基于TSP的改进差分进化算法

针对TSP问题,提出一种改进的差分进化算法:利用贪心算法产生初始种群,定义特有的编码匹配函数进行变异操作,排序法修复变异个体,并采用顺序交叉,在变异操作之后,加入新的选择机制,防止交叉操作破坏变异出的优良个体,实验结果表明改进后的差分进化算法能够高效地解决TSP问题,体现良好的优化性能。     

基于多目标优化PID的纸浆浓度控制系统

目的 针对纸浆浓度PID控制系统在时滞性、稳定性、耦合性方面的不足,提出一种基于多目标优化的纸浆浓度PID控制方法.方法 对纸浆生产工艺进行分析,结合纸浆浓度PID控制系统,设定多属性的决策变量,建立对应的目标函数和约束条件;从质量、产量、成本、环境等4个方面对纸浆浓度PID控制过程进行多目标优化,构建基于多目标优化的纸浆浓度PID控制模型;采用改进量子粒子群算法对多目标优化模型进行求解,获得Pareto最优纸浆浓度控制方案;将建模方法、优化算法、优选方法进行耦合,从而形成\"建模-求解-优选\"全过程的纸浆浓度控制方法.结果 通过对纸浆浓度控制优化前后的决策变量进行比较分析可知,多目标优化PID控制方法在评价指标方面满足了质优、高产、低耗的多目标优化的可控性要求;相较于传统PID控制方法,IPSO-PID控制方法的响应速度更快,具有更好的鲁棒性;在PID参数优化方面,文中的优化模型整定控制参数在0.05 s内达到稳态阶段,稳态误差更低,具有更好的稳定性.结论 在保证系统鲁棒性的同时,基于多目标优化算法的纸浆浓度PID控制系统可实现对纸浆浓度的精确性和稳定性控制,更好地满足实际工业生产的要求,确保纸张质量的品质.     

基于改进量子粒子群算法的纸浆浓度控制系统

目的为了克服传统PID控制在具有大时滞性、非线性等特点的纸浆浓度控制系统中性能不足和参数调整困难等问题,研究参数在线调整的方法。方法在传统PID控制的基础上,结合量子粒子群仿生算法(QPSO),提出一种量子粒子群算法优化的传统PID控制器参数,并应用于纸浆浓度控制系统;同时对基本量子粒子群算法进行改进,引入交叉算子,并将该控制算法应用到纸浆浓度控制系统中,并与传统控制进行对比。结果与传统PID控制和基本量子粒子群优化的PID相比较,改进的优化算法能够得到更加令人满意的控制效果,具有系统超调量小、响应速度快、鲁棒性高等优良的性能。结论基于改进的量子粒子群优化算法的纸浆浓度控制系统可有效控制纸浆浓度,能够明显提高系统的控制精度等性能指标,更好地满足实际应用的要求。     

基于差分进化算法的供水系统节能调度研究

针对当前供水系统节能降耗的需求,根据供水系统运行特点,利用合理划分调度期的方式,建立了以节能为目标的优化调度模型;采用差分进化算法对模型进行求解,应用实数编码将决策变量表示为进化种群中的个体;运用罚函数法对约束条件进行转换,并使用加法和乘法的形式进行组合,构建了适应度函数;采用标准差分策略进行变异操作;以天津市中心城区供水系统为例,验证了模型与差分进化算法的有效性,并与遗传算法进行了对比,显示出前者在求解该模型上具有一定的优势。     

基于离散差分进化算法的随机车辆路径问题

针对差分进化算法求解组合优化问题存在的局限性,引入计算机语言中的2种按位运算符,对差分进化算法的变异算子进行重新设计,用来求解不确定需求和旅行时间下同时取货和送货的随机车辆路径问题（SVRPSPD）。通过对车辆路径问题的benchmark问题和SVRPSPD问题进行路径优化,并同差分进化算法和遗传算法的计算结果进行比较,验证了离散差分进化算法的性能。结果表明,离散差分进化算法在解决复杂的SVRPSPD问题时,具有较好的优化性能,不仅能得到更好的优化结果,而且具有更快的收敛速度。     

基于模拟退火粒子群混合算法的纸浆浓度控制系统

目的为了得到最优的控制器参数,以满足纸浆浓度实际控制要求,更好地克服控制难点。方法提出一种模拟退火粒子群混合算法,并应用于纸浆浓度控制系统,对其PID控制器参数进行整定优化,基于MATLAB的.m程序和Simulink进行仿真,并与其他整定方法进行比较。结果该优化方法能够得到较为理想的控制效果,系统过度平稳、响应快、超调小、调整时间短、鲁棒性好,其输出响应曲线上升时间为9 s,超调量为3.07%,调整时间为22.8 s。结论基于此混合算法的优化控制,不仅兼顾2种算法各自的优点,且相对于二者各自的优化控制及传统整定方法具有显著优越性,可以更好地满足现场控制要求。     

基于差分进化算法的不同浓度冰浆流动特性研究

在冰浆运输过程中,寻找一种合适的冰浆体积分数和流动速度配比,在满足制冷要求的前提下既可以减少运输成本,又能减小对运输管道的压力。采用差分进化算法筛选优化了冰浆运输过程中的管内流动压降,得到不同冰浆浓度下的最优流动特性。研究结果表明,制冷量为250 kW、冰浓度为19.22%、流速为1.922 8 m/s可以满足制冷要求,压降最小,制冷效率最高。     

高斯变异差分进化算法及其应用研究

为平衡算法收敛速度和全局搜索能力,克服差分进化算法易“早熟”的缺陷,在分析引起种群多样性下降及个体进化停滞原因的基础上,通过引入高斯变异操作,提出了基于高斯变异改进的差分进化算法(modified differential evolution base on Gauss mutation,GMDE).数值仿真及2个工程优化问题的求解结果表明本文算法能有效避免“早熟”收敛,且在算法收敛速度和全局搜索能力上取得了较好的平衡.     

基于离散差分进化算法雌多维0／1背包问题求解

多维0／1背包问题（MKP）是一种典型的组合优化问题,并且被广泛的应用于各种工程领域。差分进化算法（DE）是一种有效的进化算法,能处理各种复杂的非线性优化问题,但主要是用来解决连续领域的优化问题。提出一种离散差分进化算法,并用来求解MKP问题。在经典测试集上的实验结果表明,提出的算法能更快的求得最优解。     

基于差分进化算法的摩擦力建模与前馈补偿

摩擦力是电机运行时受到的外部扰动,会降低直线电机的跟踪精度.根据摩擦模型设计前馈补偿器是降低摩擦影响的重要方法.首先分析摩擦特性,选用合适的摩擦模型.其次设计电机速度前馈控制器和加速度前馈控制器,提高电机的跟踪性能.根据测得的电机在不同速度下的摩擦力值,运用差分进化算法辨识直线电机的摩擦模型参数,以此设计前馈控制器,实现永磁同步直线电机的摩擦抑制.仿真结果表明,摩擦模型能准确描述被测直线电机的摩擦特性,基于摩擦模型辨识结果设计出的摩擦前馈控制器可以有效地消除摩擦力引起的速度粘滑现象并且减小电机的位置跟踪误差.     

改进差分进化算法及啤酒灌装机液位控制PID参数整定

目的 针对啤酒液位控制系统存在PID参数整定难、非线性、滞后性问题,提出一种改进基于邻域的改进差分进化算法,应用于PID参数优化整定中,从而提高灌装机的工作效率和啤酒的质量。方法 文中对差分进化算法进行改进,设计一种新型的变异策略,在变异环节引入邻域搜索操作;根据当前种群的分布情况,实时对邻域的个数进行自适应分配,以提升算法全局和局部搜索能力;与2种基本差分进化算法和4种改进差分进化算法对比,用18个测试函数验证文中所提出算法的性能。结果 仿真结果表明,相较于基本差分进化算法,使用改进的差分进化算法整定的PID参数,调节时间减少0.22 s,上升时间减少0.04 s,超调量降低7.63%。结论 通过改进的差分进化算法对啤酒灌装机液位PID参数的优化整定,可以显著改善控制系统的超调量、上升时间和稳态误差等性能,实现了液位的稳定控制。     

Two enhanced differential evolution algorithms for job shop scheduling problems

This paper proposes two new differential evolution algorithms (DE) for solving the job shop scheduling problem (JSP) that minimises two single objective functions: makespan and total weighted tardiness. The proposed algorithms aim to enhance the efficiency of the search by dynamically balancing exploration and exploitation ability in DE and avoiding the problem of premature convergence. The first algorithm allows DE population to simultaneously perform different mutation strategies in order to extract the strengths of various strategies and compensate for the weaknesses of each individual strategy to enhance the overall performance. The second algorithm allows the whole DE population to change the search behaviour whenever the solutions do not improve. This study also introduces a modified local mutation operation embedded in the two proposed DE algorithms to promote exploitation in different areas of the search space. In addition, a local search technique, called Critical Block (CB) neighbourhood, is applied to enhance the quality of solutions. The performances of the proposed algorithms are evaluated on a set of benchmark problems and compared with results obtained from an efficient existing Particle Swarm Optimisation (PSO) algorithm. The numerical results demonstrate that the proposed DE algorithms yield promising results while using shorter computing times and fewer numbers of function evaluations.     

几种优化算法在浅海匹配场反演中的性能比较

在分析模拟退火算法、遗传算法、差异进化算法、下山单纯形差异进化算法的优化机理的基础上,定量比较了上述算法在浅海匹配场反演中的效率差异。模拟退火算法与遗传算法只使用目标函数值信息在参数空间搜索全局最优值,效率低且易受参数间耦合的影响。差异进化算法使用种群中个体间的距离与方位信息在参数空间中搜索全局最优值,优化效率随着优化过程的进行而下降。下山单纯形差异进化算法将下山单纯形算法融入差异进化算法,增强了差异进化算法的寻优能力,混合算法对目标函数梯度信息敏感的特性使得这一算法具有较强的解耦能力。浅海匹配场反演仿真算例从最优参数反演结果、最终目标函数值、反演时间等方面检验了上述算法的反演效率。     

一种周期性工作的高分贝喇叭电磁骚扰整改

通过对周期性工作的高分贝喇叭的传导和辐射发射特性进行分析.对其开关电源模块导致的传导和辐射骚扰超标问题进行整改,为涉及开关电源模块的产品的电磁兼容设计和整改提供理论支持.     

模糊环境下基于遗传差分协同进化的多阶段投资组合模型

现实经济活动中投资一般是不确定的和随机的,投资者对于风险资产的选择大多情况下是多阶段的.基于该现实因素,在模糊环境下考虑多个摩擦因素,利用交易限制引入资产的基数约束,建立可能性均值-下半方差-熵多阶段投资组合优化模型(V-S-M),该模型是一个多阶段混合整数规划问题.同时,给出了求解该模型的一个遗传差分协同进化算法(GAHDE),并对不同风险态度下的投资组合策略进行了分析,同时将所得数值结果与可能性均值-下半方差模型(V-M)和可能性均值-熵模型(S-M)进行模型对比,与标准的遗传算法和差分进化算法进行了算法对比,结果验证了所建模型和设计算法的优越性与有效性.     

Performance comparison of several optimization algorithms in matched field inversion

Optimization efficiencies and mechanisms of simulated annealing, genetic algorithm, differential evolution and downhill simplex differential evolution are compared and analyzed. Simulated annealing and genetic algorithm use a directed random process to search the parameter space for an optimal solution. They include the ability to avoid local minima, but as no gradient information is used, searches may be relatively inefficient. Differential evolution uses information from a distance and azimuth between individuals of a population to search the parameter space, the initial search is effective, but the search speed decreases quickly because differential information between the individuals of population vanishes. Local downhill simplex and global differential evolution methods are developed separately, and combined to produce a hybrid downhill simplex differential evolution algorithm. The hybrid algorithm is sensitive to gradients of the object function and search of the parameter space is effective. These algorithms are applied to the matched field inversion with synthetic data. Optimal values of the parameters, the final values of object function and inversion time is presented and compared.