运用粒子群算法求解若尔盖湿地含水层参数

以潜水完整井流理论为基础,依据求解潜水含水层参数的Theis模型近似式,研究了基于抽水试验的粒子群算法确定孔隙潜水含水层导水系数T、渗透系数K、给水度μ等参数的方法和途径。计算结果表明,粒子群算法不仅可行,而且求解精度高,收敛速度比其他方法快,是一种值得在实际中推广应用的求解含水层参数的方法。     

求解自动化药房路径优化的混沌粒子群算法

基于静态存储的基本理论,本文建立了存取药品的模型和优化路径的目标函数。并采用了基本粒子群算法、混沌粒子群算法分别对该模型仿真,验证了混沌粒子群算法的优越性。     

粒子群优化算法在结构参数识别中的应用

利用PSO算法将系统识别问题转化为高维多模优化问题,进行结构参数识别的研究。PSO算法是一种新颖的随机搜索进化算法,通过采取全局优化的策略确保算法得到优化问题的最优解。在输入输出数据不完备且含真实的噪声污染,以及系统质量、刚度等先验信息又缺乏的情况下,利用将基于该算法的识别方法应用于一个真实结构,验证基于PSO算法的识别方法在真实结构系统识别中的有效性。     

太阳影子定位参数反演模型的混合粒子群算法

针对非线性太阳影子定位参数反演问题,给出一种基于单纯形算法的权重线性递减的粒子群混合算法,此混合算法融合了单纯形算法的精确局部搜索能力和粒子群算法全局搜索能力,且采用权重线性递减的粒子群算法加快了算法的收敛速度。在太阳影子定位参数反演的数值实验中,所提算法不仅成功反演参数,而且拥有较高的计算精度和更快的收敛速度。     

粒子群算法求解物流路径优化问题

为了高效解决物流配送车辆路径优化问题,提出一种粒子群优化算法,根据粒子群较强的寻优能力,扩大了种群多样性和提高算法精度。本文针对此算法进行仿真实验,结果证明该算法寻求的最优解、平均解、以及找到最优解次数和时间均有明显效果。     

基于自适应粒子群算法的桩动力参数反分析

将自适应粒子群算法（MPSO）应用于完整桩基动力参数的识别,数值计算结果表明,所建立的智能方法能够对桩基动测进行有效的多参数识别,具有良好的全局收敛能力,是一种行之有效的计算方法。     

粒子群算法的边界问题研究

粒子群算法是一种实现容易、精度高、收敛快的新型进化算法。该算法在实际应用时会遇到粒子运动超出搜索空间的边界问题。边界问题对算法的效能产生了一定的影响,需要对其加以研究和解决。     

基于粒子群算法的钢结构截面优化设计

介绍了粒子群算法的基本思想、实现步骤并编制了相应的程序,将粒子群算法应用于钢结构截面优化设计问题中,可方便地对各种钢结构截面进行优化设计。最后通过一个算例验证了该方法的效率和有效性,结果表明该方法科学可行,具有很好的应用前景。     

基于粒子群优化算法的热网优化设计

基于粒子群优化算法,以热网年折算费为目标函数,在水力约束条件下求解优化的管径.结合算例,验证了粒子群优化算法的可行性和有效性,取得了良好的效果.     

混沌模拟退火粒子群优化算法

基于模拟退火思想的粒子群优化算法和混沌粒子群优化算法,提出了混沌模拟退火粒子群优化算法,编写了其具体流程图,并通过两个算例,验证了该算法的效率和有效性,结果表明该方法可行,具有广泛的应用前景。     

基于微粒群优化的智能位移反分析研究

优化技术是影响反分析精度和效率的重要因素,将微粒群优化技术与支持向量机技术结合,提出了一种新的智能位移反分析方法。该方法利用了支持向量表达非线性关系方面的优良特性,可以避免大量的数值计算,同时充分利用微粒群的全局优化、收敛速度快的优点。将提出的方法应用到具体的算例中,比较表明,本方法是一种科学、可行、收敛快、精度高的优秀算法。     

微粒群优化算法在Theis公式参数识别中的应用

采用一种微粒群优化算法来识别承压完整井非稳定地下水运动Theis公式中的水文地质参数。微粒群算法是一种新型的群体智能算法,它将每个个体看作在多维搜索空间中的一个没有重量和体积的微粒,并在搜索空间中以一定的速度飞行,该飞行速度由个体的飞行经验和群体的飞行经验进行动态调整。然后根据个体适应值大小运算,根据适应度函数对微粒的速度和位置进行进化,最终得到足够好的适应度值。本文采用微粒群算法可根据抽水试验资料快速反演Theis公式近似解析解中的水文地质参数。实例计算结果表明该微粒群算法计算速度快,在水文地质逆问题求解中值得推广应用。     

改进粒子群算法的两阶段梁式结构损伤识别

针对实际工程监测时损伤识别误差大的问题,提出一种基于改进粒子群算法的两阶段识别方案。第1阶段利用D-S证据理论融合算法进行损伤定位;第2阶段利用改进的粒子群算法,对定位结果进行修正,同时准确定量损伤。仿真算例和实验分析结果表明:由于第1阶段损伤定位减少了可能损伤单元的数量,第2阶段基于改进粒子群算法的搜索范围减小,能更准确地识别多损伤和小损伤的位置和程度,且抗噪性能良好。     

基于微粒群算法和模糊神经网络的火灾探测研究

针对火灾探测的特点,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。采用符合国家标准明火、阴燃火以及厨房环境下的干扰火等作为模糊神经网络的训练样本和测试样本,依据模糊神经网络算法要求,完成了网络结构的设计,并给出相应的计算模型,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在探测国家标准火的火灾状态方面具有有效性和可行性。     

量子粒子群算法在钢框架优化设计中的运用

介绍了标准粒子群算法的基本思想,提出了钢框架抗震优化设计的量子粒子群算法,建立了多层钢框架优化设计数学模型,最后通过一个算例验证了该方法的效率和有效性,结果表明该方法科学可行,具有很好的应用前景。     

基于微粒群算法和BP网络的结构损伤识别

提出了基于BP网络的结构损伤识别方法,同时引入了微粒群算法对BP网络权值和阀值进行优化,建立了完整模型和损伤模型,进行了仿真,经检测样本证明,微粒群算法优化后的BP网络能很好的识别出结构损伤的位置和程度,是一种快速、有效的结构损伤识别方法。     

粒子群优化协同克里金法在确定山地斜坡土层厚度中的应用

克里金法是广泛应用的空间插值方法,但仅考虑单一因素的普通克里金法在确定山地斜坡土层厚度中存在较大误差。针对普通克里金法中的不足之处,提出了一种确定土层厚度的基于粒子群优化的协同克里金法。该方法首先用粒子群优化算法拟合半变异函数,然后将该函数用于以高程值作为辅助变量的协同克里金法中,并根据均方根误差来评价土层厚度的不确定性。将该方法应用于重庆万盛某边坡土层厚度的确定,通过交叉验证,结果表明:与普通克里金插值法相比较,考虑高程的协同克里金法插值的均方根误差降低了39.32%;基于粒子群优化的普通克里金法和协同克里金法的均方根误差分别降低了28.79%和48.45%。基于粒子群优化的协同克里金插值法对提高土层厚度的插值精度有较大作用。     

基于抽水试验微分分析的岩溶含水层水文地质参数计算

利用降深-时间曲线计算水文地质参数的基础是地下水向井运动及泰斯（Theis）假设。然而由于抽水试验延续时间较长,水流场不仅受边界条件影响,还受含水层的非均质性影响,从而导致在某些抽水时间区段内,地下水流难于满足向井运动假设。利用微分分析方法,可清晰划分出降深-时间曲线中符合向井运动的时间区段,并根据分析结果选取合理的井流模型,进行有效的参数计算。实际应用表明,基于抽水试验的微分分析,整合了更多的地质信息,确定了边界条件及含水层非均质性对抽水试验的影响,为计算合理的水文地质参数,提供了有利的技术支持。