基于MOPSO算法的斜拉桥索力优化分析

针对斜拉桥设计和监控计算中合理成桥状态和施工状态索力的确定问题,提出了一种基于MOPSO算法的斜拉桥索力优化方法。该方法在PSO算法的基础上通过增加外部储备集和优化更新策略来适应多目标、多约束的索力优化,较单目标优化方法仅有单一解的局限性,MOPSO算法考虑因素更全面,得到的Pareto最优解集可供决策者根据经验进一步筛选。采用Python编程语言,联合有限元软件编写基于该方法的优化程序,选取主塔、主梁的弯曲应变能之和,主塔成桥后在恒载作用下的纵桥向位移平方和作为目标函数,以施工过程及成桥后结构处于安全状态和索力总体分布均匀作为约束条件。工程算例优化结果表明,该方法能够快速搜寻到Pareto最优解集,并从中筛选出最优解,其结构应力处于安全范围,主塔线形合理,索力总体分布均匀。该方法可应用于斜拉桥成桥和施工阶段索力的确定及梁拱组合体系桥梁吊杆索力的确定。     

基于PSO算法的公路养护决策优化研究

针对公路养护决策中存在的问题,以路面养护为例,借助LDR指数建立养护决策模型,利用粒子群优化算法(PSO)决策模型,对不同路面条件下公路养护决策进行优化分析。研究成果将对公路养护提供决策支持,并提出利于公路养护资金优化的方法。     

基于信噪比的多目标决策方法及其工程应用

求解多目标优化问题得到非劣解集后,为了确定出最终的设计方案,研究简单而有效的多目标决策方法十分必要。为此,提出了一种基于信噪比的多目标决策方法。该决策方法在多目标优化设计中引入稳健设计的思想,运用信噪比的概念在非劣解集中选择最稳健的设计作为最终方案。基于信噪比的多目标决策方法,不仅可以方便地对非劣解进行评价和排序,而且考虑到工程实际中误差的客观存在,具有较大的工程应用价值。文中采用某轻型飞机齿轮箱多目标优化设计作为算例,验证了采用该决策方法的必要性和有效性。     

模糊多目标遗传算法及其在营养决策中的应用

讨论了用进化算法来解决多目标优化问题，提出用一个模糊增强Pareto进化算法FSPEA来解决多目标优化问题，并且通过与其他4种算法所获得的解进行比较来分析FSPEA算法的性能．最后把FSPEA应用到营养分析和决策的优化问题来获求最佳膳食营养结构．结果证明了该算法的有效性．     

基于二进制混沌粒子群算法的认知决策引擎

为了解决不同通信模式下认知无线电发射机参数合理优化的问题,提出了一种基于二进制混沌粒子群算法(BCPSO)的认知决策引擎,该引擎利用粒子群优化算法收敛速度快和混沌运动全局遍历性的特点,使认知决策在多目标优化过程中有效地摆脱了局部极值点,提高了参数优化的精度和稳定性．基于认知正交频分复用(OFDM)系统的仿真结果表明,相对于现有认知引擎,该引擎具有平均适应度值高、对不同通信模式鲁棒性强的特点,实现了有效优化发射机参数的目的．     

基于双种群的动态交换策略的粒子群优化算法

提出了一种基于双种群的动态交换策略的粒子群优化算法.该算法将初始种群划分为两个子群P1和P2,而P1和P2遵循不同的寻优机制,然后通过对个体极值(pBest)和全局极值(gBest)的选取进行调整,并在迭代过程中动态的交换两个子群的个体,从而能够更好的完成多目标优化算法对于Pareto front 的搜索和逼近.通过对标准测试函数的实验,证明了该算法的可行性和有效性.     

基于Epsilon-MOEA的给水系统多目标优化与决策

给水系统优化运行是多目标优化问题,决策者需要从众多的候选方案中筛选出一个综合性能最好的方案.将多目标进化算法与多属性决策相接合,采用两阶段方法来求解供水系统的多目标优化与决策问题.首先构建供水系统的多目标优化模型,包括供水系统的运行费用与维护费用最小化,以及水压服务水平的最大化,运用多目标进化算法Epsilon-MOEA求解,生成Pareto解集.然后,基于信息熵方法得到属性权重,用逼近理想的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解进行排序.算例应用表明,该方法能够对供水系统运行的多个目标进行优化,并使决策者能够从众多的候选方案中选出综合性能较好的方案.     

基于模糊决策的最优火电机组组合

提出了一个用于最优机组组合的多目标优化模型,克服了现有算法只考虑单一目标的不足,同时计及了最优权机组组合的经济性和可靠性目标,通过对各目标实现程度的隶属函数进行定义,将多目标优化问题转变成模糊决策问题进行求解．为求解最优机组组合的多目标优化模型提供了有效手段．     

基于模糊算法实现多因素综合决策

以模糊运算为基础,从没度运算的角度指出了多因素综合评判中模糊运算存在的问题,以及运算与结果的关系;讨论了多因素综合评判的运算模型和实现步骤,并以多因素的实验成绩评定为例,对这些模型进行了。通过对评判结果进行比较与分析,得出适用于多因素综合决策的运模型。     

协调型目标的交互决策方法探讨

概述了各种主要的多目标决策方法，指出了其在处理协调型目标决策中的困难，提出了将决策者意见引入分析过程，通过多步单目标规划反复尝试，使各个目标在满意范围内均达到优化的方法，并给出了协调型目标的交互决策程序，最后通过一个简化实例予以说明。     

基于Tent映射和Logistic映射的粒子群优化算法

粒子群优化算法是一种基于群体智能的随机优化算法,针对粒子群优化算法稳定性较差和易陷入局部收敛的缺点,作者提出了一种基于tent映射和logistic映射的粒子群算法,一方面,分别应用tent映射和logistic映射初始化均匀分布的粒群提高了初始解的质量;另一方面,设定粒子聚集程度的量化计算公式和判定阈值,并引入自适应高斯变异策略,增强了算法跳出局部最优解的能力.通过对基准测试函数的仿真计算,证明该算法具有稳定性好和收敛速度快的特点.     

基于混合粒子群算法的粮堆温度模型参数优化研究

粮库温度是非线性的时间序列,模型涉及参数众多,参数之间互有联系,波动较大,参数的取值直接影响到粮堆温度模型的准确性.提出应用混合粒子群算法在参数变化范围内确定最优参数值的方法,将参数取值范围看成粒子群空间范围,应用粒子群算法迭代选取最优值.经试验仿真证明此方法可以求解出合适的参数,与实际情况契合度高.     

基于微粒群算法的神经网络储层物性参数预测

建立了一个具有自适应、复杂非线性储层预测模型,在计算方法上,由于多层前向型神经网络BP算法存在易陷入局部最优的缺点,而微粒群算法具有较强鲁棒性和全局收敛的优点.结合二者长处,利用基于微粒群算法的神经网络计算方法,对神经网络结构进行了改进.利用四川洛带地区气田的测井资料,用所设计的算法对储层的物性参数(孔隙度、渗透率)进行预测,并对其预测精度与用常规基于BP算法和基于LMBP算法得到的预测结果进行了比较分析,发现地质效果明显,有效地克服了基于BP算法和基于LMBP算法的缺点.     

基于多量子粒子群协同进化算法的敏捷供应链伙伴选择

针对敏捷供应链组建过程中伙伴选择的特点,提出了一种基于多种群协同进化的改进量子粒子群算法．在对该算法的设计中,首先将整个量子粒子种群分解为多个子种群,然后使各个子种群进行独立的演化,并通过周期性的共享搜索信息获得对自身信息的更新,最后通过具体的算例对该算法进行了仿真验证．研究结果表明,在算法的收敛性、最优性等方面,基于多量子粒子种群协同进化算法均达到了良好的效果．     

基于粒子群优化算法的BP神经网络在图像识别中的应用

介绍了一种采用微粒群算法与BP算法相结合的方法用于BP神经网络模型优化，来提高模型的收敛速度和精度。仿真结果表明，与BP算法相比较，PSO—BP学习算法训练的神经网络不仅训练时间明显缩短，而且其预报精度也得到了较大的提高。     

基于粒子群的神经网络改进算法在粮情测控中的研究

结合粮情测控中粮情数据分析的特点,利用粒子群算法对基于BP神经网络的模糊控制算法进行了改进,将该算法引入到粮情测控系统的数据分析中,对温度、湿度数据进行信息融合,判断粮堆内部是否处于安全状况.该系统在中央储备粮库中的应用表明,改进的算法能够正确实现粮情安全等级智能分析.     

自适应混沌粒子群优化的粮食应急点选址研究

针对粮食应急点选址,将“运输时间最小”和“应急开始最早”作为目标,建立了相应的优化模型.利用基于粒子群的K-Medoids聚类算法进行求解,为了避免过早地陷入局部最优,提出了自适应混沌粒子群优化算法.该算法利用粒子与已知全局最优粒子的欧式距离来判断粒子群当前状态,并将其作为确定混沌扰动范围的启发信息,可以有效地提高最优解的精度.试验表明该算法优于传统的演化算法,较好地解决了粮食应急点选址问题.     

基于粒子滤波器的参数跟踪方法

在科学和工程实践中，常常需要对动态系统的参数进行实时跟踪估计。传统卡尔曼滤波方法能够有效完成对线性系统的跟踪，而对非线性动态系统的跟踪性能较差。将粒子滤波器理论用于研究动态系统的跟踪问题，提出了基于粒子滤波器的参数跟踪方法。仿真实验表明，对于线性动态系统，该方法性能略优于广义卡尔曼滤波方法，而对于非线性动态系统，其参数跟踪性能则显著提高。     

混合粒子群算法在储粮环境中的应用

为了保证储粮环境安全,需要严格控制湿度、温度等内部与外部因素.将粒子群-BP神经网络技术应用于粮情测控系统,把同一粮仓的不同位置提供的温度、湿度数据进行融合处理,以提高目标参量测量的准确度和稳定性.首先,通过BP神经网络对粮情数据进行初次融合;然后,通过粒子群对其融合结果进行处理.该方法能够实现对同质数据的优化处理,并从整体上考虑了数据的互补性,提高了测控系统的可靠性.     

一种基于信息博弈的粮仓智能通风决策模型与算法

针对粮仓智能通风中的通风模式决策问题,在传统信息融合理论的基础上,提出了智能通风的Bayesian博弈模型,用于解决在粮情信息不完整、不确定设置冲突情况下的通风模式决策问题.结果表明,在有大量粮情信息缺失的情况下,该方法仍能获得正确率95%以上的通风模式决策,高于正确率80%的传统模式智能决策水平.