应用混沌粒子群算法求解工程优化问题

针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法.CPSO算法利用混沌搜索的全局遍历性、随机性和规律性等特点,引导粒子在全局范围内搜索,从而克服了传统粒子群算法早熟收敛的缺点.该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据,并用惩罚函数法处理违法约束的粒子,当基本粒子群算法陷入早熟时,随机选择粒子群中的部分粒子实施混沌搜索,直至满足迭代收敛条件为止.CPSO算法能提高种群的多样性和粒子搜索的遍历性,从而有效提高了PSO算法的收敛速度和精度.两个工程约束优化实例的求解结果表明,该算法的优化结果最好,收敛速度也比较快.     

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性.     

基于萤火虫算法的零等待流水线调度优化

萤火虫算法是一种新颖的仿生智能算法,针对以最小化制造期为目标的零等待流水线调度问题,提出了一种基于萤火虫算法的混合优化方法。首先设计了一种IMM编码用于实现萤火虫编码与工件排序的转换以使萤火虫算法能够解决调度问题;其次用启发式算法对初始种群进行随机替换,以提高种群的质量和分散度;最后针对群体易于早熟和局部搜索能力的不足,结合迭代贪婪算法和Pairwise算法对最优个体进行改进并用Metropolis准则决定是否接受改进结果。在21个Benchmark问题上进行算法仿真,从求解质量和运行时间两方面验证了该混合优化方法的性能。     

面向多目标拆卸线平衡问题的一种改进粒子群优化算法

为提升粒子群优化算法在解决复杂拆卸线平衡问题时的计算能力,提出一种改进的粒子群优化算法。该算法选取每个粒子运行最优的邻居粒子为粒子每次迭代过程中"个体学习部分"的学习样本。为保证种群多样性,避免算法出现早熟收敛,提出一种粒子间的水平混合变异(均匀分布变异和高斯分布变异),通过变异判定条件,对粒子的位置进行变异更新,提升算法的搜索性能。针对多目标问题,利用基于目标优先顺序的粒子群优化算法,将多个目标问题按优先顺序进行优化。通过拆卸问题的仿真计算比较结果,验证算法的有效性。     

列车调度问题模型与基于混合粒子群优化的求解算法

针对复线列车调度问题,建立了描述问题解空间的阻塞限制混合流水车间模型,并提出一种混合粒子群优化算法进行求解。该算法以最小化最长完工时间为目标,设计了释放-回推算法来安排列车运行顺序并计算最小化最长完工时间,利用改进的粒子群优化算法解决轨道分配问题并进行全局优化。此外,通过基于迭代邻域的搜索算法来提高种群的局部搜索能力。实验结果表明,所提出的方法能够有效地求解复线列车调度问题。     

基于改进粒子群算法的复合材料机翼结构布局优化设计

采用粒子群算法对复合材料机翼结构进行布局优化求解.针对粒子群算法的早熟收敛现象,采用了两种改进措施:根据粒子的浓度变异粒子以增加粒子种群多样性;将变尺度混沌优化方法结合到粒子群算法中用以变异搜索最优粒子.算例结果表明,文中所提优化方法是可行有效的.     

基于模拟退火-粒子群算法优化支持向量机参数的连铸漏钢预报

针对连铸漏钢预报神经网络模型在小样本训练数据情况下难以获得较高预报准确率的问题,提出了一种基于模拟退火-粒子群（SA-PSO）算法优化支持向量机（SVM）参数的连铸漏钢预报算法。将粒子群优化算法引入支持向量机的训练过程中,利用其调整参数少、寻优速度快的优点,有效地提高了漏钢预报模型的寻优速度;利用模拟退火算法对粒子群算法迭代更新后粒子的新位置加以评价,来决定新位置是否被接受,避免了粒子群算法在迭代寻优过程中陷入局部极值的问题。结合某钢厂连铸现场历史数据对提出的连铸漏钢预报算法进行了测试,测试结果表明,所提算法的连铸漏钢预报准确率可达98.8%。     

离散粒子群优化算法求解多目标柔性作业车间调度问题

对多目标柔性作业车间调度优化问题进行研究,提出了一种基于Pareto档案的离散粒子群优化算法。在该算法中,种群中的粒子通过与其自身历史最优位置(pbest)以及种群全局最优位置(gbest)的交叉实现粒子位置的更新。对于多目标优化问题来说,一次迭代可能产生多个gbest,引入一个Pareto档案用于保存迭代产生的优秀个体。并将Pareto档案维护与gbest选择同时进行以确保Pareto档案中的个体必然为一些粒子的gbest。进而将变异操作引入到粒子群算法以增强其局部搜索能力。最后,将该算法应用于几个典型实例,并通过与几种已有算法的对比验证了其有效性。     

基于改进萤火虫群算法的混合生产排产方法研究

为了完成特定生产类型的排产问题,提出一种改进的萤火虫群算法。该算法中,在每一次迭代后都添加差分操作,优化萤火虫的位置,增加种群多样性,从而改善萤火虫群算法易于早熟的特性。综合考虑混合型生产的约束条件,构建基于改进的萤火虫群算法的排产模型,给出算法设计方案。最后针对某制药厂的实际生产模型,进行仿真实验验证,并与其他算法进行比较。结果证明,所提出的改进萤火虫算法在混合型生产的排产中具有很好的可行性及有效性。     

基于改进粒子群优化算法的PMSM矢量控制

对永磁同步电机矢量控制及标准粒子群优化算法进行分析,针对单一的粒子群优化算法容易陷入局部极小和早熟收敛的缺陷,提出了一种改进的粒子群优化算法。利用动态线性权重、非线性反正切函数改变学习因子提高了粒子的学习能力;利用动态自适应权重提高优化速度,建立在线优化PSO-PID控制器,应用于永磁同步电机控制,基于Infineon TC1782单片机搭建PMSM控制器。进行了电机台架测试,结果显示整个系统有更好的精确性以及准确性。     

面向Job Shop调度的算法融合方法研究

提出一种算法融合方法,解决单一算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量。在融合方法中,采用遗传算法和蚁群算法进行并行搜索;根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力。采用算法融合方法构造的优化算法对13个难解的benchmarks问题实例进行求解,在较短的时间内,得到的十次实验结果的makespan最优值和平均值优于并行遗传算法(PGA)和TS算法。采用算法融合方法构造的优化算法具有较强的搜索能力,说明提出的算法融合方法是有效的。     

一种新的优化算法一遗传算法的设计

本文说明了遗传算法的含义,操作方法,设计方法及及它的改进途径。     

锥束XCT重建算法的实现

计算机断层成像（CT）是一门用来获取观测目标断层图像的技术，它广泛地应用于医疗诊断和工业无损检测等领域。与CT系统其他部分比，重建算法是其核心，本文实现了锥束CT重建的三种算法：FDK算法、Katsevich算法和EM算法，并对这三种算法进行了比较研究。     

基于混合遗传算法的Job-Shop调度问题的研究

Job-Shop调度问题是最困难的组合优化问题之一,由于其固有的计算复杂性,一般无法利用经典解析算法求出最优解。结合实际生产情况,建立了Job-Shop调度问题的模型,并基于遗传算法与局部搜索启发式算法相结合的混合遗传算法的思想给出了求解此模型的算法过程。     

遗传算法及其在机械工程中的应用

介绍了遗传算法的基本原理、基本特点及对简单遗传算法的一些改进，简介了其在机械工程中的应用成果，并对其研究前景进行了展望     

RESEARCH OF PROBLEMS ON REALIZING DIRECT ALGORITHM OF WAVELET TRANSFORM

Direct algorithm of wavelet transform (WT) is the numerical algorithm obtained from the integral formula of WT by directly digitization. Some problems on realizing the algorithm are studied. Some conclusions on the direct algorithm of discrete wavelet transform (DWT), such as discrete convolution operation formula of wavelet coefficients and wavelet components, sampling principle and technology to wavelets, deciding method for scale range of wavelets, measures to solve edge effect problem, etc, are obtained. The realization of direct algorithm of continuous wavelet transform (CWT) is also studied. The computing cost of direct algorithm and Mallat algorithm of DWT are still studied, and the computing formulae are obtained. These works are beneficial to deeply understand WT and Mallat algorithm. Examples in the end show that direct algorithm can also be applied widely.     

相位恢复算法在仿真与实验上的研究

相位恢复算法一直存在着精确度不高,收敛速度慢甚至停滞不前等问题。将基于光强传输方程(TIE)法与G-S迭代算法混合提高了相位恢复的精确度,梯度算法的提出加大了迭代步长,使得收敛速度加快。采用GS-TIE算法和振幅加成梯度算法分别从仿真和实验的角度去比较分析恢复的效果。通过对二维图像仿真得出,振幅加成梯度算法在收敛速度上是GSTIE迭代算法的3倍,精确度是GS-TIE迭代算法的10倍。从实验结果得知,GS-TIE恢复的相位清晰可见,轮廓明显,在边缘处过度均匀,而振幅加成梯度算法相对比较模糊,在轮廓边缘处过度不均匀,悬差较大。     

优化算法在汽车动态称重信号处理中的改进和简化

本文讨论了几种动态称重信号去噪的算法,分析了各种算法的优缺点,对其中的优化算法进行了改进,摒弃了繁杂的模型参数估计并结合平均算法,从而简化了处理过程.在实际测试中,取得了很好的效果.     

装配序列规划问题求解的一种混合算法

基于蚂蚁算法和的遗传算法特点,给出了一种解决装配序列规划问题的遗传和蚂蚁混合算法.混合算法中利用蚂蚁的每一次周游,快速生成问题的一组可行解,用遗传算法对得到的可行解进行快速优化,并根据优化解的质量,生成路径上的信息素分布,以加速蚂蚁最优路径上信息素的积累,从而引导蚂蚁更快地搜索到问题的最优解.实验结果表明,混合算法在装配序列规划问题求解上具有更好的性能.     

求解Job-shop调度问题的混合遗传算法

分析了单件生产车间调度问题,提出了适合Job-shop调度的算法-混合遗传算法.通过分析几种求解该问题的典型混合遗传算法,说明了混合遗传算法是求解该问题的可行且有效的方法,并且在具体的环境下有一定的优越性。