基于小生境粒子群技术的多航迹规划研究

文章将飞行器多航迹规划转化为多峰值函数优化问题,并以此为基础提出基于小生境粒子群技术的多航迹规划方法。该方法采用特定的粒子编码方式和适当的适应度函数,在满足各种航迹约束的条件下,通过引入RCS(Restricted Competition Selection)小生境生成策略,将航迹规划空间内的粒子群形成不同的相互独立的小生境子种群。在进化过程中,所有粒子个体只在各自的小生境子种群内部进化,追逐不同的极值点。当进化结束时,每个小生境子种群将分别生成一条各自的最优航迹,从而为飞行器生成了多条不同的可选航迹。仿真结果表明了该方法的有效性。     

马斯京根模型参数反演的改进粒子群算法

针对传统粒子群算法容易陷入局部最优(即"早熟"现象)的问题,将基于适应值共享原则的小生境策略与粒子群算法相结合,提出了一种改进的粒子群算法——小生境粒子群算法,并将之应用于4个典型测试函数的数值仿真以及基于马斯京根模型的参数反演计算。数值模拟结果显示,相比于传统的粒子群算法,小生境粒子群算法具有精度高、收敛速度快的特点,但其抗噪性较差。为了进一步提高算法的抗噪性,将基于小波多分辨分析的多尺度反演策略和小生境粒子群算法相结合构造了多尺度小生境粒子群算法。带有5%随机噪声的马斯京根模型参数反演结果显示,新提出的多尺度小生境粒子群算法能够有效提升小生境粒子群算法的抗噪性,从而使反演结果的精度得到较大的改善。     

基于小生境粒子群的属性约简算法

遗传算法（GA）及蚂蚁算法（ACO）等进化属性约简算法,具有全局寻优的优点,但存在算法时间复杂度高,搜索空间大等不足;粒子群（PSO）属性约简算法,虽然可提高求解效率,但易陷入局部最优.本文引入小生境技术,提出基于小生境粒子群的属性约简算法,利用小生境技术造就种群的多样性,使解保持多样化,以此避免粒子群属性约简算法易早熟收敛的缺点.理论分析及实验结果表明,该算法是有效可行的.     

二维排样中小生境粒子群算法的研究与应用

提出将基于小生境技术的粒子群算法引入二维不规则零件排样求解问题的方法,通过二维图 形坐标离散化的方式,将不规则零件轮廓转化为一系列的坐标区间,在经典粒子群优化算法的基础 上加入小生境的思想,运用基于小生境的粒子群算法来搜索排样结果．实验表明：该算法具有良好 的搜索性能,它为解决二维不规则零件排样提供了有效的决策方案．     

基于分解的自适应多目标粒子群算法研究

针对多目标粒子群算法在选取全局最优解和保持种群多样性上存在的缺陷,本文提出了一种基于分解的自适应多目标粒子群优化算法。该算法采用切比雪夫聚合方法,将多目标问题聚合为若干个单目标问题,并对每一个单目标问题粒子的速度和位置更新公式进行改进,提高了算法搜索到Pareto解集的效率。同时,改进了惯性权重和加速因子,使其自适应调整,能够更好地平衡全局和局部搜索,采用网格技术存储最优解集,能有效保持进化群体的分布均匀性,并采用5个经典的两目标测试函数进行了仿真实验。实验结果表明,通过改进粒子群算法的速度和位置更新公式,可以提高非支配解对真实解的逼近程度,体现了本算法的有效性;多目标粒子群优化算法求得的Pareto解集,在解的收敛性和分布性上都有明显的提升。本算法为求解多目标优化问题提供了一种新的方法。     

基于并行小生境技术优化的智能模糊聚类图像分割算法

利用PBM模糊聚类有效性函数以图像特征空间为搜索空间,实现有效性函数的全局寻优,用并行小生境技术解决粒子群(PSO)算法的早收敛问题,优化聚类的全局收敛性能,实现有效聚类数目与聚类中心的并行寻优。通过对遥感图像分割的实验证明,与传统粒子优化群算法的分割结果相比,本文算法拥有更高的有效性且分割效果更优。     

基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法

针对基于粒子群的属性约简算法易陷入局部最优、效率不高等问题,充分利用小生境技术在寻求最优解方面优势,提出一种基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法（NCNPSO-IAR）。该算法通过圆锥分层空间构造小生境半径邻域子集向量,避免过多地依赖于先验领域知识生成小生境半径和早熟收敛,始终保持种群多样性,提高算法收敛速度。另外粒子种群在圆锥解空间充分进行约简集子矢量的协同学习,使属性约简集较好收敛到最优集。相关仿真实验表明：该属性约简优化算法是高效和鲁棒的,适用于不完备、含噪音决策表的属性约简。     

基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法

针对基于粒子群的属性约简算法易陷入局部最优、效率不高等问题,充分利用小生境技术在寻求最优解方面优势,提出一种基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法(NCNPSO-IAR)。该算法通过圆锥分层空间构造小生境半径邻域子集向量,避免过多地依赖于先验领域知识生成小生境半径和早熟收敛,始终保持种群多样性,提高算法收敛速度。另外粒子种群在圆锥解空间充分进行约简集子矢量的协同学习,使属性约简集较好收敛到最优集。相关仿真实验表明:该属性约简优化算法是高效和鲁棒的,适用于不完备、含噪音决策表的属性约简。     

基于文化粒子群算法的快速图像增强方法

为了提高线性规划图像增强算法的运行效率,提出一种基于文化粒子群算法的快速优化直方图均衡增强新方法。将文化算法融入粒子群算法框架以得到文化粒子群算法,并将其应用于线性规划图像增强方法,以获得新的优化适应度函数。针对线性规划图像均衡化增强后的图像,利用伽玛校正方法来改善其视觉效果。对图像增强的效率和效果的理论分析及相关实验结果表明,所提方法可行,且相对于传统直方图均衡法在图像增强效果方面有一定程度的改善,能满足人眼视觉感知的需要。     

基于小生境粒子群算法的SPWM逆变器准PR控制优化研究

研究了一种采用小生境粒子群算法优化设计SPWM逆变器准比例谐振(PR)控制器参数的方法。逆变器采用输出电压瞬时值反馈和电感电流反馈双闭环控制。PR控制可以克服常规PI控制难以消除交流输入系统稳态误差的缺陷,但在控制器参数设计上没有成熟技术。为此,给出采用LCL滤波器双环控制SPWM逆变器的数学模型和结构框图;用小生境粒子群算法构造灾变算子、迁徙算子和隔离算子,增强种群的多样性和算法的优化性能。介绍了采用小生境粒子群算法优化准PR控制器的步骤。对开环控制、PI控制和准PR控制的控制效果进行比较,验证了小生境粒子群算法的性能。     

改进的多目标粒子群优化算法及其在雷达布站中的应用

为更好地解决多目标问题,提高多目标优化算法的多样性和收敛性,提出一种改进的多目标粒子群优化算法。算法将种群分为多个子种群同时进行优化搜索并改进粒子速度更新公式,扩大Pareto最优解集的覆盖面;利用反三角函数logistic映射初始化种群,使初始种群分布更均匀;并使用时变变异方法对外部档案进行变异,避免陷入局部最优。通过与标准多目标粒子群优化算法(MOPSO)和NSGA-Ⅱ在标准测试函数ZDT1、ZDT2、KUR上的仿真实验对比,验证了该文提出的改进算法的有效性,并将其应用于雷达优化布站。     

多角色多策略多目标粒子群优化算法

针对粒子群算法在解决复杂多目标问题时存在过早收敛和多样性不足的问题,提出多角色多策略多目标粒子群优化算法(MOPSO_RS). 该算法根据粒子的角色划分指标,给不同性能的粒子赋予不同角色;提出多策略的学习参数调整方法和多策略的全局最优粒子选取方法,帮助种群执行各种搜索策略. 不同的学习参数使各角色粒子获得不同的搜索策略,以调整粒子的探索和开发能力. 不同的全局最优粒子使各角色粒子搜索不同区域,提高种群的搜索效率. 为了避免算法陷入局部最优,引入带有高斯函数的变异算子,使粒子根据其角色朝向不同的全局最优粒子变异,提高算法的求解精度. 实验结果表明,对比其他改进多目标算法,MOPSO_RS具有良好的收敛性和多样性,并验证了所提策略的有效性.     

Diversity controlled multiobjective particle swarm optimization

For solving the premature in traditional multiobjective particle swarm optimization,a multi-objective particle swarm optimization based on diversity control is proposed.The proposed algorithm utilizes a diversity metric,which is based on weight vectors,to evaluate the population diversity in each generation and control the evolution process of the algorithm adaptively.To maintain population diversity,an adaptive mutation strategy based on Steffensen’s method is adopted to update the repository population.With the purpose of balancing the population diversity and convergence,the global best positions of particles areselected adaptively.This algorithm is compared with several widely used multiobjective evolutionary algorithms on a set of benchmark test problems in the experimental part.Statistical results demonstrate the effectiveness of the proposed algorithm.     

新型混合粒子群优化算法

针对粒子群算法易陷入局部极值、精度低等缺点,提出了一种基于模拟退火与混沌思想的新型粒子群优化算法(SA-CPSO).在该算法的初始阶段,对粒子位置进行混沌初始化,并引入模拟退火算法对每个粒子的适应度进行评价;在该算法运行过程中根据群体适应度方差对粒子群进行混沌更新;最后通过对几种经典函数的测试计算,结果表明,相对于标准粒子群算法,该新型混合算法提高了局部搜索能力和搜索精度,并有效避免了早熟现象的产生.     

编队接近非合作目标PSO多脉冲制导方法

为解决地球静止轨道(GEO)非合作目标远距离自主接近中的双视线导航约束以及制导精度问题,提出了一种双星编队接近的粒子群优化(PSO)多脉冲制导方法,该方法将C-W双脉冲制导律转化为带中途修正的多脉冲制导律,然后将时间固定的多脉冲燃料消耗最优问题转化为带双视线夹角约束和制导精度约束的多目标优化问题,接着将带约束的多目标优化问题转化为PSO规划问题并给出规划算法.通过在不同条件下的对比仿真验证结果表明,该方法能够有效的完成对非合作目标远距离的制导.     

Optimization of Multi-Project Multi-Site Location Based on MOPSOs

1 Introduction Multi-project multi-site location problems are wide-spread in practical engineering and city plan- ning. A multi-objective fuzzy dynamic planning [1] and a decision-making method based on a graph of the network [2] were presented by Zhou et al to solve the location problems for a few engineering projects. These problems were also solved using the traditional Hungary decision-making method [3]. A model for a multi-objective decision-making method for site se- lecting of projects…     

基于混沌PSO或分解的二维最小误差阈值分割

为了进一步提升现有的二维最小误差阈值分割快速递推算法的运行速度,提出分别基于混沌粒子群优化（PSO）和分解的2种二维最小误差阈值分割算法.第 1种算法利用混沌粒子群优化算法搜寻二维最小误差法的最佳分割阈值,且在迭代过程的适应度函数计算中引入递推算法,大大减少了冗余计算;第2种算法将二维最小误差法的运算分解成一维最小误差法和一维最小类内对数方差法的运算,计算复杂度由二维递推算法的O(L2) 进一步降为O(L).实验结果表明,提出的2种算法能够在分割效果达到或优于现有的二维最小误差阈值分割法的同时,大大加快运行速度.     

基于偏好信息的双阈值多目标粒子群算法

以获取偏好解为研究重点,提出了一种双阈值多目标粒子群( multi-objective particle swarm optimization with double thresholds,DT-MOPSO)算法。该算法利用g-支配增加选择压力,借助光束距离阈值σ控制非劣解的数量。另外,引入多样性指标的阈值实现对解集的分布性的控制。当解集的多样性指标低于阈值时,采用自适应网格技术增加解的多样性。通过对典型问题的测试,验证了改进算法的正确性和有效性。     

车辆钢板弹簧的多目标可靠性稳健优化设计

为提高车辆钢板弹簧的安全性和稳健性,运用可靠性稳健优化设计理论和多目标思想,为车辆钢板弹簧建立一个可靠性稳健优化设计的高维多目标模型。为提高模型的求解精度,利用层次分析法选取粒子群算法中的全局极值和个体极值,提出了基于层次分析法的多目标粒子群算法。与传统方法相比,利用该算法进行可靠性稳健优化设计高维多目标模型求解,简便易行并能迅速准确地得到车辆钢板弹簧的可靠性稳健优化设计信息。