基于模糊偏好的多目标粒子群算法在库存控制中的应用

针对多目标库存控制中决策者对目标偏好的不确定性问题,定义了模糊偏好的效用函数,提出了一种基于模糊偏好的多目标粒子群优化算法的求解方法.该方法在改进的双极偏好粒子群优化算法基础上,引入模糊隶属度函数,给出了模糊偏好效用函数的计算方法;利用该函数对得到的非支配解集进行效用评价,以效用评价值作为选取优化方案的依据.针对连续盘点(r,Q)多目标库存控制模型,仿真实验表明:该方法有效地解决了决策者对库存总成本、年平均缺货率和年平均缺货量目标偏好的不确定性问题,为决策者提供了优化的库存控制方案.     

改进粒子群算法在数据聚类中的应用

结合粒子群聚类算法和K-均值聚类算法对粒子群聚类算法进行了改进,分别通过编程展示一个具体数据聚类的实现过程,并在MATLABR2013a环境下形象地展示了数据聚类过程。     

改进反向粒子群算法及其在噪声中的应用

粒子群优化算法规则简单,收敛速度较快,但易陷入局部最优值,在噪声问题中也显示出较差的寻优能力．针对算法存在的不足,本文结合反向学习机制较快的学习速度及优化能力,并在算法进化过程中引入交叉因子,提出一种新的改进的反向粒子群算法（COPSO）．实验表明,该算法在噪声问题中要优于反向粒子群算法．     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

改进的粒子群优化算法在物流配送中的应用

选址问题的优化模型一般是多目标约束优化模型,综合考虑物流成本和物流服务能力,以物流成本最小化和物流服务能力最大化为目标,构建一个多目标优化选址模型,通过添加参数和运用约束处理方法,将选址问题化为单目标约束优化问题,并利用嵌入最速下降法的改进粒子群优化算法ZK_PSO_SD算法进行求解,所得数值分析和对比的结果表明,所建立的选址模型具有很好的实用性.     

粒子群优化算法在随机分布控制中的应用

将粒子群优化算法应用到随机分布系统中,其随机系统控制目标不局限于传统的均值和方差,而是估算某些变量的概率密度函数.该方法能减少基于泛函算子模型的随机分布控制算法在仿真过程中的计算量,避免计算中间变量的概率密度函数,且对模型的要求不高,从而使控制结果更加精确高效.     

改进粒子群算法在空调水系统中的应用研究

粒子群算法优化PID控制在空调系统中应用越来越广泛.针对传统粒子群算法在优化过程中存在寻优速度不足和容易陷入局部最优的问题,提出了采用正交试验机制和模仿染色体变异机制的突变策略优化传统粒子群算法,通过引入正交试验机制提升了寻优速度和效率,引入突变策略改进了算法的极值传递过程,避免了过早发生聚集现象,解决了陷入局部最优的问题.仿真实验结果证明:改进粒子群算法在系统超调量、调节时间、稳态误差和抗干扰性上均有显著提高.     

改进粒子群算法及其在电力变压器优化设计中的应用

针对基本粒子群算法易陷入局部最优解的缺陷,本文提出了一种带有惩罚量的改进粒子群算法。用标准测试函数对改进算法做了仿真分析,结果表明改进算法在寻优精度和收敛性能上均有所提高。将改进算法应用于电力变压器SF9—630／10的优化设计中,分析了优化变量和约束条件的选取,建立了带有惩罚函数的优化设计目标函数,给出了改进粒子群算法的具体实施方法。将传统计算数据与优化数据做了对比,证明了该方法的正确性和有效性。     

改进的粒子群优化算法在机器人足球中的应用

为了提高算法对复杂动态环境的适应性,提出一种改进的粒子群优化算法,在确保其收敛性的前提下,采用动态跟踪优化的方法,获得动态环境中相对较高的性能.并将该方法应用于机器人足球比赛中,解决了多个机器人间的竞争与合作,以及机器人最佳动作的选择问题,实验结果表明该方法是有效的.     

新型动态粒子群算法及其在工业控制中的应用

粒子群优化算法是一种在复杂优化问题的空间域探求最优解的启发式搜索方法。为了优化传统的PSO算法,缩短其运行时间,提出了一种动态收缩型的粒子群优化。收缩型粒子群算法在初始阶段含大量的粒子,随着迭代次数的增加,粒子数量不断减少,仿真结果显示,此方法相比于传统的PSO算法可减少近60%的运算时间。运用此改进的粒子群算法优化理论,实现了对PID控制参数的自适应调节。结果表明,新型的PSO算法可以使得PID控制参数调整速度更快,产生超调量小。     

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法( MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过...     

粒子群算法在抗滑桩优化设计中的应用

由于目前抗滑桩设计比较保守，存在一定的浪费，故采用粒子群优化算法。以成本为目标函数，建立了抗滑桩的优化设计模型，编制了相应的程序，并进行了工程实例应用。结果表明，优化后的结果与原来使用传统设计方法结果比较，有效地降低了成本，具有较大的经济意义，并且该方法简单快捷、容易实现。     

改进粒子群算法及其在共形相控阵综合中的应用

在常规粒子群算法的基础上,通过引入新的速度更新算子、自适应边界控制算子和全局最优粒子扰动算子等操作,提出一种改进粒子群优化算法(IPSO); 并将该算法与简单二次插值算法相结合,克服了收敛速度慢,早熟及局部收敛等缺陷．进一步在对球面共形相控阵方向图综合时,引入了修正的波恩斯坦多项式以减少优化的变量,能够有效地加快算法的收敛速度．与常规粒子群算法和遗传算法的比较结果表明,该算法的局部搜索能力和全局搜索能力都有了很大程度的改善,从而证明了该方法在天线阵列综合中的有效性．     

改进粒子群算法在中长期电力负荷组合预测模型中的应用

为提高电力负荷预测的精度,提出了基于改进粒子群算法的电力负荷组合预测模型求解方法.该方法以回归分析、比例系数、灰色模型为基础建立负荷组合预测模型,利用改进粒子群算法优化组合预测模型的权值,并与单个预测模型进行比较.预测结果表明,基于改进粒子群算法的电力负荷组合预测模型运算速度快,预测精度高,相对误差小.     

改进粒子群算法在地下工程反分析中的运用

结合粒子群算法和变尺度法的特点,充分考虑二者的互补性,提出一种改进粒子群优化算法,并将其运用于地下工程增量位移反分析中.根据围岩松动圈的形成特点,提出采用分区分块的方法模拟围岩松动圈的影响,各分区的岩体力学参数不同并作为待反演参数.此法是反分析中考虑围岩松动圈影响的一种新途径.通过某大型水电站工程地下厂房的实例进行验证,得到比较合理有效的结果,反演得到的物理力学参数可信,可用于后期预测.该研究为地下工程反分析提供了一些切实可行的方法和思路.     

基于改进的粒子群PID控制在变风量系统中的应用

目的研究变风量空调系统温度-风量PID控制器的整定方法,利用粒子群算法的特点设计一种较为高效、稳定的自适应控制器.方法以常规PID控制方法的整定结果作为参考,选择PID参数的取值区间,选取种群数量、维数、最大寻优速度、收缩因子等粒子群内部参量,根据粒子群的演化规则自动完成最优控制.结果采用引入收缩因子的粒子群PID自适应控制器时,系统的调节时间约为常规控制方法的50%,超调量减少了约75%.且动态过程快速而平稳;而当系统突加阶跃扰动时,粒子群PID自适应控制器的调节时间及超调量均约为常规控制方法的50%,系统控制品质得到了较大的改善.结论仿真结果表明,采用上述自适应控制器后,空调房间的温度调节过程加快,室内外干扰因素对房间温度的影响明显降低,整个系统体现了良好的动态性能及较强的鲁棒性.     

一种改进的粒子群算法在解非线性方程组中的应用

针对解决实际工程问题中,传统方法求解非线性方程组时对于初始值依赖性大的缺点,提出了改进的粒子群优化算法(pso),用混沌初始化替代随机初始化,使用谱系聚类法来避免早熟现象发生,根据聚类结果对粒子的速度进行更新,并应用于求解非线性方程组中,数据结果表明该方法提高了解的精确度,算法稳定性好.     

基于细菌趋化的改进粒子群算法在无功优化中的应用

粒子群算法在电力系统无功优化中已经得到了广泛的应用,但是传统粒子群算法易陷入局部最优、后期多样性差,得不到最优解。在原有无功优化数学模型的基础上,引入了基于细菌趋化的粒子群改进算法。通过算例表明,该算法可以有效地克服以上缺点,优化计算结果。     

改进的粒子群优化算法

粒子群优化算法是一种基于群体的自适应搜索优化算法,存在后期收敛慢、搜索精度低、容易陷入局部极小等缺点,为此提出了一种改进的粒子群优化算法,从初始解和搜索精度两个方面进行了改进,提高了算法的计算精度,改善了算法收敛性,很大程度上避免了算法陷入局部极小.对经典函数测试计算,验证了算法的有效性.