基于MATLAB的粒子群优化算法及其应用研究

分析了粒子群优化算法的原理、模型和算法实现过程,并应用该法对行星齿轮传动优化设计进行了实例仿真。仿真结果表明,基于Matlab的粒子群优化算法在机械优化设计中切实可行,该优化算法为复杂的机械优化设计提供了新的思路和方法。     

基于小生境改进粒子群算法的几何约束求解

几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法可以提高几何约束求解的效率和收敛性。     

基于离散粒子群算法的资源约束下多项目资源优化方法研究

面向制造企业多项目管理中的资源优化配置问题,以资源作为决策变量展开研究,以整体工期优化为目标建立了资源优化模型,设计了一种用于求解可更新资源约束的资源优化配置问题的离散粒子群算法.新算法重新定义了基本粒子群算法中的速度、位置公式,使其适宜求解资源优化调度类离散问题,加快收敛速度,获得整体最优配置方案.应用研究表明本算法...     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

基于改进粒子群算法的管片拼装机齿轮优化

针对管片拼装机回转装置的工况要求,分析内啮合齿轮相对滑动率的影响因素.粒子群算法具有较强的局部搜索性,但较易陷入局部最优的特点,故对其进行改进,增强其全局搜索性.利用此改进算法对内啮合齿轮进行优化设计,改善内啮合齿轮的啮合质量,提高其使用寿命.     

基于粒子群算法的铣削参数优化

针对加工中心环境下铣削加工切削参数的优化选择问题,通过考虑机床加工、工件和刀具的实际约束,建立以最大生产率为目标函数的铣削参数数学模型,采用粒子群优化算法对铣削参数进行了寻优并进行了实例验证,结果表明粒子群算法优化铣削参数可以缩短加工时间,提高生产率.     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

基于MATLAB粒子群算法的切削用量优化

切削用量的合理选择对提高机床使用效率、降低生产成本有很大的帮助。根据线性加权和法,以进给量和切削速度为变量,以最大生产率和最低生产成本为目标建立优化数学模型,并且考虑机床和刀具的约束,利用粒子群算法在MATLAB上对数学模型进行寻优求解。实例表明,优化后的切削用量能明显地降低成本、提高效率。     

带活力因子的粒子群优化算法

在标准粒子群算法的基础上引入活力因子,克服标准算法容易陷于局部最优的缺点,仿真测试结果验证了算法的可行性和有效性.     

基于微粒群的约束优化

针对微粒群算法在处理约束优化问题时,难以兼顾约束与优化之间关系的问题,提出了一种泛学习微粒群算法(ULPSO),通过引入微粒不可行历史最优,使得微粒的学习更具多样性和有效性,增强了算法的搜索智能.通过对常用的13个基准函敷的测试对比分析,表明该算法求解约束优化问题的计算具有快速性、稳定性和有效性.     

基于CLPSO算法的结构系统识别

系统识别问题可以转化成高维多模优化问题。针对基本粒子群优化在分析此类问题时容易出现早熟收敛从而导致局部优化和产生较大误差,提出将基于综合学习策略粒子群优化算法(CLPSO)应用于结构参数识别。由于该方法能够保持群体的多样性,因此可以避免早熟收敛。利用该方法在测量数据不完备且有噪声污染的条件下,同时在没有系统质量和刚度等先验信息的情况下对结构系统进行了识别,通过数值模拟以及对某真实结构进行分析,验证了该方法对结构系统识别的有效性。     

基于粒子群优化的形态学滤波器消噪方法

为了有效地消除信号的噪声,提出了基于粒子群优化的数学形态滤波器构造方法。首先,根据数学形态学算法的特性构造了形态学滤波器;然后,对于形态学滤波运算中的重要参数形态结构算子,采用具有全局优化性能的粒子群算法自适应选取,以最大信噪比作为整个优化过程的判定标准,从而实现了最优滤波器的构造;最后,通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。     

基于微粒群算法的机械优化设计

介绍了微粒群优化算法的原理、改进及算法实现过程.用数值实验验证了该算法在解决复杂机械优化问题方面的可行性与有效性.     

一种自适应粒子群算法的小波神经网络优化

针对传统粒子群算法易陷入局部最优解的问题,提出了一种变权重粒子群算法.该算法通过引入交叉权重因子和粒子个体状态最优权值,对传统粒子群算法进行了优化,使粒子在移动过程中利用更多的信息来调整各自的移动方向,扩大粒子在运动过程中的自我认知范围,提高了粒子群算法的收敛精度和收敛速度.最后,利用改进的变权重粒子群算法对小波神经网络控制器进行优化,有效地验证了变权重粒子群算法的精确性.     

一种凸轮曲线调制处理及粒子群优化方法

将调制的原理运用于原有的凸轮曲线设计中,用调制信号调节和控制凸轮曲线形状,以凸轮曲线特征值为优化目标,建立了对调制处理后的凸轮曲线进行多目标优化的数学模型,并阐述了用粒子群优化（PSO）技术进行求解的过程,从而得到了一种对原有的凸轮曲线进行调制处理及粒子群优化的新方法。以改进正弦凸轮曲线为例,对该调制和优化方法进行了验证。优化实例表明,该方法可以调节凸轮曲线形状,改善凸轮曲线的动力学特性,获得综合特性更好的凸轮曲线。     

基于粒子群算法的汽车ABS控制器参数的优化设计

提出了基于粒子群算法的汽车ABS控制器参数的优化设计方法。该方法将ABS控制器的参数编码为粒子群中粒子的向量,通过粒子群在参数空间的寻优得到优化的控制参数。然后分别以未优化的参数和优化的参数作为控制参数进行了仿真试验,仿真结果证实了该算法的有效性。最后以优化的参数作为控制参数进行路试,取得了比较满意的制动效果。     

加工参数优化中自适应协同粒子群算法研究

针对加工参数优化过程中粒子群优化算法的优化效果受参数影响较大的问题,提出了自适应协同粒子群优化算法。对粒子群优化算法的参数对优化结果的影响进行了详细而深入的分析,在此基础上,给出了优化过程中惯性权重、学习因子、最大速度等参数的变化规律,并通过仿真的方法确定了最优参数的取值。最后通过对基准函数的仿真实验,验证了本文算法的正确性和有效性。     

PSO优化算法的参数研究

分析了惯性权重与学习因子对算法性能的影响,相应提出了几种调整策略并对其优缺点进行比较,之后基于前人的基础数据,借助Matlab软件进行编程,对6种组合调整策略进行优化试验,并与前人试验的最优解进行比较,最终通过试验数据,找出了一种较为可行的优化调整策略.