基于速度扰动项的多目标粒子群算法研究

通过系统研究多目标粒子群算法,对于标准粒子群使用的线性惯性权重或常值惯性权重方法进行分析,发现粒子后期收敛速度的不足,针对这一问题,采用非线性递减指数函数的惯性权重取值方法,对粒子群速度更新公式进行分析研究,发现在算法迭代后期许多粒子速度停滞为零,易使粒子陷入局部最优,无法找到全局最优解,进而又提出了添加二次函数类速度扰动项的改进粒子群算法,该改进算法避免了粒子在迭代后期的停滞,使粒子在迭代后期仍具有较小的飞行速度,从而避免了粒子后期陷入局部最优。通过试验对比,改进后算法在收敛性和分布性能上均提高(30~50)%左右。     

基于运动目标路径的粒子群优化算法研究

粒子群优化算法(PSO),是一种基于迭代的优化方法,能用于各类优化问题.首先分析传统粒子群优化的搜索策略与基本算法,通过修改限制因素,并对粒子群算法全局极值和个体极值选取方式的改进,从而得到了一个求解运动目标路径优化问题的算法.实验结果证明了算法的有效性.     

粒子群优化算法中惯性权重的研究

惯性权重是粒子群优化算法中的关键参数,文章对惯性参数进行了系统的研究,在此基础上,分析了固定权重,典型的线性递减惯性权重,步长较小的线性递减惯性权重时收敛性能的影响.通过对4个测试函数的仿真实验,验证了它们各自的全局收敛性和收敛速度,说明了惯性权重在粒子群优化算法中有很大的自由度.     

一种动态改变惯性权重的粒子群优化算法

针对粒子群优化算法的局限性，提出了一种动态改变惯性权重的粒子群算法，在优化迭代过程中，惯性权重值随粒子的位置和目标函数的性质而变化。函数测试表明，改进后的算法使收敛速度显著加快，而且不易陷入局部极值点。     

基于粒子群算法的PID控制器参数优化

提出了使用粒子群算法对PID控制器的比例带δ、积分时间Ti寻找最优解的方法.运用MATLAB通过对电厂中过热汽温控制系统内回路一级过热器的辨识模型进行仿真,表明该种算法的有效性.     

基于免疫粒子群算法的PID参数优化研究

针对传统PID控制系统中存在的调节时间长、控制精度低、响应速度慢等问题,提出使用免疫粒子群算法对PID参数进行优化。首先,对粒子群优化算法（PSO）中的惯性权重、学习因子、粒子学习模式进行改进,使得微粒更新适应各个阶段;其次,引入人工免疫思想形成免疫粒子群算法,保证了迭代过程中粒子的多样性,提高了算法精度;最后,在仿真环境下经过对ZN公式法、参数改进后的粒子群算法、免疫粒子群算法在PID控制参数优化效果进行对比可知,免疫粒子群算法的优化控制效果更佳。     

杂交粒子群算法在工程几何约束求解中的应用

工程几何约束问题等价于求解一系列非线性方程组.粒子群算法是一种进化计算方法.它通过创建更好的种群搜索解空间.新的种群基于新的个体而产生.借鉴遗传算法的思想,提出了杂交PSO算法的概念.粒子群中的粒子被赋予一个杂交概率.在每次迭代中,依据杂交概率选取指定数量的粒子放入一个池中.池中的粒子随机的两两杂交,产生同样数目的孩子粒子,并用孩子粒子代替父母粒子,以保持种群的粒子数目不变.实验表明该方法是有效的.     

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。     

采用粒子群算法的AGV路径跟踪控制研究

针对双轮差速驱动自动导引车的轨迹跟踪问题,首先根据车辆角度偏差,横向距离偏差这两者与驱动轮速之间的关系,建立简化车辆运动模型,其次,采用线性递减惯性权重改进的粒子群算法设计控制方案,最后提出时间乘误差绝对值积分准则与误差占比相结合的变化适应度函数。将以上两种控制方法与标准粒子群控制方法进行仿真对比,结果表明,采用线性递减惯性权重粒子群算法能有效提高粒子寻优速度,结合以上两种改进的控制方法,能减小超调量,缩短调节时间,增加车辆行驶稳定性。     

多维度惯性权重衰减混沌化粒子群算法及应用

针对标准粒子群优化算法在处理多维、多峰值优化问题时暴露出的易早熟收敛的难题,提出了MDDCIW_PSO算法。算法的主要思路如下:在粒子群进化过程中,赋予每代群体中每个粒子的每一维度以不同的线性衰减混沌化惯性权重,即从纵向看,随着迭代次数的增加,惯性权重呈现线性衰减变化;从横向看,当代的每个粒子的每一维度都在当前衰减半径内呈现独立的混沌变化。MDDCIW_PSO算法从纵横两个方向,最大可能地增强了粒子在搜索后期的群活性和局部搜索能力,从而尽可能地避免陷入局部最优。大量的标准测试函数仿真结果表明:MDDCIW_PSO算法与已有的典型惯性权重改进策略相比,能够较大幅度地提高粒子群算法的搜索精度。最后将MDDCIW_PSO算法应用于印染定型机的能耗模型优化求解中,取得了满意的结果。     

基于粒子群算法的公差分配优化方法

基于成本—公差模型和质量损失模型,以加工能力和装配尺寸链的功能约束条件为标准,以制造成本最低、质量损失最小为优化目标,建立兼顾产品成本和质量的公差分配的多目标函数优化模型。基于粒子群优化算法,按照从全局到局部的寻优策略,用线性调节方法来确定其参数的变化规律,进而应用MATLAB软件对建立的函数模型进行优化计算,得到产品的生产成本和质量损失之间的关系曲线,可为公差分配提供更多的解决方案和更可靠的理论依据。     

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性.     

基于粒子群算法的齿轮连杆机构优化设计

粒子群算法是一种智能算法,规则简单,容易实现且求解效率较高,很适用于求解机构优化设计问题.实践表明,应用粒子群算法能实现齿轮连杆机构的优化设计,并取得了很好的效果.     

基于混沌粒子群算法的医学图像增强

经典的模糊增强算法在应用于医学图像时,由于在采集或者传输图像时,外部的干扰较多,图像较大几率会不够清晰,该算法的的控制参数是由手动调整控制的,效率和增强效果较差,无法达到最优。由于粒子群算法存在调整参数少,全局寻优的能力,本文将混沌粒子群算法和模糊增强算法结合,运用混沌粒子群算法对模糊增强的增强参数进行优化,仿真实验证实,对于优化后的混沌粒子群算法,可以使模糊的医学图像的清晰率提高95%以上,同时可以突出某些特征,有效地改善了医学图像的视觉效果。     

基于粒子群算法的永磁电机优化设计

将粒子群算法应用到永磁电机的多目标优化设计。利用Matlab脚本语言跨平台调用电磁场分析软件Ansoft Maxwell,建立永磁电机设计的参数化建模方式,实现多目标优化设计。实验表明脚本化建模及多目标优化的可行性,能直接应用到电机的设计制造中。     

基于改进粒子群算法的供应商参与可靠性设计优化

研究供应商参与下的汽车产品子系统可靠性设计的优化问题,考虑供应商参与产品设计的可信度因素,建立以最大化系统的可靠度和供应商的可信度为优化目标的多目标数学规划模型。通过加权的方法把多目标优化模型转化为单目标非线性整数规划模型。采用粒子群(Particle swarm optimization,PSO)算法进行求解,提出适用于“零部件—供应商”关系的离散粒子编码方法。设计带有自适应动态惩罚项的适应度函数,把优化问题转化为无约束优化问题,并将粒子的搜索范围扩展到近可行解空间,进而较好地改进了算法的搜索速度和收敛性能。以某中级轿车传动系统零部件可靠性设计的优化问题为实例,进行仿真研究,应用质量功能展开和模糊评判的方法生成了零部件的权重和供应商可信度初始数据值,仿真结果验证了所提出PSO算法的实用性和有效性。     

基于粒子群优化方法的同心管连续型机器人运动学算法

针对一种应用于微创手术的同心管连续型机器人运动学算法展开研究,通过几种不同运动学算法比较,在兼顾精度以及计算复杂程度的前提下,选用最小能量法建立其运动学数学模型,并选择利用粒子群优化算法强大的寻优能力对相关能量函数寻求最优解。建立了从驱动空间参数到关节空间所有参数的映射关系,通过坐标变换和参数拟合,得到同心管连续型机器人从基点到末端点空间姿态的表达式。通过运动学算例和三维模型的运动学仿真获得的运动轨迹进行对比验证,说明了算法模型的可行性和准确性。     

多工位装配序列粒子群优化算法

针对传统单工位装配序列求解上的不足,将粒子群算法应用于多工位多目标装配序列优化的求解,提出一种面向复杂多工位产品的装配序列优化方法。采用优先序列图(Assembly precedence graph,APG)来描述零件间的优先约束关系,构建优先关系矩阵、装配干涉矩阵、工位能力表和装配信息表,描述装配部件干涉及工位之间的关系;给出粒子群算法编码体系和装配关系算法模型表达方法;综合考虑装配操作成本、装配工具更换成本和装配夹装变更成本和运输成本的影响,提出有工程意义的适应度函数的表达式;根据APG生成随机的可行初始装配序列,并利用粒子群算法(Particle swarm algorithm,PSO)对装配序列和装配工位进行优化。以飞机起落架装配序列规划实例验证多工位粒子群装配序列优化算法有效性。     

基于粒子群优化算法的自由曲线双圆弧逼近

针对数控加工中常用大量直线段逼近平面自由曲线,刀具路径在误差、光顺性、程序数量等方面存在的问题,给出了基于粒子群优化算法的双圆弧逼近平面自由曲线方法。建立了优化的数学模型,并通过最大逼近误差和最大圆弧长度两个变量构造了适应度函数。使用粒子群优化算法确定双圆弧的节点,以达到逼近误差最小、圆弧数量最少的目标,进而对整条曲线的逼近进行优化。进行了试验设计,并与其他方法进行了比较,研究结果证实了方法的有效性与优越性。     

混合粒子交互微粒群算法

针对现有微粒群算法仅考虑单一一种引斥力规则使得其搜索能力存在的不足,考虑在不同搜索阶段采用不同的引斥力规则,提出搜索后期引力增强型混合引斥力微粒群算法(LAPSO算法)。利用拟态物理学中的引斥力规则使粒子保持多样性,提高算法的全局搜索能力;当进入到具有全局最优解的区域时,增强引力作用、减少斥力作用,利用比自身适应度好的粒子和全局最优解粒子的引力作用,提高算法的局部搜索能力。为进一步提高LAPSO算法的优化性能,将其与混合全连接型-环形拓扑结合,提出混合粒子交互微粒群算法(HIPSO算法)。通过6个Benchmark函数进行测试,结果表明,与现有的扩展-微粒群、微-微粒群、中值导向-微粒群等算法相比,所提的LAPSO算法、HIPSO算法具有较好的种群多样性,具有更好的寻优精度、收敛率和最优解搜索能力。结合文献[7]中的柔性流水车间调度离散优化实例和文献[20]中的超声振动加工工艺参数连续优化实例,验证了HIPSO算法的最优解搜索能力。