基于神经元网络和粒子群优化算法的轧制工艺一性能优化

为了达到厚板生产中的强度和屈强比等性能指标，本文在用神经元网络对屈服强度和抗拉强度建模的基础上，结合粒子群优化算法对粗轧开轧温度、中间坯厚度、终轧温度、终冷温度及冷却速率等生产工艺参数进行了优化。优化结果与实验室热轧实验及工业试生产结果的对比表明，本模型能有效地优化厚板生产过程的工艺参数，从而为优化工艺或柔性化生产工艺的设计提供指导。     

基于粒子群优化算法的钢铁企业铁路车辆调度

给出了求解铁路车辆调度问题的粒子群算法流程;分析了求解不同调度问题的3种粒子表示法,即基于粒子位置次序(Particle Position Sequence,PPS)的粒子表示法、基于粒子位置取整操作(Particle Position Rounding off,PPR)的粒子表示法和基于PPS PPR的混合粒子表示法;讨论了PPS PPR混合粒子表示法与调度解空间的映射关系和解码方法。将第3种方法应用于实际车辆调度系统中,求解出机车送货作业行驶的最短路径,建立了基于粒子群优化算法的企业铁路优化调度模型。     

基于改进粒子群优化算法的机器人路径规划

提出了一种改进粒子群优化算法的移动机器人路径规划方法。该方法首先将粒子群分成两组,对其中一组加入变异算子,能提高种群的多样性和避免粒子群优化算法的早熟。该方法模型简单,算法复杂度低,收敛速度快。仿真实验结果获得了从起点到终点的无碰撞路径,证实了该方法的有效性和可行性。     

基于神经元网络和粒子群优化算法的轧制工艺—性能优化

为了达到厚板生产中的强度和屈强比等性能指标,本文在用神经元网络对屈服强度和抗拉强度建模的基础上,结合粒子群优化算法对粗轧开轧温度、中间坯厚度、终轧温度、终冷温度及冷却速率等生产工艺参数进行了优化。优化结果与实验室热轧实验及工业试生产结果的对比表明,本模型能有效地优化厚板生产过程的工艺参数,从而为优化工艺或柔性化生产工艺的设计提供指导。     

基于自适应搜索的免疫粒子群算法

经典粒子群算法由于多样性差而陷入局部最优,从而造成早熟停滞现象.为克服上述缺点,本文结合人工免疫算法,提出一种基于自适应搜索的免疫粒子群算法.首先,该算法改善了浓度机制;然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源;最后对劣质子种群进行疫苗接种,利用粒子最大浓度值调节接种疫苗的搜索范围,不仅避免了种群退化现象,而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性.     

基于粒子群优化算法的钢铁企业铁路车辆调度

给出了求解铁路车辆调度问题的粒子群算法流程;分析了求解不同调度问题的3种粒子表示法,即基于粒子位置次序(Particle Position Sequence,PPS)的粒子表示法、基于粒子位置取整操作(Particle Position Rounding off,PPR)的粒子表示法和基于PPS PPR的混合粒子表示法;讨论了PPS PPR混合粒子表示法与调度解空间的映射关系和解码方法。将第3种方法应用于实际车辆调度系统中,求解出机车送货作业行驶的最短路径,建立了基于粒子群优化算法的企业铁路优化调度模型。     

基于粒子群优化算法的电阻抗图像重建

电阻抗成像的实际应用具有许多优越性,但电阻抗图像重建是一个严重病态的非线性逆问题.目前电阻抗成像的静态算法大多采用Newton-Raphson类算法,这类算法需要计算Jacobian矩阵、使用正则化技术等,算法复杂且稳定性较差.针对该问题,采用了一种新的求解逆问题的方法:粒子群优化算法(PSO).PSO是一种基于种群搜索策略的自适应随机算法,具有算法简单、调节参数少、收敛速度快、易于实现等特点.给出了电阻抗成像的建模模型,并对粒子群优化算法做了适当的改进以适应电阻抗问题的求解.与牛顿类算法相比,它可以省去繁复的雅可比矩阵计算过程,而采用自适应搜索来求取最优解.仿真结果表明,应用PSO进行图像重构时,能够对突变区域进行准确的定位,图像分辨率较高.     

基于粒子群算法的冷连轧轧制规程优化设计

选取等相对负荷为目标函数,令轧制力、轧制功率、轧制力矩、速度等参数满足一定约束条件,采用罚函数法,将有约束条件转为无约束条件,采用粒子群算法对目标函数进行优化,求得最优解,这可使各机架功率合理分配,设备能力充分发挥,生产效率提高。     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于函数梯度信息,不需要手动调节网络结构.粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能.两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度.     

基于粒子群算法的移动机器人全局路径规划策略

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量.     

基于粒子群算法的冷连轧张力优化计算

针对冷连轧机高速轧制过程中带钢容易发生打滑的现象,分析了这种打滑现象的物理过程,建立了打滑因子的数学模型,用来表征打滑现象发生的概率。应用该模型研究了基于粒子群优化算法的冷连轧机架间张力优化算法。采用某钢厂现场轧制数据进行了优化算法的仿真试验,结果表明,经过优化后的打滑因子明显减小,打滑现象发生的概率显著降低,通过张力的优化可以很好地控制打滑现象的发生。     

Prediction of RNA Secondary Structure Based on Particle Swarm Optimization

A novel method for the prediction of RNA secondary structure was proposed based on the particle swarm optimization(PSO).PSO is known to be effective in solving many different types of optimization problems and known for being able to approximate the global optimal results in the solution space.We designed an efficient objective function according to the minimum free energy,the number of selected stems and the average length of selected stems.We calculated how many legal stems there were in the sequence,and selected some of them to obtain an optimal result using PSO in the right of the objective function.A method based on the improved particle swarm optimization(IPSO)was proposed to predict RNA secondary structure,which consisted of three stages.The first stage was applied to encoding the source sequences,and to exploring all the legal stems.Then,a set of encoded stems were created in order to prepare input data for the second stage.In the second stage,IPSO was responsible for structure selection.At last,the optimal result was obtained from the secondary structures selected via IPSO.Nine sequences from the comparative RNA website were selected for the evaluation of the proposed method.Compared with other six methods,the proposed method decreased the complexity and enhanced the sensitivity and specificity on the basis of the experiment results.     

基于粒子群算法的斜齿轮传动模糊可靠性优化

综合运用了模糊数学理论和可靠性优化设计方法,建立了斜齿轮传动模糊可靠性优化设计的数学模型。利用MATLAB粒子群算法(PSO)工具箱进行了优化设计,取得了较好的结果,与序列二次规划可靠度优化设计相比,减速机体积减少10.25%,中心距减少2.8%。验证了PSO可有效获得全局最优解。     

基于改进微粒群优化的泊松曲线沉降预测模型

在现有文献研究的基础上,对泊松曲线沉降预测模型作了进一步的研究,给出了泊松曲线沉降预测模型的一个新方法-改进的微粒群最优化方法.该算法不需要计算梯度,容易应用于实际问题中.通过对微粒群算法的修正,使改进算法具有更加精确和快速的收敛性.经实例计算表明,这种方法具有较高的精度.     

Optimal Heating in Heat-Treatment Process Based on Grey Asynchronous Particle Swarm Optimization

 To ensure plate heating quality and reduce energy consumption in heat-treatment process, optimal heating for plates in a roller hearth furnace was investigated and a new strategy for heating procedure optimization was developed. During solving process, plate temperature forecast model based on heat transfer mechanics was established to calculate plate temperature with the assumed heating procedure. In addition, multi-objective feature of optimal heating was analyzed. And the method, which is composed of asynchronous particle swarm optimization and grey relational analysis, was adopted for solving the multi-objective problem. The developed strategy for optimizing heating has been applied to the mass production. The result indicates that the absolute plate discharging temperature deviation between measured value and target value does not exceed ± 8 ℃, and the relative deviation is less than ± 0. 77%.     

微粒群优化的Canny边缘检测方法

通过对Canny算法进行改进,提出了一种基于量子行为的微粒群优化算法的 边缘提取算法.改进算法对噪声抑制效果明显,能够删除伪边缘,得到精确的边缘.实验结果表明,该算法在保证实时性的同时,具有很好的检测精度和准确度.     

基于粒子群算法地应力场反演研究进展

阐述了基于粒子群算法的地应力场反演方法的基本原理,介绍了粒子群算法在地应力场反演中的研究现状,分析了其存在的不足,并指出与其他智能算法的结合是其发展的方向。