基于速度交流的共生多种群粒子群算法

为了提高粒子群算法的求解精度,改善算法的搜索性能,提出一种基于速度交流的共生多种群粒子群算法(SMPSO)。该算法采用速度交流机制划分整个从种群为多个子种群,负责解空间的全局搜索,将获得的最优信息分享给主种群;主种群综合从种群与自身最优经验,负责局部深度优化,获得最优信息反馈给从种群,从而建立主从群间的共生关系,实现解空间的充分搜索。迭代后期,在主种群中引入自适应变异策略,提高算法跳出局部最优的能力。将提出的SMPSO算法应用于基准测试函数中,与其它改进的PSO算法进行比较。实验结果表明,SMPSO算法在求解精度、搜索能力、稳定性等方面均有较大的提高。     

基于粒子群与聚类的多目标优化算法

针对粒子群优化算法容易陷入局部最优的问题,提出了一种基于粒子群优化与分解聚类方法相结合的多目标优化算法。算法基于参考向量分解的方法,通过聚类优选粒子策略来更新全局最优解。首先,通过每条均匀分布的参考向量对粒子进行聚类操作,来促进粒子的多样性。从每个聚类中选择一个具有最小聚合函数适应度值的粒子,以平衡收敛性和多样性。动态更新全局最优解和个体最优解,引导种群均匀分布在帕累托前沿附近。通过仿真实验,与4种粒子群多目标优化算法进行对比。实验结果表明,提出的算法在27个选定的基准测试问题中获得了20个反世代距离(IGD)最优值。     

求解复杂优化问题的双层多种群粒子群优化算法

为解决粒子群优化算法存在的易早熟和精度低问题,提出了一种双层多种群粒子群优化算法.此算法采用上下两层,即下层N个基础种群和上层一个精英种群.各个基础种群相互独立进化,并从精英种群中得到优良信息指导自己的进化.上层精英种群首先通过接受各基础种群的当前最优粒子来更新自己的粒子集合,然后执行自适应变异操作,最后随机地向每一个基础种群输送出本次进化后的一个最优粒子来改进其下一轮搜索.该算法的并行双进化机制增加了群体的随机性和多样性,提高了全局搜索能力和收敛精度.实例仿真表明该算法具有较好的性能,尤其对于复杂多峰函数优化,成功率显著提高.     

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。     

基于多目标粒子群算法的多传感器图像融合

针对图像融合中参数优化的问题,提出了一种基于多目标粒子群优化算法的多传感器图像融合方法。首先采用非采样Contourlet变换(NSCT)对源图像进行多尺度、多方向分解;然后选取图像融合的客观评价指标为优化目标函数,采用多目标粒子群优化算法对低频系数的融合参数进行优化,带通方向子带系数采用取绝对值最大的融合规则;最后通过NSCT逆变换得到融合图像。分别对多聚焦图像融合和红外与可见光图像进行融合实验,并对融合图像进行主客观评价,实验结果表明,得到的融合图像具有较好的主观视觉效果和客观评价指标。     

多种群的粒子群优化算法的研究

基于差分进化算法和标准粒子群算法的混合算法进行改进,提出多种群的混合粒子群算法。通过仿真,改进后的算法在收敛速度和性能方面相当于其他粒子群算法有较大的提高,具有较强的鲁棒性。     

基于粒子群算法多目标优化液压支架四连杆

针对煤矿液压支架四连杆受力计算较为复杂,简化计算时易出现较大误差且稳定性较差的问题,提出从四连杆机构的空间受力出发并结合支架的运动轨迹,采用粒子群优化算法对四连杆机构展开优化研究。首先建立了四连杆优化模型,在优化模型中选取对结果影响较大的参数作为优化变量,以轨迹偏差、连杆长、连杆力之和作为目标函数,根据液压支架设计规范确定约束条件。然后使用粒子群算法对目标函数进行迭代求解并在求解过程中采用惩罚函数法解决优化模型中不等式约束问题。对比优化前后连杆的杆长、受力和稳定性数据,发现优化后的四连杆实现了轻量化,且受力较小,稳定性提高。研究结果对四连杆的设计有实际参考价值。     

基于改进粒子群优化算法的快速小目标检测

提出了一种快速小目标检测方法.在算法优化方面,采用粒子群优化算法.为了克服传统粒子群优化算法的一些不足,对粒子群的拓扑结构进行了自适应的调整,改进了粒子群的多样性和寻优能力.在小目标检测方面,主要通过图像局部方差增量描述小目标作为图像局部灰度突变区域的这种特性.通过将粒子群优化算法引入到检测中,提高了检测速度.通过仿真实验,粒子群的寻优能力有了明显的增强,检测的性能有了大幅度的提升,并且检测结果是可靠和有效的.     

基于改进多目标粒子群算法的商用车悬架系统优化EI北大核心CSCD

为改善商用车辆的平顺性、安全性并减小轮胎动载对路面的破坏,以某6×4牵引列车为研究对象,建立12自由度振动力学模型。以车辆平顺性和轮胎动载为优化目标,选择前后悬架弹簧刚度、减振器阻尼系数为优化参数,设计了一种基于改进多目标粒子群优化算法MDPL-MOPSO的悬架系统多目标优化策略。悬架系统优化前后的结果对比表明,提出的改进多目标粒子群优化策略在改善车辆平顺性的同时,兼顾了轮胎动载对路面的损坏,具有较好的优化效果,对重型商用车在开发阶段平顺性和安全性优化评估具有一定的指导意义。     

基于分群粒子群算法的平面度误差评定研究

基于分群粒子群算法对平面度误差判定进行了研究。首先建立平面度误差评定数学模型,对平面度误差最小求解转化成对目标函数的非线性最优化问题;接着改进粒子群算法把粒子群一分为二,在不增加粒子个数和粒子维度的情况下,两个粒子群分别用来全局搜索和局部搜索,通过阈值判断早熟现象;最后给出了算法流程。实例验证结果表明:该算法具有较强的优化能力,对测试函数求解的最优解值数据波动性比较小,平面度的公差值为0.0073mm,相比LSM、DM、TPM、PSO、ABC算法公差值平均分别减少了0.0023mm,0.0025mm,0.0027mm,0.0002mm,0.0005mm,评定精度较高。     

粒子群优化算法综述

粒子群优化（PSO）算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等,并对其未来的研究提出了一些建议。     

基于改进粒子群算法的制造单元设施布局问题研究

为避免单元系统布局和单元内设施布局分开孤立研究所导致的问题解空间损失,利用并行工程的思想对单元布局的两个环节集成考虑,对单元系统布局、单元内设施布置、设施摆放方向进行同时描述,并建立多目标集成优化模型。针对模型的复杂性,设计了改进粒子群算法,算法吸收了遗传算法中的交叉操作算子,具有跳出局部最优解的能力。最后通过求解单元设施布置实例,验证模型和算法的有效性。     

Research on a Distribution Center Location Model Based on a Particle Swarm Optimization Algorithm

Logistics is supposed to be the important source of profits for the enterprises besides reducing material consumption and improving labor productivity.Transportation costs,distribution center construction costs,ordering costs,safe inventory costs and inventory holding costs are the important parts of the total logistics costs.In this paper,based on the research results of LMRP(location model of risk pooling) location with fixed construction cost,the LMRPVCC(location model of risk pooling based on variable c...     

基于微粒群算法的系统可靠性优化

微粒群算法是近来发展起来的一种新的优化计算方法,在简要说明微粒群算法的基础上,将该算法用于系统可靠性优化计算,分别对串联系统的可靠性分配、桥联系统的冗余可靠性优化设计问题进行分析计算,探讨了微粒群算法在系统的可靠性优化计算中应用的可行性,计算机仿真结果表明了微粒群算法求解该问题的可靠性和有效性。     

基于改进粒子群算法的航空行李在线装载优化

目的 为解决航空行李自动装卸中关键装载算法问题,实现航空行李自动装卸,同时满足流水作业的实际需要.方法 基于关键点装载策略,提出一种以装载空间利用率为优化目标,考虑行李质量、体积及装载顺序等约束条件的改进粒子群算法.首先,通过关键点法输出流水线上待装载行李的全部可放点序列,然后根据约束条件重新定义粒子群算法的速度与位置,以空间利用率为适应度函数进行迭代寻优,输出全局最优解,实现对装载位置与姿态的优化.结果 实验部分采用真实行李数据对算法进行仿真验证表明,改进粒子群算法优化后可将箱体空间利用率提高了10.8％,平均规划布局效率提高了26.5％.结论 提出的装载算法能够有效地解决实际行李装载问题,为行李流水作业的货物装载提供理论依据及参考.     

An Improved Unsupervised Image Segmentation Method Based on Multi-Objective Particle Swarm Optimization Clustering Algorithm

Most image segmentation methods based on clustering algorithms use single-objective function to implement image segmentation. To avoid the defect, this paper proposes a new image segmentation method based on a multi-objective particle swarm optimization (PSO) clustering algorithm. This unsupervised algorithm not only offers a new similarity computing approach based on electromagnetic forces, but also obtains the proper number of clusters which is determined by scale-space theory. It is experimentally demonstrated that the applicability and effectiveness of the proposed multi-objective PSO clustering algorithm.