基于改进离散粒子群算法的炼钢连铸最优炉次计划

提出了炉次数未知的炼钢连铸一体化生产的组炉模型.对该模型直接求解存在大量不可行解的困难进行分析,提出将该模型转化为伪旅行商问题的方法,并提出采用离散粒子群优化算法求解该问题.针对离散粒子群优化收敛速度和精度低的缺点,提出了一种基于序列倒置的改进离散粒子群优化算法.引入学习选择概率来选择学习粒子,利用运行代数阈值常数确定当前粒子何时向全局最优粒子学习,并通过局部最优子粒子群比决定局部最优子群的规模.讨论了这些参数的选择原则,并给出了相应参考选择范围.实验研究表明,所提模型是合适的,所提改进算法是有效的.     

基于k-中心点法的改进粒子群算法在旅行商问题中的应用

为将面向连续优化的粒子群优化算法应用于旅行商问题的求解,提出了旅行商问题的权重编码方案.该方案将属于组合优化的旅行商问题转化为连续优化问题,同时保留了粒子群算法的易操作性和高效性.针对粒子群算法易陷入局部最优的问题,提出了适合旅行商问题的基于k-中心点法的改进措施.该措施利用简单匹配系数构建粒子群的相异度矩阵,在此基础上采用k-中心点法对粒子群进行聚类分析,实现了粒子之间的信息交换,扩大了粒子的搜索空间,避免算法陷入局部最优.最后,用旅行商问题标准库的4个算例验证了权重编码方案和改进粒子群算法的有效性.     

基于改进粒子群算法的路径规划研究与应用

为解决应用于旅行商问题的基本粒子群算法存在的收敛精度不高且早熟等问题,提出一种改进自适应杂交退火粒子群(IAHAPSO)算法。该算法采用基于种群离散度的分种群式自适应调整惯性权重,引导种群的正确进化发展方向;采用模拟退火算法更新群体极值的策略,避免粒子搜索陷入局部最优解;并在种群发展过程中引入遗传杂交算子,增加种群的多样性。通过3种标准TSPLIB测试集验证所提IAHAPSO算法在求解精度及效率上的可行性和优越性。以四轴裁剪机试验系统进一步验证所提算法的有效性。     

基于粒子群算法的立体仓库系统堆垛机作业路线优化

运用粒子群算法优化立体仓库系统堆垛机作业路线。实际应用证明,该算法用于自动化立体仓库系统堆垛机作业路线优化是有效可行的。     

基于最佳粒子共享的并行粒子群优化算法及其在分类中的应用

粒子群优化（Particle Swarm Optimizer,PSO）算法是数据挖掘技术的一种算法。数据挖掘就是从大型数据库中的数据中提取人们感兴趣的知识。PSO算法模仿鸟群、鱼群的行为,通过群中的每个个体即粒子,依靠本身的速度向量和群信息,在多维搜索空间中搜索找到最优解。并行粒子群算法可以减小粒子间的相互干扰,扩大搜索范围;对于大规模或超大规模的多变量求解具有重要的意义,可以提高解的速度和解的质量。本文提出了并行粒子群的改进算法。同时将改进的并行粒子群算法应用于数据挖掘的分类中。实验采用IRIS数据集,它有3个类别,分别为Setosa,Versicolor,Virginica,每个类别包含50个例子。每个例子有4个属性,分别为花萼长度,花萼宽度,花瓣长度和花瓣宽度,将数据按9：1分成两部分,大的作为训练样本,小的作为测试样本。得到一个分类规则,将这规则用于测试集,准确率为91．5％。实验结果表明该算法可行。     

粒子群算法在工程优化设计中的应用

将粒子群算法与惩罚函数法相结合,建构一种离散粒子群算法,解决工程上非线性约束离散变量优化设计问题。为实现离散变量与连续变量的转化,构造了相应的扩张函数,提出惩罚因子的确定策略。通过容器设计算例验证,粒子群算法方法优于文献所列方法。应用粒子群算法、惩罚函数法及所提出的策略对波纹管工程实例进行优化设计,其单位重量下整体波纹管的补偿量比在用产品提高了79.96%,与理论解接近,进一步证明了离散粒子群算法及策略在处理工程非线性约束离散优化设计问题时的有效性,其为工程上类似优化设计提供借鉴。     

一种改进的粒子群优化算法

针对粒子群算法容易陷入局部最优的缺点,在改变动态惯性权值的基础上,提出了一种动态迭代次数粒子群算法DIPSO(Dynamic Iterative Particle Swarm Optimization).该算法根据每个周期内达到收敛的迭代次数不同,在一个周期内,当其和累积小于某个值时,就对其重新进行初始化,从而使算法具有动态的自适应.通过对几种典型测试函数的优化,结果表明,DIPSO算法的收敛速度明显优于PSO算法,收敛精度也有所提高.     

考虑加热温度曲线的热轧批次计划

针对目前热轧计划模型中未考虑加热炉温度变化而造成的能耗高的问题,根据钢铁企业热轧生产工艺的特点,将热轧批次生产计划归结为轧制计划数不确定的车辆路径问题。重点考虑了加热炉温度的变化规律和批次间温度的跳跃约束,以极小化温度跳跃惩罚值为目标建立了轧制计划数学模型,并设计出一种鱼群寻觅粒子群算法对模型进行求解。根据国内某钢铁企业热轧生产实际问题对模型和算法进行了验证,实验结果表明:考虑加热温度曲线的热轧批次计划不但能够按照预定的温度变化趋势来指导生产,而且有利于降低加热炉能耗和延长其寿命,因此所提出的模型和算法切实可行。     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

一种自适应粒子群算法求解模糊作业车间调度问题

针对模糊加工时间和模糊交货期的车间调度问题,提出自适应离散粒子群算法。鉴于粒子群在搜索后期易早熟的缺点,根据群体聚集程度自适应地更改交叉概率、线性更改变异概率;在搜索后期,依概率进行择优操作,对局部极值进行基于工序块的变异操作,使算法具有更优的性能。仿真实验表明该算法可行有效。     

基于离散萤火虫算法的自由曲面测量序列规划

为了解决接触式测量序列规划问题,建立了该问题的等效旅行商模型,并利用萤火虫算法对该模型进行求解。对萤火虫算法进行了离散化操作,提出一种新的萤火虫距离表征方法适用于测量序列规划问题,同时对离散萤火虫算法迭代规则和随机搜索方式进行改进,得到一种改进型离散萤火虫算法;建立了综合路径长度、路径光滑度和触头旋转距离三个评价指标的适应度函数,并以叶片型零件为例,进行了离散萤火虫算法和改进型离散萤火虫算法对比实验,验证了改进型离散萤火虫算法的有效性以及适应度函数的合理性;最后以另一自由曲面零件为例,将改进型离散萤火虫算法和遗传算法进行对比,结果表明了改进型离散萤火虫算法的优越性。     

基于粒子群算法的产品拆卸序列规划方法

为求取复杂产品的最优拆卸序列,建立了一种产品拆卸赋权混合图模型.利用该模型可以有效地表达组件问的拆卸优先关系,将零件的拆卸序列规划转化为图模型寻优的问题.基于该模型,推导出可拆卸性条件,并通过几何推理的方法产生可拆卸序列.针对复杂产品拆卸序列规划的特点,为了将赋权混合图模型映射到粒子群模型,给出了粒子速度和位置公式以及粒子进化规则,构建粒子适应度,应用粒子群算法实现了复杂产品的最优拆卸序列规划.最后,通过一个实例验证了该方法的有效性.     

基于改进粒子群的焊点检测路径规划方法

针对电路板的焊点检测路径优化问题,提出一种改进的粒子群优化算法。在粒子进化过程中,根据时间函数的变化,调整粒子进化参数组合。在焊点空间路径规划过程中,将最小时间函数作为移动准则。在当前焊点检测点,建立路径规划时间函数,利用改进粒子群算法求取时间函数最小点,作为下一路径点,从而逐步得到焊点移动路径。仿真结果表明,利用所提方法可以规划出一条有效最优路径,进行完成焊点路径规划任务。同时实验结果表明,相对于其他粒子群算法,该算法具有较好的收敛精度,且收敛速度可控。     

一种基于微粒群优化算法的冗余机械手轨迹规划法

针对冗余机械手应用遗传算法(或免疫遗传算法)的轨迹规划所存在的不足,提出了基于微粒群优化算法的冗余机械手轨迹规划方法。利用此算法对寻优过程进行仿真研究,所得结果令人满意,与遗传算法相比,微粒群算法简单、容易,且收敛速度快。此方法能够有效地进行机械手轨迹规划,从而能够为充分发挥冗余度的作用为改善机械手运动提供新的思路。     

基于混合群集智能算法的并行公差优化设计

通过对并行公差优化设计的分析,将其视为一种混合变量组合优化问题.首先给出了并行公差优化设计的数学模型,然后将其映射为一类特殊的旅行商问题--顺序多路旅行商问题,从而降低了问题的求解难度.利用蚁群优化算法和粒子群优化算法,分别在求解离散和连续变量优化时的优势,提出了一种求解并行公差优化设计问题的混合群集智能算法.通过一个计算实例,将混合群集智能算法分别与遗传算法和模拟退火算法进行了比较,结果表明,前者具有更强的搜索能力和较高的效率.同时,混合群集智能算法也为求解一般意义的混合变量优化问题提供了借鉴和参考.     

基于改进粒子群算法的生产批量计划问题研究

为求解基于成组单元有能力约束的生产批量计划问题,提出了一种基于二进制粒子群算法和免疫记忆机制相结合的方法,并阐明了该方法的具体实现过程。在该方法中,采用罚函数法处理约束条件,每个粒子都代表一组可用于描述具体批量计划方案的规则组合。通过对其他文献中一个仿真实例的计算和结果比较,表明该算法在寻优能力、求解速度和稳定性等方面都明显优于文献中的遗传算法。     

改进粒子群算法在网格资源分配中的优化

针对并行网格任务的资源分配问题,提出了一种基于并行粒子子群优化的分配算法.该算法引入效用函数,反映网格任务的偏好和目标,利用乘子法转化约束条件,导出适应度函数.最后通过粒子子群的并行寻优过程,得到资源分配的最优解.仿真实验表明了该算法的有效性,且在任务较多的情况下,优化结果好于传统粒子群算法.     

基于离散粒子群优化算法的汽车发动机故障特征选择

最优特征选择属于组合优化范畴,针对汽车发动机机械故障特征选择问题,分析了冗余特征的存在对于故障分类器分类性能的影响,选择最优特征组合可以提高故障分类的正确率,提出基于离散粒子群算法的特征优化组合算法,利用BP神经网络评价特征优化的性能,并将其应用到汽车发动机曲轴轴承磨损故障诊断中.实验结果表明,与遗传算法相比,基于离散粒子群算法的特征优化算法优化效率较高,分类正确率较高,优化后的特征集可以显著地提高故障分类器的分类性能.