基于粒子群算法的桁架结构优化

粒子群算法(PSO)是一种基于种群智能的优化算法。由于其具有快速收敛和操作简单等特点,粒子群算法在工程、经济管理等诸多领域均得到广泛应用,成为近年来智能计算领域研究的新热点。首先介绍粒子群算法,进而提出对于惯性权重进行线性变化。利用改进的粒子群算法对实际工程桁架结构进行尺寸优化以提高经济效益,并提出合理的参数设置。数据对比分析结果表明,改进的粒子群算法对于桁架结构尺寸优化设计是可行的。     

粒子群算法及其优化方案

粒子群算法作为一种智能优化算法,由于其实现简单,易于与其他方法结合,在现实应用中逐渐显示出强大的优势。本文首先介绍了基本的粒子群算法,分析了粒子群算法的优化方面,并且对不同的优化方面进行详细分析。     

基于WCA优化算法的空间桁架结构优化设计

群智能优化算法已被证实可以用于解决实际工程的优化问题。水循环算法可对约束问题进行求解。基于自然界中水循环过程提出的一种新型智能优化算法———水循环算法(WCA),研究了其应用于空间桁架结构优化设计问题的可行性及有效性,论文对两个空间桁架结构进行了截面优化计算分析,并与已有文献优化结果进行了比较,研究结果表明:WCA优化算法相对于群搜索算法(GSO)、启发式粒子群优化算法(HPSO)等优化算法能够提供更快的收敛速度,收敛结果也更好。     

粒子群优化算法在桁架优化设计中的应用

粒子群优化（PSO）算法是近年来发展起来的一种基于群智能的随机优化算法,具有概念简单、易于实现、占用资源低等优点。为了解决有应力约束和位移约束的桁架的尺寸优化问题,将PSO算法应用于桁架结构的尺寸优化设计。首先介绍了原始的PSO算法的基本原理,然后引入压缩因子改进了PSO算法,并提出合理的参数设置值。对几个经典问题进行了求解,并与传统的优化算法和遗传算法进行了比较。数值结果表明,改进的PSO算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的尺寸优化设计。     

粒子群算法在网架结构损伤识别中的应用研究

粒子群算法作为新兴的智能优化算法,因其处理优化问题突出已逐步应用在结构损伤检测领域,基于粒子群算法,提出了网架结构损伤识别方法。首先利用模态保证准则(MAC),结合频率和振型在损伤识别中各自的优势,构造了基于频率和振型的适应度函数;其次,以两个测试函数来对比分析,说明改进的粒子群算法寻优性能更佳;最后,通过一个网架结构仿真模型算例,对所提方法的有效性进行验证。设置了3种工况进行损伤识别并对结果进行分析,结果表明基于粒子群算法的损伤识别方法能够准确识别出损伤发生的位置及程度。     

现代智能优化算法研究综述

主要介绍了现代智能优化算法的基本概念,着重回顾了几种主要的现代智能算法的发展历程,主要包括遗传算法、神经网络优化算法、粒子群优化算法、模拟退火算法,并阐述了其工作原理和特点,归纳了它们主要的应用方向,同时对智能计算方法的发展进行了展望。     

粒子群-鱼群混合算法在桁架结构优化设计中的应用

群智能算法由于其优异的搜索性能被广泛应用于结构优化设计,人工鱼群算法和粒子群算法都是基于动物群体行为的智能优化随机算法.本文介绍了人工鱼群算法和粒子群算法的基本原理,并提出了粒子群和鱼群杂交混合的一种新方法:粒子群-鱼群混合算法,将粒子群-鱼群混合算法应用到四个桁架结构的重量优化设计,包括平面桁架结构和空间桁架结构,通过比较粒子群-鱼群混合算法、人工鱼群算法、粒子群算法的优化结果,发现改进的粒子群-鱼群混合算法具有收敛精度高、收敛速度快等特点,同时具有较好的稳定性,可用于结构优化设计.     

基于极限学习机的电力短期负荷预测

本文首先对人工神经网络中的单隐含前馈神经网络和极限学习机(ELM)的基本原理和理论进行了概述,然后将极限学习机算法与粒子群算法结合,利用粒子群优化算法(PSO)对极限学习机的参数进行优化,将PSO和ELM的优点结合在一起,使其具备参数调整简单、可以在全局范围寻优、泛化能力强等特点,最后使用基于粒子群算法优化极限学习机的预测模型,在具体数据中进行算例分析,确定预测模型的可行性。     

城市生活需水量预测中智能算法的应用研究

在分析城市用水特点、筛选相关影响因素的基础上建立城市生活需水量预测模型,并研究了模型求解过程中智能算法的应用。采用改进的粒子群优化(PSO)算法对反向传播(BP)神经网络的初始设置进行智能优化,避免了传统BP神经网络模型在训练过程中容易陷入局部极小值的缺点。应用该粒子群优化神经网络(PSO-BP)算法求解需水量预测模型,其实例结果表明,该算法提高了神经网络的训练效率,基于该算法的预测模型具有较理想的可靠性和精度。     

建筑工程投资的IRBF智能预测系统研究

采用粒子群优化算法对径向基函数神经网络进行了改进,形成了新的IRBF耦合算法,建立了工程项目的技术经济参数与投资之间的非线性隐式方程,构建了集动态识别与预测为一体的智能预测系统,工程实例分析表明,lRBF智能预测系统具有良好的预测精度.