基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性.     

基于混沌序列的起重机箱形主梁粒子群优化

为了解决起重机箱形主梁优化设计中的多变量、多约束问题,提出了一种新的基于混沌序列的粒子群优化算法。利用混沌变量的遍历性和随机性,通过Logistic映射生成初始粒子群位置。根据平均粒距描述种群的多样性,通过混沌扰动对早熟个体进行局部搜索,从而跳出局部极小点。起重机箱形主梁优化试验结果表明,新混沌粒子群算法具有收敛速度快,优化精度高的优点。     

混沌w的简化粒子群算法在机械设计中的应用

利用混沌序列的内在随机性、遍历性和规则性,提出了一种混沌惯性权重的简化粒子群优化算法.将该算法应用于机械设计,结果表明新算法具有更快的收敛速度和更强的全局寻优能力.     

基于改进粒子群算法的复合材料机翼结构布局优化设计

采用粒子群算法对复合材料机翼结构进行布局优化求解.针对粒子群算法的早熟收敛现象,采用了两种改进措施:根据粒子的浓度变异粒子以增加粒子种群多样性;将变尺度混沌优化方法结合到粒子群算法中用以变异搜索最优粒子.算例结果表明,文中所提优化方法是可行有效的.     

改进粒子群优化算法在工程优化问题中的应用研究

粒子群优化（PSO）算法是一种群集智能方法，它通过粒子之间的合作与竞争以实现对多维复杂空间的高效搜索。在对于粒子群群体构造和粒子多样性对收敛速度和精度影响的研究基础上提出了一种改进型粒子群优化算法。针对工程中的有约束的优化问题，将改进粒子群算法与函数法相结合进行求解。计算实例表明改进型粒子群优化算法大大改善了传统PSO算法的全局收敛性能，解的精度提高了很多。     

混沌压缩非线性粒子群算法求解车间调度问题

针对大规模车间调度问题,提出了一种混沌压缩非线性粒子群算法。首先运用多种群策略增加粒子多样性,结合混沌策略和非线性策略改进惯性权重,以平衡全局和局部搜索能力,加快算法后期收敛速度;再引入压缩因子改进算法速度更新公式,加大算法前期搜索范围,以防止算法陷入局部最优;最后用6种车间作业经典算例分别对粒子群算法、遗传算法、灰狼算法和混沌压缩非线性粒子群算法进行检验。实验结果表明,该方法可以显著提升粒子群算法的收敛精度和速度,对于实际大规模车间调度问题适应性较好,能有效提高车间的生产效率。     

机构综合的混沌搜索自适应入侵遗传算法研究

将生物系统中"入侵"的概念引入遗传算法,提出机构综合排斥二周期点优化求解的一种基于混沌搜索自适应入侵遗传算法.该算法动态地引入入侵种群,并利用混沌搜索产生入侵个体.入侵种群的扩散使优良基因得以在个体中传播,优化了种群的基因构成,能够促使种群跳出局部最小,并向全局优化方向进化,从而有效避免了遗传算法的早熟现象.将该算法应用排斥二周期点优化求解,实例表明该算法具有较快的收敛速度和较强的寻优能力,能够快速求出机构综合问题非线性方程组全部解.     

基于混沌粒子群优化的神经网络在旋转机械故障诊断中的应用

基于混沌粒子群优化算法提出一种根据群体早熟收敛程度和个体适应值来调整惯性权重的自适应混沌粒子群优化算法,算法兼顾全局寻优和局部寻优,能够有效地避免早熟收敛.使用自适应混沌粒子群优化算法训练神经网络并建立旋转机械故障诊断模型,实验结果表明,与粒子群优化算法、遗传算法训练神经网络相比,基于自适应混沌粒子群优化算法的神经网络能够有效改善神经网络的训练效率,提高故障模式识别的准确率.     

有效的混合粒子群算法求解阻塞流水车间调度问题

针对以最小化完工时间为目标的阻塞流水车间调度问题,提出了一种混合粒子群算法进行求解。该算法将粒子群算法与迭代贪婪算法进行了结合。利用改进的迭代贪婪算法产生问题初始优化解,利用粒子群算法进行全局优化。针对粒子群算法易早熟收敛的特点,提出一种判断粒子停滞和粒子群早熟的方法,并在发现种群早熟后利用迭代贪婪算法的构造操作和毁坏操作对相关粒子进行变异,同时按照一定比例对最差的部分粒子进行重新初始化,以增加种群多样性。通过标准实例测试,验证了所提算法的有效性。     

基于CPSO-LSSVM的多传感器数据融合

文中提出了一种新的基于混沌算法优化的粒子群(CPSO)算法,该算法在种群初始化时应用混沌算法优化粒子的初始位置,扩大粒子的有效搜索范围,在陷入局部最优时应用混沌算法遍历整个搜索空间,跳出局部最优.仿真实验证明该算法寻优性能优于当前其他PSO算法.利用CPSO对LSSVM的参数进行优化选择,建立多传感器数据融合模型.将该模型应用于压力的检测,实验证明了该方法优于当前其他主要方法.     

智能优化算法在无功优化中的应用综述

对无功优化的研究现状进行了总结,对现有的无功优化算法进行了分类。重点介绍了智能优化算法在电力系统无功优化中的应用及其优缺点,在此基础上,概括了几种常用混合优化算法。最后指出了无功优化的发展趋势。     

多目标的装夹方案优化及变夹紧力优化

夹具布局和夹紧力大小影响切削变形的大小和分布.基于遗传算法和有限元方法,提出一种夹具布局和夹紧力优化设计方法.该方法将同步优化夹具布局和夹紧力大小以及施加变夹紧力相结合,首先以加工变形最小化和变形分布最均匀为目标同步优化夹具布局和夹紧力大小,然后在优化后的夹具布局的基础上求解使得加工变形最小的变夹紧力大小.使用该方法进行底座薄壁零件的夹具优化设计,结果表明优化得到的设计优于经验设计和多目标优化方法,该方法有效地降低了加工过程中工件的变形,提高变形均匀度.     

基于粒子群算法的双工位切削参数优化

本文研究了多工位专用机床的切削用量优化问题.以双工位同时工作的钢轨整形机为实例,建立了以进给速度和主轴转速为优化变量,以最低能耗为优化目标的数学模型,并使用粒子群算法进行优化求解,最后通过与现场使用经验参数的实际加工能耗对比,表明该优化方法获取的加工参数具有明显的节能效果.     

Enhanced sequential optimization and reliability assessment for reliability-based design optimization

Reliability-based design optimization (RBDO) has been receiving increasing attention for achieving high safety and reliability in engineering design. Sequential optimization and reliability assessment (SORA), as one of the efficient single-loop methods, decouples an RBDO problem into sequential deterministic optimization and reliability analysis. An enhanced SORA (ESORA) method is proposed with the aim of further improving the computational efficiency for RBDO, considering both cases of constant and varying variances of random design inputs while keeping the single-loop framework. Vehicle side impact example is used to test and compare the efficiency of the proposed method with existing approaches.     

多峰函数优化的免疫云粒子群优化算法

为了尽可能寻找多峰函数的全部极值点及提高寻优精度,提出一种免疫云粒子群优化算法(PPSO)-融合云变异粒子群优化算法(CMPSO)的小波变异克隆选择算法(WMCSA)。PPSO混合算法设置了最大重复搜索代数M,以便尽可能搜索到全部极值点。在每一代重复搜索中,首先,通过引入基于云模型的云变异算子以提高种群的多样性,并使用云变异粒子群优化算法对可行域内的所有极值点进行全局搜索;然后,利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。针对复杂多峰函数的寻优测试表明:在保证收敛速度的同时,PPSO算法的收敛精度和搜索到的极值点数目均得到显著提高。离散混沌系统的应用实例也表明了PPSO算法的有效性。     

公差稳健优化设计的研究

为了解决产品加工成本与质量稳健的协调性问题,提出了一种新的公差稳健优化设计数学模型.依据公差稳健设计的思想,考虑产品质量的模糊性,以封闭环误差分布概率密度函数的方差和优质品概率之比为设计目标,建立了公差优化设计产品质量稳健性损失成本目标函数,并研究了优质品率和封闭环误差分布方差的确定方法.以加工成本和产品质量稳健性损失成本为目标,以模糊装配可靠度、可取公差极限范围为约束条件,建立了公差多目标优化数学模型.举例说明了文中所述的公差稳健优化设计方法的应用,采用遗传算法实现了公差的多目标优化设计.实例表明,该方法能够协调零件的加工成本和产品质量的稳健性损失成本,使优化指标的综合性能最佳.     

Bi-level optimization of laminated composite structures using particle swarm optimization algorithm

This paper presents an efficient bi-level optimization technique to obtain the optimal stacking sequence for symmetric composite structures. The proposed approach involves two levels of modeling and optimization. The first level of the optimization procedure is used to minimize the weight of the composite structure. At this level, lamination parameters and the number of plies of specified angles (0, ±45 and 90 degree) are design variables, buckling load factor is treated as a constraint, and the weight of the structure is to be minimized using continuous-discrete particle swarm optimization algorithm. Next, at the second level the location of each ply orientation through the thickness (i.e. the layup of the panel) is found. At the second level, optimum stacking sequence is sought to maximize the load bearing capacity of the structure with respect to the buckling. The proposed methodology is applied to two test cases. Results show that the approach improves the buckling load factor of the structure without any weight penalty.     

基于协同优化算法的平面连杆机构多学科设计优化

在传统的机构优化理论的基础上,结合机构设计的非线性、学科之间存在耦合性的特点,引入多学科设计优化的思想,进行平面连杆机构的设计优化.以平面四杆机构为例,首先按照学科分析模块分解平面连杆机构优化问题,然后采用改进的多学科设计优化的协同优化算法,实现平面连杆机构的机构学和控制两个学科的设计优化.研究结果表明,优化的机构不仅满足各个学科的约束,取得了各个目标函数的最优值,而且也获得了整体近似最优解.     

基于粒子群算法的机械零件多目标优化设计研究

机械零件多目标优化设计是工程设计中常遇到的优化设计问题.提出了一种基于粒子群算法的机械零件多目标优化设计方法与策略,对弹簧零件设计参数进行了多目标优化设计分析.结果表明该方法可用于弹簧参数的多目标优化设计,且计算参数调整简单,应用方便,可根据分目标侧重需要,得到不同分目标偏重的优化设计参数.