基于关联监测点数据的非线性变形预测模型

基坑边坡变形具有非平稳性、非线性等特点,且现有的变形预测模型常用单个监测点或整体监测点的数据进行预测,忽略了不同监测点之间的关联性.以重庆某深基坑边坡为例,分别研究基于单个监测点数据和基于关联监测点数据的经验模态分解-粒子群优化算法-BP神经网络(EMD-PSO-BPNN)模型、PSO-BPNN模型、BP神经网络模型的...     

一种改进的广义概率数据关联跟踪算法

对于多目标跟踪问题,最近提出的全局次优的广义概率数据关联算法(GPDA)由于其新颖的可行性划分规则和较小计算存储需求而受到广泛关注。本文提出了一种基于广义联合事件分割组合的新关联算法。它通过引入目标的方向性信息,在基于新规则划分后,对进入有效域的传感器量测估计值权重系数进行调整,从而使最终的估计值更准确,关联精度得到进一步提高。利用该改进算法对杂波环境下多目标跟踪进行仿真实验,结果表明提出的关联算法继承了原有算法的优点,同时用较小的计算代价使得跟踪性能得到较大改善。     

基于资源限制的多目标网络计划优化模型

目前网络计划优化研究要么没有考虑资源限定的柔性,要么只是集中于单纯的工期优化或资源优化等单目标优化。本文针对传统网络计划建模资源限制缺少柔性、优化目标单一等问题进行了深入的研究。在柔性资源的限制下,为使得工程网络计划达到总体最优,考虑工程项目的工期、成本、项目净现值、资源的均衡等多个目标,建立其网络计划优化模型,并采用粒子群算法予以求解。根据拓扑排序算法生成满足时序约束的活动序列并计算活动的时间参数。对于产生资源冲突的活动,依照执行优先权解决冲突资源的执行顺序,更新时间参数。采用随机权重的方法,让粒子群算法种群的多个个体进行随机转化,从而保持解的多样性。采用国际上通用的Patterson问题库中benchmark算例对本文提出的方法进行验证。结果表明,与初始方案相比,优化后的方案分别在工期上缩减了20%,成本上缩减了11.17%,净现值增加了11.82%,资源均衡度减少了18.29%。由此可见,提出的基于粒子群算法的优化模型对资源限制下的网络计划中的工期、成本、净现值、资源均衡度等多个目标均实现了不同程度的优化。     

基于改进粒子群算法的多目标应急物资调度

围绕突发事件应急的特点,建立了运输成本最小、延误时间最短的多目标数学模型。通过范数理想点将多目标模型转化为单目标模型。设计粒子群优化算法,采用将学习因子、惯性权重设为线性变化和增加局部扰动的方式,建立了针对性的优化算法。结合实际应急案例进行了数值实验与案例分析,证明了算法的有效性,从而为应急条件下的物资调度提供了有效和可靠的方法。     

基于粒子群的数据协调优化算法

根据非规则低密度奇偶校验码(LDPC)的密度进化基本原理,结合高斯近似算法和粒子群优化(PSO)算法对校验矩阵H进行智能优化,以得到性能更好的H.应用基于相干态的连续变量量子密钥分发的数据协调,可得到更低的收敛信噪比,提高协调效率,从而延长了密钥分发的通信距离.用C语言对该算法进行仿真的结果表明,当连续变量分组数为2×105时,在收敛性噪比SNR=4.9dB以上实现可靠的数据协调,协调效率可达92.06%,传输距离最大可达35.5公里.     

基于信号能量累积序列的多传感器水声多目标关联

讨论利用接收水声信号的能量累积信息进行多传感器多目标数据关联,采用极性相关方法分析能量累积信息的变化特性,从而得到不同传感器间的多目标关联性检验准则。以声纳接收信号为对象的仿真实验表明,由所提方法计算的判别函数在同源目标和非同源目标间有明显的可分性,且在较低信噪比条件下,该方法仍可得到较好的关联效果。     

基于多目标优化PID的纸浆浓度控制系统

目的 针对纸浆浓度PID控制系统在时滞性、稳定性、耦合性方面的不足,提出一种基于多目标优化的纸浆浓度PID控制方法.方法 对纸浆生产工艺进行分析,结合纸浆浓度PID控制系统,设定多属性的决策变量,建立对应的目标函数和约束条件;从质量、产量、成本、环境等4个方面对纸浆浓度PID控制过程进行多目标优化,构建基于多目标优化的纸浆浓度PID控制模型;采用改进量子粒子群算法对多目标优化模型进行求解,获得Pareto最优纸浆浓度控制方案;将建模方法、优化算法、优选方法进行耦合,从而形成"建模-求解-优选"全过程的纸浆浓度控制方法.结果 通过对纸浆浓度控制优化前后的决策变量进行比较分析可知,多目标优化PID控制方法在评价指标方面满足了质优、高产、低耗的多目标优化的可控性要求;相较于传统PID控制方法,IPSO-PID控制方法的响应速度更快,具有更好的鲁棒性;在PID参数优化方面,文中的优化模型整定控制参数在0.05 s内达到稳态阶段,稳态误差更低,具有更好的稳定性.结论 在保证系统鲁棒性的同时,基于多目标优化算法的纸浆浓度PID控制系统可实现对纸浆浓度的精确性和稳定性控制,更好地满足实际工业生产的要求,确保纸张质量的品质.     

无失效数据情形可靠度的多层Bayes估计

对无失效数据的研究，是近些年来遇到的一个新的实际问题，对二项分布无失效数据，在可靠度的先验分布为 Ｂｅｔａ 分布 Ｂｅｔａ（ ０，１；１，ｂ） 和不完全 Ｂｅｔａ 分布 Ｂｅｔａ（ Ｒ Ｌ，１；１，ｂ） 时，给出了可靠度的多层 Ｂａｙｅｓ 估计。     

基于PSO算法和移动Agent的WSN路径优化研究

研究了基于PSO(particle swarm optimizing)算法对无线传感器网络中移动Agent迁移路径进行优化的方法.针对传统C/S模型网络中传感器节点需要直接发送数据给Sink节点导致节点能量消耗过大等问题,提出一种采用移动Agent根据路径选择访问节点并将融合后的数据发送给Sink节点的方法,并给出了一种通过PSO算法对路径进行优化的改进方法.实验证明:该方法能够有效降低网络能耗和提高网络生存时间.     

基于PSO优化BP神经网络的多传感器数据融合

针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error, MAPE)和拟合度(r²)均优于BP神经网络和自适应加权(adaptive weighted, AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。     

基于模糊综合评判的机床床身多目标优化设计

为了提高机床床身的抗振性并减轻质量,对床身进行了多目标优化设计。在CAD软件SolidWorks中建立了某机床床身的几何模型,然后将其导入ANSYS软件中进行模态分析。以床身的质量和前三阶固有频率为目标函数,以筋板厚度为设计变量,建立了多目标优化数学模型,结合粒子群优化算法进行求解后得到四组非劣解。利用模糊综合评判法从非劣解集中挑选出了一组最佳解,将此优化设计方案用于床身的实际制造,从而使床身在质量下降3.18%的同时,前三阶固有频率分别提高7.03%、9.64%、10.73%。研究表明,粒子群算法和模糊综合评判法具有较高的工程实用性。     

基于改进自适应遗传粒子群混合算法的多AGV路径规划研究

针对仓库中AGV的路径规划问题,该文提出了一种改进自适应遗传粒子群混合算法。首先,根据算法搜索进度修改权重和学习因子,采用一种新的非线性权重系数,两者根据迭代而动态变化。其次,动态调整交叉和变异概率参数。最后,为了避免多AGV出现路径冲突,在适应度函数中引入拥堵系数对拥堵路段进行惩罚。结果表明,与已有的改进遗传算法和改进粒子群算法相比,该文采用的改进自适应遗传粒子群混合算法搜索最优路径的长度更短、搜索范围更广。     

PSO和Cholesky分解的KELM的基因表达数据分类

核极限学习机(KELM)可使低维空间中线性不可分的数据变得线性可分,增加了ELM算法的鲁棒性,但KELM算法的输入权值参数采用随机初始化,容易导致算法不稳定.为此,本研究提出用粒子群优化算法对KELM中的权值初始参数进行优化、设定,以得到优化的分类器PSO-KELM.由于该算法输出权值求解采用传统的矩阵求逆运算,导致计算复杂,因此再对KELM的输出权值采用Cholesky分解进行优化.经一些标准基因数据集的实验表明,提出的PSO-KELM算法与已有的ELM、KELM、PSO-ELM相比分类精度更高,适用于基因表达数据分类.     

基于改进粒子群算法的非对称传动主轴多目标优化

针对某特种车辆传动系统由于结构布局限制导致的主轴两侧非等强度设计问题,综合考虑传动主轴-轴承系统内外多源激励,采用集中质量法建立系统非线性振动模型.基于所建立的模型,利用Runge-Kutta进行数值仿真求解,分析了稳态工况下系统弯扭耦合振动响应以及系统动载荷和振动能量的分布特点,得出了主轴右侧断裂的主要原因.为解决传...     

基于AIS数据的航运物流港口调度优化研究

目的 针对宁波舟山港区的复杂航道水域与密集物流交通流,研究更加有效的调度方案,达成调度时间和等待时间最小化,即效率最大化。方法 分析宁波舟山港区航道的航行情况,提出交会处复杂航道水域存在的问题,以调度时间和等待时间最小为目标的多目标函数,建立复杂航道水域船舶调度模型。针对大量的船舶AIS数据,构建基于神经网络的航道水域调度模型,对不同类型、不同大小的船舶建立速度变化和船舶预测模型,实现对船舶调度状态的预测。设计以传统粒子群算法为基础的改良版船舶调度算法。结果 算法对模型求解表明,根据不同船长与间距可判别交通流拥挤程度进而对船舶进行调度。通过模型预测到可能产生拥挤,则应当选择小型船只走条帚门航道,大型船只走虾峙门航道,并且尽量避免产生拥堵。结论 使用该模型与算法可以有效地提升船舶调度效率,为复杂航运物流港口调度优化研究提供了一定理论基础。     

基于最小二乘支持向量机的电站锅炉高效率低NOx的多目标优化研究

针对锅炉燃烧系统的多目标优化,在所建立的锅炉燃烧系统预测模型的基础上,分别采用加权-粒子群算法和多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法优化锅炉系统的可调整运行参数,以实现锅炉高效率低NO_x排放。分析表明,2种优化算法所得的运行参数相近,趋势与燃烧特性分析和燃烧调整试验结果相符合,说明智能算法优化电站锅炉燃烧系统有效可行。但是加权-粒子群优化算法主观依赖性严重,难以选取合适的权值,优化时间长且结果少;而MOPSO算法优化时间远远小于加权-粒子群算法优化时间,并且优化结果更多,优化效率更高,更有利于指导锅炉的实际运行。     

基于多目标粒子群协同算法的状态参数优化

针对铅锌烧结过程综合透气性、烧结终点的优化具有强非线性、计算复杂等特点,提出了一种有效的多目标粒子群协同优化算法。首先,建立了有综合透气性、烧结终点两个目标的优化模型。接着,通过改进的约束比较方法、粒子极值选取方法,以及利用不同的粒子群来分别优化相应的变量,提出了一种改进的多目标粒子群协同优化算法。最后,利用提出的多目标优化算法进行综合透气性、烧结终点的优化。仿真结果表明,所提出的多目标优化算法能较好地解决综合透气性、烧结终点的优化问题。     

基于粒子群算法的高黏度大比重物料无轴螺旋输送机构优化设计

 为解决高黏度大比重物料无轴螺旋输送机的螺旋叶片变形问题,利用粒子群优化算法,以无轴螺旋叶片刚度变形最小为优化设计目标,构建了基于粒子群算法的无轴螺旋叶片优化设计模型.应用构建的理论模型,进行了实例设计,并通过实验研究进一步证实该设计方法具有先进性和实用性．将智能算法应用于机械优化设计,为该领域研究提供新思路．     

基于多目标优化策略的扭杆可靠性稳健优化设计

为提高机械零部件的安全性和稳健性,应用可靠性稳健优化设计理论和多目标决策方法,建立了适合结构可靠性稳健优化设计的多目标优化模型.为能迅速准确地对具有约束条件的多目标优化模型进行求解,提出一种利用模糊理论对约束条件进行处理的方法,然后应用灰色粒子群算法对多目标优化模型进行求解.通过对正态分布参数和任意分布参数的扭杆可靠性稳健优化设计,表明该方法行之有效.     

非正态变量情况下基于杂交SAPSO-SFLA的多目标稳健协同优化

为解决非正态变量空间中复杂多变的隐式非线性功能函数的可靠性及灵敏度的问题,融合鞍点估计与线抽样法的优点,结合二分法的特点与黄金分割法的求解效率,提出基于黄金分割二分法的鞍点线抽样法,即可沿重要线抽样方向利用黄金分割点的二分法快速找到各样本点对应于功能函数的零点,将结构失效概率转化为一系列线性功能函数失效概率的平均值,求出相关变量的可靠性灵敏度,从而导出失效概率对变量均值与方差的可靠性灵敏度及结构轻量化的多目标优化问题,并阐明了多目标协同优化的思想。同时,针对可靠性灵敏度作为目标函数因误差导致多目标协同优化难以收敛的问题,提出了利用误差的思想与方法;为提高算法的收敛性,对粒子群优化(Particle Swarm Optimization,PSO)算法与混合蛙跳算法(Shuffled Frog-Leaping Algorithm,SFLA)进行改进以后,再将两者进行杂交,提出杂交自适应粒子群优化-混合蛙跳算法(Self-Adaptive PSO-SFLA,SAPSO-SFLA),并用来求解上述多目标优化问题。算例表明：1) 基于黄金分割二分法的鞍点线抽样法在求解复杂非线性功能函数的可靠性及灵敏度时精度高,速度快;2) 与粒子群优化和混合蛙跳算法相比,所提杂交SAPSO-SFLA不仅具有更快的收敛速度,其鲁棒性还能使盾构行星减速器箱体体积减小8.42%。