性的权衡分析提供了有效的工具.仿真结果证明了本文设计方法的有效性和优越性.     

基于粒子群优化的数字多频陷波滤波器设计

数字多频陷波滤波器用于同时滤除或抑制数字信号中的多个频率分量,粒子群优化是模拟鸟群迁徙行为的元启发式搜索方法.以改进的粒子群优化算法为基础,提出了数字多频陷波滤波器的设计方法,它通过优化配置陷波系统的极点位置,实现了具有稳定特性的陷波系统的优化设计.所提设计方法的有效性和实用性,得到了一系列仿真实验的具体验证.     

Cat Swarm Optimization algorithm for optimal linear phase FIR filter design

In this paper a new meta-heuristic search method, called Cat Swarm Optimization (CSO) algorithm is applied to determine the best optimal impulse response coefficients of FIR low pass, high pass, band pass and band stop filters, trying to meet the respective ideal frequency response characteristics. CSO is generated by observing the behaviour of cats and composed of two sub-models. In CSO, one can decide how many cats are used in the iteration. Every cat has its′ own position composed of M dimensions, velocities for each dimension, a fitness value which represents the accommodation of the cat to the fitness function, and a flag to identify whether the cat is in seeking mode or tracing mode. The final solution would be the best position of one of the cats. CSO keeps the best solution until it reaches the end of the iteration. The results of the proposed CSO based approach have been compared to those of other well-known optimization methods such as Real Coded Genetic Algorithm (RGA), standard Particle Swarm Optimization (PSO) and Differential Evolution (DE). The CSO based results confirm the superiority of the proposed CSO for solving FIR filter design problems. The performances of the CSO based designed FIR filters have proven to be superior as compared to those obtained by RGA, conventional PSO and DE. The simulation results also demonstrate that the CSO is the best optimizer among other relevant techniques, not only in the convergence speed but also in the optimal performances of the designed filters.     

基于改进微粒群算法的起重机主梁优化设计

现阶段起重机金属结构的优化设计一般都采用传统的优化算法,但传统算法普遍存在或对目标函数有解析性要求、或易陷入局部最优、或耗时较长的问题.微粒群优化算法是一种基于群体智能的新型优化算法,它可调参数少、对解析性无要求,已成功应用于多种领域.将微粒群算法应用于起重机主梁的优化中,经实例验证,在保证优化性能的前提下,基于微粒群算法的设计方法与网格算法相比,优化速度显著提升.     

基于改进粒子群算法的起重机箱形主梁优化设计

针对具有约束条件的起重机主梁优化设计的问题,提出了基于约束规则的粒子群算法。该算法能够在整个可行解空间进行寻优,有效避免了陷入局部最优。计算实例表明：该算法在解决此类问题时,较之传统算法具有更好的优化效果,且效果明显。     

基于多目标粒子群算法的可靠性稳健优化设计

采用随机撮动法和粒子群算法对车辆零部件进行可靠性稳健优化设计，利用模糊的多目标粒子群优化算法求出所有满足约束性条件的pareto解集，结合实际情况依据pareto解集确定零部件的规格。实验证明，该方法能迅速有效地获得可靠性稳健设计的信息。     

基于FIR滤波的NURBS插补算法研究

在考虑数控加工精度和加工效率的基础上,针对传统加减速控制中减速点预测不准的缺陷,提出了一种基于级联滤波器的NURBS插补算法。该插补算法根据速度敏感点将要加工的曲线进行分段处理,避免了插补过程中的爬行与过冲,提高了加工质量。基于弓高误差的速度自适应调整使得加工精度一直在允许的范围之内,基于滤波器的进给速度控制方案使速度过渡平稳,提高了插补的效率。最后对提出的NURBS插补算法进行了实验仿真,结果证明该算法的可行性。     

基于粒子群算法的机翼蒙皮层合板铺层参数设计

在复合材料机翼蒙皮的设计中,上蒙皮的稳定性和面内刚度问题一直被重点关注.为研究蒙皮铺层参数对稳定性和面内刚度的影响,文中建立了基于粒子群算法的权重理想点法的多目标优化模型,并对机翼蒙皮层合板在不增加结构质量的前提下进行蒙皮刚度和稳定性的多目标优化设计.提出的权重理想点法可以使多目标问题更灵活和简洁地转化为单目标优化问题.针对层合板优化的特点,在标准粒子群算法中引入自适应惯性权重和变异策略,提高了优化精度.最后对4种蒙皮层合板进行了优化计算,得到的数据对工程实际设计机翼蒙皮层合板铺层参数有参考价值.     

基于粒子群算法的纵轴式掘进机截割减速器优化设计

截割减速器是纵轴式部分断面掘进机工作机构的核心部件,用常规法设计其体积大,加工制造成本高,设计周期长.将粒子群优化算法引入截割减速器的设计,以体积最小为目标进行优化设计.优化结果表明,该方法可以提高减速器的设计效率,而且所设计的减速器既满足传动比和结构强度要求,又具有体积小、重量轻、结构紧凑的特点,有利于改善掘进机的工作性能.     

基于MATLAB的FIR数字滤波器的设计

介绍了一种利用MATLAB信号处理工具箱设计肌肉电信号数字滤波器的方法,给出了使用MATLAB语言进行程序设计和界面设计的详细步骤.利用MATLAB设计数字滤波器,有利于滤波器设计的优化和为硬件实现提供数据基础.