粒子群-鱼群混合算法在桁架结构优化设计中的应用

群智能算法由于其优异的搜索性能被广泛应用于结构优化设计,人工鱼群算法和粒子群算法都是基于动物群体行为的智能优化随机算法.本文介绍了人工鱼群算法和粒子群算法的基本原理,并提出了粒子群和鱼群杂交混合的一种新方法:粒子群-鱼群混合算法,将粒子群-鱼群混合算法应用到四个桁架结构的重量优化设计,包括平面桁架结构和空间桁架结构,通过比较粒子群-鱼群混合算法、人工鱼群算法、粒子群算法的优化结果,发现改进的粒子群-鱼群混合算法具有收敛精度高、收敛速度快等特点,同时具有较好的稳定性,可用于结构优化设计.     

应用群智能混合算法优化救灾物资配送路径

通过模型假设,加入受灾点物资需求量、最长等待时间、路况系数等约束条件,构建了基于多约束条件、多目标点的应急救灾物资配送路径优化模型,并基于粒子群算法与蚁群算法各自的优点,设计出群智能混合算法。利用MATLAB软件平台,模拟出实例中最优配送路径,为合理选择应急救灾物资配送路径提供理论支撑。     

基于优化粒子群算法对智能RGV动态调度的研究

针对单轨直形穿梭车RGV(Rail Guided Vehicle)的动态调度策略,以单位周期8 h内加工数目最多为目标,分别对一道、两道工序及故障系统进行仿真模拟分析。在此基础上,运用粒子群优化算法、最短路径TSP(Traveling Salesman Problem)遗传算法对正常工作情况下一道、两道工序加工系统建立调度方案,同时利用概率函数法在故障情况下建立可修排队系统,最后利用MATLAB进行故障仿真,得到3组参数在不同故障率的系统作业效率,从而为RGV动态调度提供了最优CNC(Computer numerical control)加工循环序列。     

砌体结构基于群集智能的动力检测

本文提出基于新兴的群集智能算法对砌体结构剩余层间刚度进行识别,该方法仅利用环境激励下的结构响应信号,并根据识别的剩余刚度得到砌体结构的强度,从而达到对砌体结构进行安全性评估的目的。模拟结果表明该方法简单高效,易于实现,为已有砌体房屋的安全检测和质量评估提供一种新的方法与手段。     

群智能优化算法在路径规划中的应用

本文对群智能的理论内涵进行分析,然后从人工鱼群算法、蚁群算法以及粒子群算法三个角度分析群智能优化算法在移动机器人规划中的应用现状,然后对以上三种算法的性能做比较。     

蚁群优化算法基本原理及研究进展

对蚁群算法的原理及特点进行了论述,进行了算法在几种优化问题上的应用研究,对算法的一些不足进行了分析,提出了几种算法改进的方法,进行了该算法下一步研究的展望。     

求解自动化药房路径优化的混沌粒子群算法

基于静态存储的基本理论,本文建立了存取药品的模型和优化路径的目标函数。并采用了基本粒子群算法、混沌粒子群算法分别对该模型仿真,验证了混沌粒子群算法的优越性。     

粒子群算法的边界问题研究

粒子群算法是一种实现容易、精度高、收敛快的新型进化算法。该算法在实际应用时会遇到粒子运动超出搜索空间的边界问题。边界问题对算法的效能产生了一定的影响,需要对其加以研究和解决。     

基于多种群蚁群粒子群融合算法的工程项目多目标优化研究

为解决工程项目集成化管理中存在的问题,提出多种群蚁群粒子群融合算法,并结合某地铁工程实例对该算法进行实证研究。根据求解效果分析得出结论,这一算法在解决多目标共同优化问题时比基本蚁群算法得到的帕累托解集更多,可以应用于施工项目集成化管理。     

改进粒子群算法在电力系统无功优化中的应用

为研究解决电网无功优化问题的可行算法[1],对粒子群算法进行探讨和改进,引入共轭梯度法,克服标准粒子群算法容易进入局部收敛、收敛精度不高等缺点[2]。改进的粒子群算法寻优质量高,收敛速度快,节点电压满足系统运行要求,系统网损较小,是解决电力系统无功优化的高效可行算法。     

基于微粒群算法和模糊神经网络的火灾探测研究

针对火灾探测的特点,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。采用符合国家标准明火、阴燃火以及厨房环境下的干扰火等作为模糊神经网络的训练样本和测试样本,依据模糊神经网络算法要求,完成了网络结构的设计,并给出相应的计算模型,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在探测国家标准火的火灾状态方面具有有效性和可行性。     

混沌模拟退火粒子群优化算法

基于模拟退火思想的粒子群优化算法和混沌粒子群优化算法,提出了混沌模拟退火粒子群优化算法,编写了其具体流程图,并通过两个算例,验证了该算法的效率和有效性,结果表明该方法可行,具有广泛的应用前景。     

遗传算法与自适应粒子群算法耦合的大坝安全预警评价模型

改变应用最小二乘法求解大坝统计预警模型的传统方式,利用粒子群算法随机搜索的优化能力确定统计模型的回归系数。针对粒子群算法收敛速度较慢等问题,提出一种新的自适应策略,能够依据粒子个体和种群的优化信息,调整学习因子,并将该策略与遗传算法的交叉、变异算子相结合。通过工程算例表明,该方法具备较好的搜索多样解能力,自适应地调整粒子飞行的步长,提高了粒子群算法的收敛速度;基于该方法的大坝预警评价模型与最小二乘法、基本粒子群算法相比,数据挖掘能力强,预警评价结果与大坝的实际运行状态更加吻合,有效地提高了统计模型的预测精度。     

蚁群算法在雨水管道系统优化设计中的新尝试

引入一种新的优化设计方法——蚁群算法,并探讨将该法应用于雨水管道系统的优化设计.通过实例说明蚁群算法的过程,并与遗传算法进行比较,表明蚁群算法在给排水管网设计中有较为广阔的应用前景.     

非线性最小二乘估计的蚁群遗传融合算法

基于对遗传算法和蚁群算法的分析,提出把蚁群算法和遗传算法相结合的混合算法,有效避免了两种算法的不足之处,并将该混合遗传算法用于非线性最小二乘参数估计中,算例验证了该算法的可行性和有效,性。     

一种用于火灾疏散路径动态规划的算法

针对火灾发生时现有的疏散路径不能根据火情实时更改,可能会将逃生人员引向着火现场从而引起更大危险的问题,提出了一种用于火灾疏散路径动态规划的新型改进蚁群算法(Novel Improved Ant Colony Algorithm,NIACA)。首先通过A*算法提高初始信息素浓度,接着提出受火灾因素影响的当量距离改进启发函数,然后改进信息素更新规则来加快蚂蚁最优路径搜索速度,最后对路径进行平滑策略处理。实验结果表明,与原始蚁群算法相比,本文算法降低了算法前期盲目性,动态搜索能力强,能避免算法陷入局部最优,在火灾发生时能够快速准确地规划疏散路径,将逃生人员快速安全疏散到远离火场的安全出口。     

改进的蚁群算法在TSP问题中的应用

应用基本蚁群算法来求解TSP问题,在算法中引入去交叉策略,降低其计算复杂度,仿真算例表明,该方法能有效加快局部搜索能力,加快了大规模TSP问题的求解。     

基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。     

Design optimization of wind turbine tower with lattice‐tubular hybrid structure using particle swarm algorithm

As the size of wind turbine grows, the cost of the commonest tubular structural system will also increase because of the increasing cost of transportation, assembly, erection and servicing. A lattice‐tubular hybrid structural system, which is composed of a four‐angle cross‐shaped lattice structure at the bottom and a tubular structure at the top, is proposed for large wind turbine systems. The welding processes can be totally avoided and the fatigue strengths effectively improved because all members can be assembled by bolts in site after cutting and drilling in the factory. The ultimate bearing capacities of combined cross‐shaped members subjected to axial compressions are obtained by a series of numerical analyses. The column curve of four‐angle‐combined cross‐shaped members is obtained by fitting numerical results with a piecewise function. The particle swarm optimization algorithm is adopted to optimize the shape and size of the lattice partition in this study. The constraints including stress, slenderness ratio and frequency are applied to find the minimum weight of the lattice partition in the hybrid tower. The optimal results show that the proposed structural system is feasible and can resolve the disadvantages of the traditional tubular system in the fabricating, mounting and transporting. Copyright © 2016 John Wiley & Sons, Ltd.     

基于蚁群算法的复合形法及其在边坡稳定分析中的应用

首先将基于排序的路径选择方法引入基本蚁群算法 ,并用之于连续变量的优化问题和边坡的最小安全系数搜索 ,结果发现对于设计变量较少的数值优化问题和简单边坡的最小安全系数搜索问题 ,该蚁群算法可以找到全局最优解或比较接近全局最优解。但对于复杂边坡的最小安全系数搜索问题 ,该蚁群算法很容易陷入局部最优。另外复合形法对于不同的初始复合形也会得到不同的最小安全系数 ,利用本文提出的基于最小海明距离的替换准则将蚁群算法得到的局部最优解替换掉初始复形中的一个顶点 ,则复合形法容易找到全局最优 ,成为一种全局搜索能力很强的优化算法。