搜索后期斥力增强型混合引斥力微粒群算法及可靠性优化应用

将利用贝叶斯网络构造的系统故障概率函数作为可靠性指标,考虑费用、质量、体积构造了资源约束函数。针对微粒群算法引斥力规则的不足,提出了搜索后期斥力增强型混合引斥力微粒群算法(LRPSO算法)：在搜索前期,使微粒在其他微粒的引斥力作用下进行最优搜索,以保持种群多样性;在搜索后期,减小引力、增强斥力,利用斥力项避免微粒陷入较差位置,以提高局部搜索能力。算法测试和可靠性优化实例验证了LRPSO算法的有效性。     

基于改进混合作用力微粒群算法的液压阀块加工车间调度优化

针对微粒群算法作用力规则的不足，提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略，将算法的搜索过程分为前期和后期2个搜索阶段：在前期搜索阶段，微粒在其他微粒的引斥力作用下进行最优搜索，以保持种群多样性；在后期搜索阶段，微粒在双引力及引力提供的加速度的共同作用下向最优解收敛，以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题，利用矩阵变量来处理约束条件，给出一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例，将IHFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、多作用力微粒群算法进行对比，验证提出的IHFPSO算法结果最优，实现液压阀块加工车间调度优化。     

求解液压阀块加工车间调度的多作用力微粒群算法

为有效地解决液压阀块加工车间调度问题,考虑工序间和机器间的约束关系,以最大完成时间最小为目标,给出了液压阀块加工车间调度优化模型。为平衡算法的全局和局部搜索能力,提出了多作用力微粒群(MFPSO)算法,采用多作用力阶段性搜索策略,将搜索过程划分为前期、中期、后期3个阶段,并对应构造单一斥力、平衡引斥力、单一引力3种作用力规则,在不同搜索阶段采用不同的作用力规则,提高了算法的搜索机制和寻优性能。将MFPSO算法用于求解液压阀块加工车间调度问题,利用矩阵变量来处理约束条件,给出了一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例,将MFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、蚁群算法进行了对比,结果表明,提出的MFPSO算法结果最优,从而验证了该算法的有效性。     

有向动态拓扑混合作用力微粒群优化算法及可靠性应用

针对微粒群优化算法易陷入局部最优、出现早熟等不足,从作用力规则和种群拓扑结构两方面进行研究。提出一种混合作用力微粒群优化(Hybrid force PSO,HFPSO)算法,将算法的搜索过程划分为前期和后期两个阶段,分别构造引斥力规则和双引力规则,使算法搜索前期具有良好种群多样性、搜索后期有较高寻优精度。进一步将生物趋利避害的行为选择机制融入HFPSO算法,提出有向动态拓扑混合作用力微粒群优化算法,赋予微粒主观能动性使其靠近适应值较好微粒、远离适应值较差微粒,提出适应值驱动边变化的有向动态拓扑(Fitness-driven edge-changing unidirectional dynamic topology,FEUDT)结构,并将FEUDT结构与HFPSO算法以结构演化和算法进化同步进行的方式结合,进一步提升算法的优化性能。利用Benchmark函数对所提算法与标准PSO、搜索后期斥力增强型混合引斥力微粒群优化(LRPSO)算法进行性能对比测试,结果表明,所提算法具有较好的寻优能力和较快的收敛速度。通过桥式系统可靠性优化实例和供应商参与的某汽车产品子系统可靠性设计优化实例,验证了所提算法求解实际复杂优化问题的有效性。     

基于动力驱动微粒群算法的液压矫直机PID控制参数优化

为兼顾微粒群算法收敛速度与跳出局部解的能力，利用阶段性搜索方式将算法搜索过程分为前、后两个不同阶段。在算法的前期搜索阶段，当前微粒受个体最优微粒与全局最优微粒的引力作用，在算法的后期搜索阶段引入中值导向加速度，提出一种动力驱动微粒群算法。最后，针对液压矫直机PID控制的参数优化问题，考虑控制信号、上升时间和误差量的关系，建立液压矫直机PID控制参数优化模型，利用动力驱动微粒群算法优化得到更好的参数组合，实现PID控制参数优化。     

基于改进粒子群算法的机器人时间最优轨迹规划

针对六自由度工业机器人在考虑运动学约束条件下，使用传统粒子群算法进行时间优化易陷入局部最优的问题，结合免疫算法与模拟退火算法，提出一种混合免疫粒子群算法（HIPSO）进行时间最优轨迹规划求解。为提升粒子群跳出局部最优的能力，算法结合模拟退火算法使得粒子保持一定概率突跳的能力，并引入免疫算法的浓度机制保留高适应度低浓度粒子，在加快收敛速度保持种群多样性的同时能跳出局部最优达到全局最优。以PUMA560机器人为对象进行仿真，结果表明HIPSO算法能够使机器人在运动过程中速度、加速度连续无突变，相较常规粒子群算法时间缩短约15%，验证了算法的可行性和有效性。     

基于广义反向粒子群与引力搜索混合算法的多阈值图像分割

提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题。提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛。在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法。最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较。实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90%以上,是一种精度高、稳定性强的多阈值图像分割方法。     

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.     

一种混合算法在装配序列规划中的应用研究

基于现有复杂产品装配序列的特点,建立了装配体的几何可行性、零件的重新定向次数及装配体稳定性的目标函数。在原有离散粒子群算法的基础上,引入改进的进化方向算子,该算子可较为突出的改进离散粒子群算法的局部搜索能力。提出了一种混合算法,该算法在不牺牲粒子群算法的局部搜索能力和搜索速度的同时,提高其全局搜索能力,减少算法平均迭代的步数。算例表明:该混合算法具有优良的局部搜索特性及全局搜索特性,算法可快速收敛至全局最优解,可有效解决装配序列规划问题。     

基于混合二进制粒子群-遗传算法的测试优化选择研究

测试优化选择是一个组合优化问题.通过对测试选择的目标和约束条件进行深入分析, 建立了其数学模型, 并提出了一种混合粒子群-遗传算法用于求解满足测试性指标要求的最小完备测试集.该算法将遗传算法中的遗传算子引入到二进制粒子群算法中, 既避免陷入局部最优和早熟收敛现象, 又提高了搜索效率.大量实验证明, 对于测试优化选择问题, 混合粒子群-遗传算法能够快速有效的获得全局最优解.     

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。