舰船通道布局优化模型及其粒子群算法

舰船通道有机的连接着舰船所有舱室,合理的布局可以提升舰船各个子系统的效能。利用设备布局理论与方法建立舰船通道布局优化多目标模型,选取战斗状态、损管状态、应急逃生状态和补给保障状态等4种状态下的人流物流成本最小为目标函数,基于计入权重的最小偏差法建立统一的目标函数,采用改进的粒子群算法对舰船通道布局优化模型进行求解。人流物流起止点之间最短距离的计算采用图论中的Floyd算法。最后给出一个舰船通道布局算例,验证了舰船通道布局优化模型的合理性,以及改进粒子群算法是一种求解舰船通道布局最优化问题的有效算法。     

基于PCSA算法的分布式电源优化配置研究

以优化分布式电源配置作为基础,针对电力系统配电网所产生的影响进行研究,并按照各个因素提出对应的目标函数所需的数学模型,将克隆选择与粒子群两种不同算法的特性相结合,将优化电源配置遇到的问题通过PCSA混合优化方式处理,从而可以充分发挥其价值的有效使用率。确定目标函数为最小静态电压指标与有功网损,从而创建数学模型,与PCSA算法相结合,对优化遇到的问题进行求解。基于当前粒子群算法收敛速度快速提高后,通过加入克隆复制的方式,从而保护已优化的个体,对计算后值的准确性提升,最终确定接入DG的最佳位置。配电系统通过IEEE33节点作为算例,对该模型与算法中的实用性与有效性进行验证。     

AISPSO算法在电网无功优化的应用

针对粒子群算法搜索后期的局部收敛问题,提出加入邻域空间和择优替换粒子改进方法的自适应信息选择粒子群优化(AISPSO)算法.将AISPSO算法应用于电网无功优化,选取发电机节点电压、变压器、无功补偿容量为控制变量,代入粒子编码机制寻优,在连续5次迭代无法跳出时,加入邻域空间,替换粒子后再次搜索.通过AISPSO算法优化调度,搜索电网网损最优值,达到电网无功优化目标.根据研究数据对比,AISPSO算法寻优所得网损比基本粒子群算法降低了4.43个百分点.     

配电网网络重构策略研究

针对离散优化问题,以粒子群优化算法(PSO)信息更新的本质机理为基础,在基本PSO算法的基本思想、算法框架下,引入分布估计算法思想,重新定义离散粒子的表示方式。将分布估计离散粒子群算法应用到配电网优化重构中,每一维粒子的取值,须根据概率向量产生,在寻优过程中,根据粒子能力的差异,自适应调整其惯性权重,从而寻找对配电网拓扑结构的优化策略,达到降低配电网的网络损耗、提高电压可靠性的目的。     

基于模糊函数和粒子群优化的认知天波雷达波形设计

为减少海杂波对舰船目标遮蔽的影响、提升天波超视距雷达(OTHR)的探测性能,提出了一种基于模糊函数和粒子群优化的认知天波超视距雷达(CSWOTHR)发射波形设计方法.首先基于CSWOTHR闭环自适应工作原理,分析了CSWOTHR发射信号参数对舰船目标检测的影响;然后构建回波信号信杂比(SCR)与发射波形和杂波之间的数学关系,并以最大SCR作为目标函数,利用粒子群优化(PSO)算法估计线性调频连续波(LFMCW)信号的各项参数;最后给出了CSWOTHR发射波形设计流程.仿真结果表明,在中等海况海杂波背景下,采用该发射波形设计方法的CSWOTHR大中型舰船目标回波信号质量得到了提升,系统检测性能明显提高.     

基于粒子群算法的服装矩形样片模型研究

针对服装排料中如何将样片在指定的面料内进行合理的排列,使面料利用率达到最大的问题,在服装样片矩形化的基础上,建立混合组合方式下的服装最优排料的数学模型,并将粒子群算法与实际服装排料经验相结合,设计了整体排料最优求解算法.通过实例证明了服装排料数学模型的有效性.     

基于多目标粒子群算法的泊位-岸桥分配研究

为得出合理且符合实际生产状况的泊位-岸桥分配,建立了船舶在港时间和码头运营成本最小的多目标优化模型,并使用了多目标粒子群算法进行求解。通过多目标粒子群算法分别求解30、40、50、60、70艘船舶的优化模型,得到的可行解使时间和成本这两个目标达到最优平衡,并证明了模型和算法的有效性。试验结果表明,多目标优化方法与单目标而言,可以使码头得到更大的运营效益。     

基于自适应的配电网分布式电源优化配置研究

针对分布式电源接入配电网引起的电压越限和电能质量下降等问题,提出了一种具备自适应特性的分布式电源优化配置方法. 建立了光伏、风电两种典型分布式电源的数学模型,分析其功率输出特性. 构建了同时考虑发电成本、环境成本、有功网损折算成本三项指标的分布式电源优化配置模型. 针对多目标函数和多约束条件的优化配置模型,应用自适应粒子群算法求解,实现学习因子和惯性权重自适应调整以提高算法的寻优性能,由此得到分布式电源的最佳接入位置和容量. 最后,以IEEE33节点配电系统为例进行仿真验证. 结果表明,自适应粒子群算法与传统粒子群算法和混沌粒子群算法相比,求解得到的优化配置方案可达到更好的供电可靠性和经济性要求.     

基于粒子群优化算法的装配序列规划研究

针对装备制造业中存在的装配序列规划问题,建立最小化装配次数和方向改变次数之和为目标的优化模型。针对优化模型提出具有随机性特点的初始种群启发式编码,设计粒子群算法。为避免粒子陷入局部最优,采用不同程度的局部搜索操作方式,达到增强粒子群算法局部搜索的能力。实例验证表明,该算法在解决装配序列规划问题上具有优势,求解效果较好。     

基于正态分布衰减惯性权重的粒子群优化算法

针对粒子群优化(particle swarm optimization,PSO)算法无法在提高收敛速度的同时避免早熟的缺陷,提出基于正态分布衰减惯性权重粒子群优化(normal distribution decay inertial weight particle swarm optimization,NDPSO)算法.以正态分布曲线作为惯性权重的衰减策略曲线,通过引入控制因子对粒子的位置进行改善,使得NDPSO算法能很好的在优化过程中平衡全局搜索和局部搜索能力.使用8个标准函数测试分别对粒子群优化(particle swarm optimization,PSO)、线性权重衰减粒子群优化(linear decay inertial weight particle swarm optimization,LDWPSO)、指数权重衰减粒子群优化(exponential decay weight particle swarm optimization,EXPPSO)、收缩因子粒子群优化(constriction factor particle swarm optimization,CFPSO)、高斯分布衰减惯性权重粒子群优化(Gaussian decay inertial weight particle swarm optimization,GDIWPSO)、基于动态加速度系数的粒子群优化(particle swarm optimization based on dynamic acceleration coefficients,PSO-DAC)、性权重自适应粒子群优化(inertia weight adaptive particle swarm optimization,简称PSO-LH)算法以及NDPSO算法进行仿真,分析他们的收敛速度和收敛精度.结果表明,NDPSO算法不管在单峰函数问题还是多峰函数问题上,总体性能都优于其他算法.     

基于改进粒子群算法的加工方案多目标优化

针对多个加工方案的选择和优化问题,建立了基于粒子群算法的多目标优化数学模型.以生产成本、生产时间、加工质量和生产利润为主要评价指标,利用层次分析法建立阶梯层次模型,根据决策者对各评价指标的不同要求确定了权重.将该方法应用于某汽车变速器四档中间轴齿轮的加工过程中,采用粒子位置取整操作的编码方式,用改进粒子群算法和层次分析法的混合算法进行求解.实例结果分析表明,多目标优化模型能够简单、有效、客观地根据对评价指标的不同要求选择出最优的加工方案.     

马氏田口系统的量子行为二进制粒子群特征选择优化方法

针对标准二进制粒子群用于马氏田口系统的特征选择优化时,存在迭代速度慢,容易陷入局部最优解等不足,提出一种改进的基于量子行为二进制粒子群的马氏田口系统变量选择优化方法。首先,为了规避可能存在的复共线性特性对距离度量结果的影响,本研究采用Gram-Schmidt正交化法计算马氏距离值,对系统进行标准化处理,对各属性向量进行正交化后计算各类别的马氏距离集合,通过ROC曲线确定系统分类的最佳阈值点,定义误分类率概念和被选择变量占比最小作为变量筛选标准,构建多目标的混合规划模型。运用改进的量子行为粒子群算法求解优化组合,为适应二值化的变量优化问题,算法基于概率对粒子进行二进制编码,求取目标函数的适应值,并完成粒子群的优化迭代过程。采用优化的变量组合,构建精简的马氏田口系统,建立度量预测模型,完成精确判别的任务。最后,以胎心分娩力造影术测量的胎儿健康诊断为例,对标准二进制粒子群算法和二进制量子粒子群优化算法进行对比验证,实验结果表明,本文方法可以有效地提升粒子的迭代速度和寻优精度,优化后的马氏田口系统的预测准确率明显提高。     

一种新型的带有小生境技术和精英集策略的多目标粒子群算法

为提高多目标粒子群算法的有效性和运行效率,利用小生境技术求解适应度,采取轮盘赌的方法根据精英集中各个粒子的适应度选取全局最佳位置,提出一种新型的带有小生境技术和精英集策略的多目标粒子群算法。论文对算法运行的过程作了调整,加入小概率变异方法,采用测试函数验证算法的有效性。结果表明,在相同的实验环境中本文算法的运行时间为2.113 s,比基于粒子群的多目标优化算法(4.157s)缩短近一半,即本算法的运算效率大大提高了。仿真结果还表明本文中的算法不仅有很好的收敛性,所得的解还有较好的均匀性。     

一种自适应混合多目标粒子群优化算法

文章针对多目标粒子群优化算法多样性损失和收敛性不好的问题,提出了一种自适应混合多目标粒子群优化算法。首先,使用Sobol序列映射决策变量初始值,使得初始解集在全决策空间范围有更均匀的分布。使用线性递减权重法调整粒子群算法的权重,增强算法收敛性。提出了使用基于多样性指标SP的自适应变异算子增加种群多样性的同时,还提出了在最优档案集中,使用基于改进的世代距离指标GD的自适应混沌搜索增强算法局部搜索能力。最后,将文中提出的改进算法与MOPSO(基本多目标粒子群优化算法)和NSGA2对比,结果显示出该算法能够在保持优化解收敛性的同时获得更好的多样性。     

基于粒子群优化的同步定位与地图构建

针对基本FastSLAM算法的样本枯竭、估计精度下降等问题,提出了一种基于多样性启发因子的粒子群优化FastSLAM算法.利用粒子群搜索寻优重新分配粒子,使粒子的表示更加接近于真实的后验概率分布,并且采用粒子集多样性测度作为启发因子,引导粒子优化搜索过程,确保群体多样性水平最优,减轻粒子退化现象,驱动粒子集向后验概率较高的区域运动.对所提出的算法进行了仿真实验,验证了算法的可行性和有效性.仿真结果表明,该算法能够改进样本枯竭问题,并能够获得较高的定位精度、地图构建精度及较好的滤波估计稳定性.     

基于分解的自适应多目标粒子群算法研究

针对多目标粒子群算法在选取全局最优解和保持种群多样性上存在的缺陷,本文提出了一种基于分解的自适应多目标粒子群优化算法。该算法采用切比雪夫聚合方法,将多目标问题聚合为若干个单目标问题,并对每一个单目标问题粒子的速度和位置更新公式进行改进,提高了算法搜索到Pareto解集的效率。同时,改进了惯性权重和加速因子,使其自适应调整,能够更好地平衡全局和局部搜索,采用网格技术存储最优解集,能有效保持进化群体的分布均匀性,并采用5个经典的两目标测试函数进行了仿真实验。实验结果表明,通过改进粒子群算法的速度和位置更新公式,可以提高非支配解对真实解的逼近程度,体现了本算法的有效性;多目标粒子群优化算法求得的Pareto解集,在解的收敛性和分布性上都有明显的提升。本算法为求解多目标优化问题提供了一种新的方法。     

粒子群算法在配电网络无功补偿优化中的应用

介绍了粒子群算法的原理、模型和算法实现过程,并采用粒子群算法对配电网络无功补偿优化数学模型进行了优化计算,计算结果符合实际情况,表明粒子群算法应用于电力优化计算切实可行,为复杂的电力系统优化设计问题提供了新的思路和方法.     

磁性材料成型烧结生产调度优化方法及应用

建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法.     

基于混沌粒子群算法的车间作业调度优化

为提高车间作业调度效率,提出一种基于混沌粒子群算法的车间作业调度优化方法。首先以机器加工时间最短为优化目标,建立一个多约束的车间作业调度数学模型,然后采用粒子群算法对其进行求解,并通过采用混沌机制保持粒子多样性。仿真测试表明,混沌粒子群算法可以获得车间作业调度方案,具有一定应用价值。     

面向离散优化问题的改进二元粒子群算法

二元粒子群算法被广泛用于求解离散组合优化问题。在求解离散优化问题时,二元粒子群算法会出现解空间利用率低,速度和状态趋同以及退化和波动等演化问题。针对这些问题,提出一种改进的二元粒子群算法。算法使用Gray码演化基编码,混沌初始化过程,改进速度和状态调整方法以及子代处理方法用于提高种群利用率和种群多样性。在不同类型的检验函数以及多选择背包问题上,和现有优化算法及其他二元粒子群算法相比,改进算法能够获得较高的收敛精度以及较快的收敛速度,体现出多离散优化问题的实际效用。