基于粒子群算法的新安江模型参数的优化

文中利用滦河流域大黑汀、桃林口及滦县站多年降水、蒸发及来水量资料,建立了区间年来水量的新安江模型,并利用基于粒子群优化算法对此模型的参数进行了优化。     

一种改进的混合粒子群优化算法

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,把Hooke-Jeeves模式搜索方法作为粒子群优化算法的一个局部搜索算子,嵌入到粒子群算法中,Hooke-Jeeves的强局部搜索能力提高了粒子群优化算法的局部收敛速度和精度,从而提出了一种混合粒子群优化算法。通过基准函数和实例测试进行了验证,结果表明,提出的混合算法的收敛速度和精度均优于粒子群优化算法。     

基于均匀设计的粒子群优化算法参数设定

粒子群优化算法的参数设置通常是依靠经验和试验来确定, 造成试验工作量大且难以得到最优的参 数组合, 影响了算法的使用。通过将粒子群优化算法基本模型的参数设定问题描述成均匀设计中多因素多水平的 试验设计, 从而能够用较少的试验很快设定算法参数的取值。仿真试验表明该方法的可行性和有效性。     

基于粒子群优化算法的变压器参数辨识

基于模型的变压器保护原理需要对变压器绕组参数进行精确辨识.利用双绕组变压器的参数辨识方程,使用粒子群优化算法,提出了新的参数辨识算法.消除了最小二乘法计算速度慢、计算量大的局限性,可以实现对变压器绕组参数的在线精确辨识.通过Matlab/Simulink对算法进行仿真,结果表明,该算法能够正确辨识变压器绕组电阻和漏感参数,具有较好的应用前景.     

基于粒子群算法的Universum SVM参数选择

分类器的模型参数对分类结果有直接影响.针对引入无关样本的Universum SVM算法中模型参数选择问题,采用粒子群优化(particle swarm optimization,PSO)算法对其进行优化.该方法概念简单、计算效率高且受问题维数变化的影响较小,可实现对多个参数同时优选.此外,在PSO中粒子适应度函数的选择是一个关键问题.考虑k遍交叉验证法的估计无偏性,利用交叉验证误差作为评价粒子优劣的适应值.通过舌象样本数据实验,对参数优选前后测试样本识别正确率进行比较,实验结果验证了该算法的有效性.     

基于禁忌搜索的混合粒子群优化算法

针对粒子群优化算法（PSO）易于陷入局部最优解并存在早熟收敛的问题,利用禁忌搜索算法较强的“爬山”能力,搜索时能够跳出局部最优解,转向解空间的其他区域的特点,提出了一种新的基于禁忌搜索（TS）的混合粒子群优化算法（TS—PSO）,并选用两个函数进行测试．结果表明,TS—PSO比其他改进粒子群算法更能提高收敛速度,获得全局最优解．     

一种混沌粒子群混合算法研究

提出了一种混沌粒子群混合算法,该算法综合了粒子群算法全局寻优的高效性和混沌算法局部搜索的随机性和遍历性.通过对几种函数的测试,结果表明该算法的搜索效率和寻优精度高于一般的粒子群算法和改进的粒子群算法.     

量子粒子群算法在结构模态参数识别中的应用

量子粒子群算法作为粒子群算法的改进,具有参数少、好编程、易收敛等优势而备受关注.通过将由结构输入、输出数据计算而得的实测频响函数与包含所需识别的结构模态参数的理论频响函数之差最小化作为优化目标,经过对理论频响函数中的结构模态参数搜索取值而使目标函数最小,此过程将结构模态参数识别问题转化为优化问题.采用量子粒子群算法进行优化而得到结构模态参数.为验证该方法的有效性,对一数值模拟的三层混凝土框架结构进行分析,结果表明,量子粒子群可以有效地识别结构模态参数.     

应用粒子群算法优化地位指数曲线模型参数研究

以优势高和地位指数的估测误差最小为目标函数,采用粒子群优化算法求解地位指数曲线模型的参数.结合实例与免疫算法比较,结果表明:粒子群优化算法求解的参数使模型的总体误差更小,精度更高,拟合效果更理想,更加科学合理,同时也提高了幼林的估算精度.研究的结果为森林经营中生长模型参数的求解以及相关研究提供了新的应用思路,也拓宽了粒...     

基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能，提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数，以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量，基于粒子群算法，引入罚函数和遗传交叉、变异操作，解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例，对优化后的轴承进行应力分析和敏感度分析。结果表明，所提出算法的收敛性能较好、优化能力较强、运算速度较快，优化后的深沟球轴承接触应力下降了31.7%，从而验证了所提出方法的有效性。     

基于混合粒子群算法的梯级泵站优化调度

针对不同时段电价差异,以流量平衡为基础,建立以梯级泵站耗电电费最小为目标的优化调度模型,并采用粒子群算法求解.为克服粒子群优化算法易早熟、迭代后期收敛速度慢的缺点,引入免疫思想,以粒子适应度为标准,通过克隆变异算子、疫苗接种算子和优胜劣汰算子,构建双粒子群,增强了粒子群搜索精度和搜索范围,并将其应用于广东某供水工程.优化调度仿真对比分析表明:免疫粒子群算法(IAPSO)能够有效地解决梯级泵站优化调度问题,降低了泵站运行成本,与基本粒子群算法(PSO)和自适应惯性权重粒子群算法(APSO)相比,收敛速度更快,搜索精度更高.     

粒子群优化算法研究进展

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法．介绍了PSO算法的基本原理和一些改进措施及PSO算法的应用，并对其将来的发展进行了展望．     

混合动力客车机械式自动变速器参数优化设计方法研究

随着汽车日益的增长,柴汽油为动力的客车尾气的排放造成环境空气逐渐的恶化,现在以电机和电池为动力的混合动力客车在我国的市场很受欢迎它与传统柴、汽油为动力的客车有了很大的区别,本文主要研究混合动力客车机械式自动变速器参数的设计和优化,在保证车辆动力性能良好的前提下优化动力的参数,使其具有更好的经济性、环保性.     

粒子群算法在新安江模型参数优选中的应用

对粒子群算法进行了详细描述和分析,并将其应用于新安江模型的参数优选中.对于人工生成的理想水文资料,采用粒子群算法优化新安江模型,可以使全部参数收敛到真值;对于实测的水文资料,通过与单纯形混合加速遗传算法(SAGA)和单纯多边形进化算法(SCE-UA)进行比较,可以看出,粒子群算法全局收敛性能较好,计算效率和精度较高,是一种有效的新安江模型参数优选方法.     

基于混合粒子群算法的粮食应急调度系统中的路径规划

粮食应急调度系统能够在受灾时对应急救援物资进行科学、有效、快速地调配,其中路径规划起重要的作用.然而,由于实际中受灾的需求点数目较多、数目分散、路型与路况不同、时间急迫等特点,对合理有效路径规划的要求越来越高.粒子群算法是一种有效的进化计算方法,能够快速、准确地求解连续变量的优化问题.提出一种新的包括离散个体与连续个体的混合编码粒子群优化算法,用于粮食应急调度系统中的路径规划.结果显示:该算法不仅具有简单的原理,而且能够很好地解决粮食应急调度系统中的路径规划问题.     

粒子群算法中参数的实验与分析

粒子群算法(PSO)中参数的选择是一个重要研究方向,参数的设置常依靠经验来确定,从而造成工作量大且难以得到最优的参数组合,影响了算法的使用.针对以上情况,本文使用3个测试函数对粒子群算法和收缩因子方法(CFM)中的收缩因子、速度约束和种群规模等重要参数进行了系统的实验和分析,并且提出了参数取值策略.实验证明本文提出的参数取值策略能明显地改进PSO算法性能,具有一定的实用价值.     

基于约束的单纯形-粒子群混合优化DEUCE测向算法

文章介绍一种新的基于特征结构的DOA估计算法,并对算法中非线性多维搜索问题限制算法应用这个缺点提出了一种基于约束的单纯形-粒子群混合优化DEUCE测向算法,改进算法把罚函数方法、粒子群算法、单纯形算法有机结合并应用到DEUCE算法中去;仿真结果表明改进算法在保持低收敛门限和高估计精度的优点下,具有更快的运算速度。     

基于粒子群算法的风力机叶片优化设计

叶片是影响风力机可靠性和稳定性的重要组成部分,而设计优良的叶片可以提高风力机的运行寿命和输出功率.以动量叶素理论为基础,对风力机叶片进行优化设计.在考虑风场风速的情况下,以风力机的年能量输出为优化目标,采用粒子群算法对1.5 MW风力发电机叶片的气动性能进行计算分析.仿真结果表明,采用优化后的叶片风力机的输出功率显著提高,证明了优化模型的实用性和有效性.该风力机叶片的优化设计对风力机相关工程类项目的实践具有指导意义.     

基于混合优化方法的UniTire轮胎模型参数辨识

提出一种基于粒子群优化(PSO)算法和修正的Gauss-Newton算法的混合优化方法,对纯纵滑和纯侧偏工况下UniTire轮胎模型的特征参数进行辨识。为充分发挥两个算法的优点,首先,利用粒子群优化算法的全局区域的搜索优势辨识出UniTire轮胎模型的特征参数近似解,然后,利用修正的Gauss-Newton算法局部搜索优势在近似解邻近区域获得UniTire轮胎模型的特征参数的最优解。最后,对辨识结果进行残差分析,结果表明:用辨识数据参数化的UniTire轮胎模型具有较高的精度,可满足构建车辆底盘电控系统硬件在环仿真测试环境的需求。     

基于粒子群算法的CT 系统参数标定及优化

本文针对CT 系统参数标定及成像问题，利用CT 系统成像原理，得到CT 系统参数与探测器接受信息的关系，建立相关的数学模型。基于螺旋CT 原理，利用简单的几何关系，有效地求解出CT 系统模板的参数，较好地实现了CT 系统参数标定。在此基础上利用经典Radon 变换求解出未知介质的几何信息和吸收率信息，解决了未知介质的模型重建的问题。最后特别引入粒子群算法实现五个参数的调节优化，并设计和优化了新的模板，解决了原模板设计可采集的数据较少的问题，精度和稳定性都有明显的改善。