基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

改进粒子群算法在网格资源分配中的优化

针对并行网格任务的资源分配问题,提出了一种基于并行粒子子群优化的分配算法.该算法引入效用函数,反映网格任务的偏好和目标,利用乘子法转化约束条件,导出适应度函数.最后通过粒子子群的并行寻优过程,得到资源分配的最优解.仿真实验表明了该算法的有效性,且在任务较多的情况下,优化结果好于传统粒子群算法.     

基于最佳粒子共享的并行粒子群优化算法及其在分类中的应用

粒子群优化（Particle Swarm Optimizer,PSO）算法是数据挖掘技术的一种算法。数据挖掘就是从大型数据库中的数据中提取人们感兴趣的知识。PSO算法模仿鸟群、鱼群的行为,通过群中的每个个体即粒子,依靠本身的速度向量和群信息,在多维搜索空间中搜索找到最优解。并行粒子群算法可以减小粒子间的相互干扰,扩大搜索范围;对于大规模或超大规模的多变量求解具有重要的意义,可以提高解的速度和解的质量。本文提出了并行粒子群的改进算法。同时将改进的并行粒子群算法应用于数据挖掘的分类中。实验采用IRIS数据集,它有3个类别,分别为Setosa,Versicolor,Virginica,每个类别包含50个例子。每个例子有4个属性,分别为花萼长度,花萼宽度,花瓣长度和花瓣宽度,将数据按9：1分成两部分,大的作为训练样本,小的作为测试样本。得到一个分类规则,将这规则用于测试集,准确率为91．5％。实验结果表明该算法可行。     

粒子群优化结构测量矩阵的遥感压缩成像

针对块循环测量矩阵应用于遥感压缩成像存在图像重构性能不理想的问题,本文把粒子群智能优化算法引入到块循环矩阵优化中,实现了在保持矩阵结构不变的同时对块循环矩阵的优化。首先以相关系数的Welch界为阈值约束Gram矩阵非对角元素构造目标矩阵;然后以Gram矩阵逼近目标矩阵的方式建立目标函数,将优化对象改为构造块循环矩阵的自由元向量。为提高优化效率,文中采用权重自适应更新的方式提高粒子搜索能力。开展了相关重构对比实验,结果表明,优化后的块循环测量矩阵在保持矩阵结构的同时,降低了与稀疏变换矩阵的相关性,其与稀疏变换矩阵的最大相关系数、平均相关系数和阈值平均相关系数分别降低了0.027 3、0.017 5和0.004 6,得到的结果显示优化的块循环矩阵提高了图像的重构性能。     

Optimum selection of mechanism type for heavy manipulators based on particle swarm optimization method

The mechanism type plays a decisive role in the mechanical performance of robotic manipulators. Feasible mechanism types can be obtained by applying appropriate type synthesis theory, but there is still a lack of effective and efficient methods for the optimum selection among different types of mechanism candidates. This paper presents a new strategy for the purpose of optimum mechanism type selection based on the modified particle swarm optimization method. The concept of sub-swarm is introduced to represent the different mechanisms generated by the type synthesis, and a competitive mechanism is employed between the sub-swarms to reassign their population size according to the relative performances of the mechanism candidates to implement the optimization. Combining with a modular modeling approach for fast calculation of the performance index of the potential candidates, the proposed method is applied to determine the optimum mechanism type among the potential candidates for the desired manipulator. The effectiveness and efficiency of the proposed method is demonstrated through a case study on the optimum selection of mechanism type of a heavy manipulator where six feasible candidates are considered with force capability as the specific performance index. The optimization result shows that the fitness of the optimum mechanism type for the considered heavy manipulator can be up to 0.578 5. This research provides the instruction in optimum selection of mechanism types for robotic manipulators.     

基于粒子群—遗传混合算法的装配操作优化

为通过装配工艺优化提高车身装配尺寸质量,针对车身众多几何可行装配顺序,应用多属性有向图描述零件间的优先关系和装配控制特征数量,来去除非工程可行装配顺序。以装配尺寸质量为目标函数,提出粒子群—遗传混合算法优化零件间装配操作,通过线性装配偏差分析模型进行装配偏差累积运算,获得了最优装配顺序。通过车身侧围装配体阐述了装配控制特征的优化过程,结果表明,不同的装配顺序将影响装配控制特征的选择,从而影响最终的产品装配偏差。     

基于粒子群算法的并行多机调度问题研究

将港口拖轮作业调度问题描述为一类带特殊工艺约束的并行多机调度问题,采用粒子群算法求解该类调度问题,提出了一种2维粒子表示方法,通过对粒子位置向量进行排序生成有效调度,并采用粒子位置向量多次交换的局部搜索方法来提高算法的搜索效率。最后,通过计算验证了混合粒子群算法的有效性。     

Multi-objective optimization for turning processes using neural network modeling and dynamic-neighborhood particle swarm optimization

In this paper, we introduce a procedure to formulate and solve optimization problems for multiple and conflicting objectives that may exist in turning processes. Advanced turning processes, such as hard turning, demand the use of advanced tools with specially prepared cutting edges. It is also evident from a large number of experimental works that the tool geometry and selected machining parameters have complex relations with the tool life and the roughness and integrity of the finished surfaces. The non-linear relations between the machining parameters including tool geometry and the performance measure of interest can be obtained by neural networks using experimental data. The neural network models can be used in defining objective functions. In this study, dynamic-neighborhood particle swarm optimization (DN-PSO) methodology is used to handle multi-objective optimization problems existing in turning process planning. The objective is to obtain a group of optimal process parameters for each of three different case studies presented in this paper. The case studies considered in this study are: minimizing surface roughness values and maximizing the productivity, maximizing tool life and material removal rate, and minimizing machining induced stresses on the surface and minimizing surface roughness. The optimum cutting conditions for each case study can be selected from calculated Pareto-optimal fronts by the user according to production planning requirements. The results indicate that the proposed methodology which makes use of dynamic-neighborhood particle swarm approach for solving the multi-objective optimization problems with conflicting objectives is both effective and efficient, and can be utilized in solving complex turning optimization problems and adds intelligence in production planning process.     

基于粒子群优化的神经网络训练算法在产品种类预测中的应用

市场环境的变化导致产品更新换代加快，产品种类预测成为新的难题。传统的线性预测方法只能对产品需求的数量或价格等数值进行预测，而无法对产品的发展趋势和未来种类做出正确预测。通过对产品种类预测、数据挖掘和粒子群优化算法的研究，建立种类预测模型，利用基于粒子群优化的神经网络训练算法进行产品种类预测，并以手机为例进行预测，结果证明该方法是有效的。     

基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。     

Dynamic compensation for sensors based on particle swarm optimization and realization on LabVIEW

以冲击波压力测试为背景,介绍了一种基于粒子群优化算法(PSO)的动态补偿数字滤波器的设计方法。对压力传感器进行动态校准实验和计算机仿真,根据传感器动态标定时的输入输出数据及参考模型,利用粒子群优化算法进行寻优,得到的全局最优值即为传感器动态补偿器的系数,并利用LabVIEW平台完成了动态补偿滤波器的设计。实验结果表明:经过补偿器处理后的信号与输入的被测信号有良好的一致性。     

公差设计多目标模型及其粒子群优化算法研究

为解决成本一公差设计模型中忽视产品质量的问题，以新型的田口质量观和Pareto最优解集概念为基础，提出了一种公差设计多目标模型。该模型将加工成本和质量损失分别作为设计目标，并以统计法公差装配成功率为约束条件，获得了比极值公差法更加宽松的公差限。改进了传统的粒子群优化算法，利用Pareto最优性重新定义粒子，然后采用快速非支配排序技术进行粒子的适应度排序，使其能够有效地对多目标模型进行求解。该算法对具体工程实例求解时，一次运行就可求得令人满意的Pareto最优解集，设计者可以根据生产实际和市场需求从中进行选取。通过对求得的Pareto进行最优前沿的分析，可得到该类零件公差设计的特性，其结果验证了公差诒计的一船规徨．     

基于拥挤距离排序的多目标粒子群优化算法及其应用

针对多目标粒子群算法在全局寻优能力和Pareto集多样性上的不足,提出基于拥挤距离排序的多目标粒子群算法.该算法采用精英策略,基于个体拥挤距离降序排列,进行外部种群的缩减和全局最优值的更新,并在内部粒子群中引入小概率变异机制,增强算法的全局寻优能力,控制Pareto最优解的数目,同时保证其收敛性和多样性特征.在电梯曳引性能的多目标优化应用中,证明了该算法对于两目标和三目标优化问题求解的有效性.不同规模实例的运算对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于改进强度Pareto进化算法,且缩短了运算时间,具有较高的效率与鲁棒性.     

基于粒子群和约束满足的钢轧一体化批量计划优化

在分析钢铁生产中的钢轧一体化批量计划编制问题基本特征的基础上给出了一体化编制策略,并建立了问题的约束满足优化模型。针对模型的NP难特性,提出了一种将改进离散粒子群算法、约束满足和邻域搜索相结合的混合算法。算法采用自然数矩阵编码,每个粒子代表其相应任务分配问题的解;在构造启发式解的基础上,利用邻域搜索方法计算粒子的适应值;为提高算法的收敛速度,利用约束满足技术生成初始化可行种群并修复迭代过程中产生的不可行解。基于企业实际生产数据的仿真实验结果验证了模型和算法的有效性。     

基于k-中心点法的改进粒子群算法在旅行商问题中的应用

为将面向连续优化的粒子群优化算法应用于旅行商问题的求解,提出了旅行商问题的权重编码方案.该方案将属于组合优化的旅行商问题转化为连续优化问题,同时保留了粒子群算法的易操作性和高效性.针对粒子群算法易陷入局部最优的问题,提出了适合旅行商问题的基于k-中心点法的改进措施.该措施利用简单匹配系数构建粒子群的相异度矩阵,在此基础上采用k-中心点法对粒子群进行聚类分析,实现了粒子之间的信息交换,扩大了粒子的搜索空间,避免算法陷入局部最优.最后,用旅行商问题标准库的4个算例验证了权重编码方案和改进粒子群算法的有效性.     

瞬时铣削力建模与铣削力系数的粒子群法辨识

为获得精确的瞬时铣削力模型,对微元铣削力进行分析,建立了微元铣削力模型。依据立铣加工的特点,提出了微元铣削刃参与铣削的判断方法,给出了具体的计算公式。在此基础上,建立了包含剪切效应和犁入效应的瞬时铣削力模型。利用粒子群算法收敛速度快的优点,提出了基于粒子群的单位铣削力系数辨识方法,给出了算法的实现步骤。铣削试验结果表明,该方法能够精确辨识出单位铣削力系数,利用所提出的瞬时铣削力模型获得的铣削力预测值与铣削力实测值的大小和变化趋势基本一致。     

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题.     

Accurate evaluation of free-form surface profile error based on quasi particle swarm optimization algorithm and surface subdivision

Although significant progress has been made in precision machining of free-form surfaces recently, inspection of such surfaces remains a difficult problem. In order to solve the problem that no specific standards for the verification of free-form surface profile are available, the profile parameters of free-form surface are proposed by referring to ISO standards regarding form tolerances and considering its complexity and non-rotational symmetry. Non-uniform rational basis spline(NURBS) for describing free-form surface is formulated. Crucial issues in surface inspection and profile error verification are localization between the design coordinate system(DCS) and measurement coordinate system(MCS) for searching the closest points on the design model corresponding to measured points. A quasi particle swarm optimization(QPSO) is proposed to search the transformation parameters to implement localization between DCS and MCS. Surface subdivide method which does the searching in a recursively reduced range of the parameters u and v of the NURBS design model is developed to find the closest points. In order to verify the effectiveness of the proposed methods, the design model is generated by NURBS and the measurement data of simulation example are generated by transforming the design model to arbitrary position and orientation, and the parts are machined based on the design model and are measured on CMM. The profile errors of simulation example and actual parts are calculated by the proposed method. The results verify that the evaluation precision of freeform surface profile error by the proposed method is higher 10%-22% than that by CMM software. The proposed method deals with the hard problem that it has a lower precision in profile error evaluation of free-form surface.     

基于多目标粒子群算法的节能减排调度研究

在节能减排背景下,综合考虑最小化机组煤耗量和污染物排放量,提出了求解多目标节能减排负荷调度的模型及改进多目标粒子群算法。该改进算法引入半可行域的概念处理约束条件,避免了惩罚因子复杂的选取过程;采用精英归档技术构建了外部精英集和个体非支配解集,提高了算法的收敛速度和解的质量;采用了自适应网格法维护外部精英集,获得了分布均匀的Pareto前沿;并提出了基于半可行域概念的个体极值和全局极值选取规则。利用该方法对某电厂6台机组系统进行了节能减排最优负荷调度,获得了分布良好的Pareto最优解,有效降低了系统煤耗和污染物排放量,分析结果验证了该方法的有效性和可行性。