基于粒子群算法的无源滤波器多目标优化设计

摘要：针对无源滤波器参数优化问题,将无源滤波器的最小费用、谐波电压畸变率、谐波电流残留率、以及无功功率补偿容量作为设计的优化目标,改进了传统的粒子群算法,引用惩罚函数将问题转化为无约束优化问题。本设计算法是采用改进多目标粒子群优化算法与惩罚函数相结合的算法为无源滤波器参数优化设计提供了一种新的优化方法。     

混合有源滤波器多目标优化设计

针对混合有源滤波器参数设计和投资优化问题, 综合考虑其初期投资成本、无功补偿、滤波效果等指标, 提出一种基于遗传粒子群复合算法的混合有源滤波器多目标满意优化设计方法, 建立起容量配置的多目标数学模型, 并运用罚函数理论, 将多目标优化转化为单目标优化, 使混合有源滤波器容量分配问题简单化, 具有更大的适用性和灵活性. 然后在电力系统计算机辅助设计/电磁暂态(PSCAD/EMTDC)环境下, 对混合有源滤波器进行仿真分析, 结果表明此优化设计的混合有源滤波器性价比得到提高. 最后, 通过实验对比, 也验证了理论分析及相关结论的正确性.     

基于粒子群算法的多机无源定位系统优化布站

在一定海空战场背景下,通过调整多机无源定位系统中各机位置布局可以有效地提高该系统对特定区域目标的定位精度.文中通过推导多机时差定位算法误差的GDOP公式,提出了利用粒子群算法寻找多机无源定位系统最优布站的方法.与传统典型布站相比较显著降低了对区域目标定位误差,明显提升了多机无源定位动态快速布站能力.同时利用粒子群算法对...     

基于粒子群优化算法的滤波器优化

给出一种基于粒子群优化算法（PSO）的模拟滤波器优化设计方法。传统的模拟滤波器的精度与效率均较差,引入PSO算法可对滤波器参数进行寻优。将滤波器的设计问题转化为滤波器参数的优化问题,然后利用粒子群优化算法对整个参数空间进行高效搜索以获得最优解;通过变异、重新随机化及采用自适应的惯性权重,提高了算法的搜索效率及收敛性。实例计算表明了算法在该类问题中的有效性和可行性。     

多目标优化的粒子群算法研究

本文介绍了粒子群优化算法PSO中的多目标优化的粒子群算法及其应用,并将其运用在防守对方多个前锋球员的进攻威胁,以粒子群算法随机性来适应不断变化的形势。     

基于粒子群优化算法的模拟滤波器设计

采用传统的网络综合法设计计波器存在带宽不精确及阻带衰减过小的问题,为此,提出一种基于粒子群优化算法的无源模拟滤波器优化设计方法.在网络综合法设计的滤波器电路基础上,利用粒子群优化算法对滤波器的整个参数空间进行高效并行搜索直到获得最优的参数值.实例表明,采用该方法设计的滤波器带宽更加准确,且具有更加陡峭的阻带衰减.     

基于混沌粒子群优化算法的FIR数字滤波器设计

有限脉冲响应(FIR)数字滤波器的设计,实质上是一个多参数优化问题.将粒子群优化算法与混沌相结合来设计FIR数字滤波器,并用该方法设计了一个高通滤波器.与用Parks-McClellan算法设计得到的高通滤波器进行对比发现,基于混沌粒子群优化算法(CPSO)的FIR滤波器通带波动小,阻带衰减大,从而证明了该算法的有效性和优越性.     

基于改进粒子群优化算法的IIR数字滤波器设计

针对粒子群优化(PSO)算法存在早熟收敛问题,提出了一种改进算法——带有柯西扰动的重分布粒子群优化(RPSO)算法,并应用于IIR数字滤波器的优化设计。RPSO在检测到粒子群早熟收敛时,自动触发粒子重分布机制,帮助粒子逃离局部收敛区域,同时在迭代过程中对种群的全局最优位置施加柯西扰动以保持种群的多样性。仿真实验结果表明,在对IIR数字滤波器设计时,RPSO算法的性能优于粒子群、量子粒子群以及基于混沌变异的粒子群优化等算法。     

基于迭代方程的无速度粒子群优化算法

粒子群算法跟其他进化算法相比,有很多先进之处,如原理简单、掌握容易,也比较容易操作,算法执行时所需要的参数也很少,所以粒子群算法一经提出,很受欢迎.当在算法中加入的参数比较多时,就会在一定程度上影响到算法原来的优越性,因此,算法的参数越少,那么算法的性能就会随之得到提高,所以该文采用了无速度算法来对原算法进行优化.     

基于粒子群算法的给水管网优化设计

以管网造价年费用折算值最低为目标,采用粒子群算法对给水管网进行优化设计;首先对节点压力设置罚函数,对不满足压力要求的节点压力进行惩罚,以保证管网中各个节点都满足最小压力约束;由于工程中所用管径值全部都是离散值,算法对搜索得到的结果进行标准化处理,保证求得的管径组合方案符合实际要求;与给水管网优化设计中常用方法遗传算法相比,粒子群算法降低了计算复杂度,具有较好的求解性能,而且具有较快的收敛速度和全局搜索能力.     

基于遗传算法无源电力滤波器的优化设计

针对无源电力滤波器的参数选择比较困难,普通设计方法中过分依赖经验,优化能力不强的问题,研究了一种基于遗传算法的无源电力滤波器设计方法。利用遗传算法全局寻优的特点,对无源滤波器成本、无功补偿和滤波效果3个指标进行全局优化,并通过改变遗传交叉和变异概率来克服算法早熟收敛的情况。同时开发出界面友好,多种参数自选的自动设计软件,可帮助设计人员方便地进行无源电力滤波器的设计。某大型电机的实际滤波结果表明,所提出的设计方法正确有效,所开发的软件实用性强。     

粒子群优化算法在FIR数字滤波器设计中的应用

介绍了基于粒子群优化算法的FIR数字滤波器的设计方法,并用该方法设计了一个高通滤波器。与用Parks-McClellan算法设计的高通滤波器进行了对比,发现基于粒子群优化算法的FIR滤波器的通带波动更小,阻带衰减更大。将用这两种算法设计的滤波器作用于混频信号,得出的结果也证明了基于粒子群优化算法的FIR滤波器的有效性。     

基于混沌的多目标粒子群优化算法

针对多目标优化问题,提出了一种改进的粒子群算法.该算法为了寻找新解,引入了混沌搜索技术,同时采用了一种新的方法--拥挤距离法定义解的适应度.并采取了精英保留策略,在提高非劣解集多样性的同时,使解集更加趋近于Pareto集.最后,把算法应用到4个典型的多目标测试函数.数值结果表明,该算法能够有效的收敛到Pareto非劣最优目标域,并沿着Pareto非劣目标域有很好的分散性.     

基于粒子群算法优化极限学习机的无源目标定位算法

为了提高目标定位精度,提出一种基于粒子群算法优化极限学习机的无源目标定位算法。首先通过位置信息场采集目标的相关信息,然后利用极限学习机对位置信息场与目标位置之间的非映射关系进行拟合,同时采用粒子群算法对极限学习机参数进行优化,最后在Matlab 2009平台进行仿真对比实验。结果表明,相对于其他目标定位算法,该算法提高了目标定位的精度,更加适合于复杂环境下的目标定位。     

基于粒子群优化算法的自适应IIR滤波器设计

针对自适应无限冲激响应(infinite impulse response,IIR)数字滤波器的设计实质上是一个多参数优化问题,提出了一种用粒子群优化算法(particle swarm optimization,PSO)设计IIR数字滤波器的方法.将滤波器的设计问题转化为滤波器参数的优化问题,利用粒子群优化算法对整个参数空间进行高效并行搜索以获得参数的最优化,基于多个典型系统的随机数值仿真以及与最小二乘方法的比较研究,验证了该方法的有效性、全局性和对初值的鲁棒性.     

基于动态多种群的多目标粒子群算法

研究进化算法在求解多目标优化问题时,极易陷入到伪Pareto前沿(等价于单目标优化问题中的局部最优解),为了提高优化过程,提出一种基于动态多种群的多目标粒子群算法(DMSMOPSO).在DMSMOPSO算法中,为了增加种群的多样性,提升粒子跳出局部最优解的能力,采用多子群进行搜索并且子群是动态地进行构建;采用K-均值聚...     

一种基于相角映射的改进多目标粒子群优化算法

提出一种相角粒子群优化算法求解多目标优化问题。该算法采用相角映射实现了粒子在相角空间上仅依赖于归一化多目标函数的快速搜索,在粒子飞行信息共享机制上引入共享池概念,提出基于关联支配排序和相似度排序的共享池更新策略,提高了Pareto解的多样性。采用Sigma领导策略和混沌变异操作,平衡了算法的快速搜索能力和全局寻优能力。标准多目标测试函数和电力系统广域阻尼控制多目标优化算例表明了所提出算法的可行性和有效性。     

基于粒子群算法的弹簧-阻尼系统PID控制器优化设计

弹簧-阻尼系统在工程技术中有着广泛的应用,它的稳定性对工程有比较重要的影响。研究了弹簧-阻尼系统PID控制器的设计,并针对PID控制器参数整定困难的问题,利用粒子群算法对PID参数进行了优化,最后采用MATLAB进行仿真实验证明该方法的可行性和优越性。将实验所得到的仿真结果与预估法、Z-N整定法所得到的结果进行比较,证明了用粒子群算法调整PID参数可以有效消除系统的冲击,从而使系统更加稳定和可靠。     

基于粒子群的多目标优化算法

论文提出了一种新的基于粒子群的多目标优化算法。用搜索过程中所发现非劣解的一部分构成精英集,将其作为粒子群的历史最佳,引导粒子群的搜索,并通过小生境技术和部分变异的方法来提高非劣解集的多样性和分散性。对三个典型多目标测试函数所作实验的结果验证了该方法的有效性和快速性,结果还表明:该方法所得非劣解集在分散性、错误率和逼近程度等量化指标上优于FFGA、SPEA、PAES、NSGA等方法,是一种非常有潜力的多目标优化方法。     

基于模糊的多目标粒子群优化算法及应用

粒子群优化算法的思想来源于人工生命和进化计算理论,由于其容易理解、易于实现,在很多领域得到了应用.由于传统的粒子群优化算法无法对多目标优化问题进行求解,因此文中利用模糊理论中的隶属度函数和给定的最优解评估选取原则,提出了一种适合求解约束型多目标优化问题的模糊粒子群算法(FPSO).模糊粒子群算法很好地解决了汽车零部件可靠性稳健优化设计的求解问题,仿真结果证明,该算法可行而有效,同时也拓展了粒子群算法的应用领域.