改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。     

基于非线性规划的间歇反应过程动态优化算法

采用对数障碍法和外点法将实际间歇反应过程中的约束条件转化为惩罚项生成新的目标函数,将有约束优化问题转化为无约束优化问题;采用非线性规划算法中的操作变量参数化方法,将操作变量的最优解转化为操作变量子函数的线性组合,将无限维最优解问题转化为有限维权值向量的最优估计问题;同时应用Lyapunov理论设计一种动态迭代优化算法,重点讨论了采样时间的取值对优化算法收敛性的影响.最终用于解决靛蓝生产中碱熔间歇反应过程中过程参数的最优分布,从而提高目标产物的最终收率和降低生产成本等.通过碱熔间歇反应动态优化问题作为实例进行仿真试验,实验结果表明所述算法的有效性和可靠性.     

基于混沌蜂群算法的农用无人直升机路径规划

针对农用无人直升机从地面站飞到目标农田的路径规划问题,提出了一种改进的人工蜂群算法。在该算法中利用混沌局部搜索算子的遍历性和随机性的特点重新初始化陷入局部最优解的雇佣蜂,在迭代中产生局部最优解的邻域点,帮助其脱离束缚并快速找到全局最优解。采用改进算法来处理无人直升机的路径规划任务,首先将路径规划任务通过数学建模转换成一个多维函数优化问题,然后结合人工蜂群算法的全局寻优能力和混沌算子的局部搜索能力得到改进算法,最后分别用仿真实验验证了改进算法在函数优化上的优越性和在解决农用无人直升机路径规划上的可行性。     

免疫模拟退火算法及其在柔性动态Job Shop中的应用

针对车间作业调度问题，在深入分析免疫算法和模拟退火算法的基础上，将两种算法巧妙结合，提出免疫模拟退火算法。该算法引入了免疫记忆、抽取疫苗和接种疫苗等免疫机制，有助于优良个体和基因的保留和利用，提高了算法收敛性，而且其基于概率突跳特性的爬山性能可以避免早熟现象。针对西安航空发动机（集团）有限公司的柔性动态Job Shop，分别用模拟退火算法、免疫算法和免疫模拟退火算法进行了仿真和比较，研究结果表明，免疫模拟退火算法比单一算法性能更优，是求解柔性动态Job Shop问题的有效实用算法。     

免疫混沌粒子群算法及其在热工辨识中的应用

提出了一种基于免疫和混沌的改进PSO算法(ICPSO),该算法利用了混沌优化的多样性,结合免疫的克隆和交叉变异的原理来初始化和更新粒子群。仿真实验表明,相较于传统的PSO有收敛速度更快、精度更高、不易陷入局部最优的优点。最后采用ICPSO算法对两个典型函数的无约束极值问题和典型二阶传递函数模型辨识问题进行求解,验证了其收敛性和摆脱局部极值点的能力明显优于基本PSO算法。     

一种改进的基于互信息和梯度特征的图像配准方法的研究

基于互信息的配准方法广泛应用于医学图像的配准，但当两幅待匹配图像重叠部分较少或图像包含的信息不够充分时，配准目标函数会出现较多的局部最优解而影响匹配精度。本文构造了新的配准目标函数，在互信息的基础上引入图像梯度信息，使两者相互补充，减少了目标函数中局部最优解的数目，突出了全局最优解。本文还设计了一种新的基于单纯形的模拟退火优化算法，该算法能以较大的概率迅速搜索到目标函数的全局最优解，以获得较满意的配准结果。本文使用该方法对二维医学图像进行配准，实验结果表明，该方法配准速度较快、精度较高，是一种有效的配准方法。     

一种求解车间调度的混合免疫遗传算法

为了克服传统免疫遗传算法(IGA)在车间调度问题上易陷入局部最优的缺点,将免疫遗传算法(IGA)与模拟退火算法(SA)进行了结合,提出一种应用于车间作业调度的混合免疫遗传算法。为了有效的提高免疫遗传算法收敛速度和避免算法陷入局部最优解,此算法设计了一种基于适应度和浓度的自适应精英保留策略且重新设置了变异算子,即将变尺度变异和自适应变异算子进行了融合。最后利用"Muth and Thompson"基准问题进行仿真实验,验证了该算法在JSP问题中的高效性和可行性。     

一种改进的免疫算法在车间调度中的研究

针对免疫算法收敛较慢,种群更新优劣差距较大等缺点,提出了一种改进的免疫算法,并用该算法解决了FlowShop车间调度问题,结果表明算法具有较好的搜索与寻优能力,很好地克服了一般人工免疫算法搜索速度较慢、容易陷入局部最优解的缺点。该算法采用自适应的交叉算子、变异算子以及种群分割的方法,在搜索速度和全局最优解搜寻能力上与传统的零等待免疫算法相比有明显的优势。     

一种改进的免疫算法在车间调度中的研究

针对免疫算法收敛较慢,种群更新优劣差距较大等缺点,提出了一种改进的免疫算法,并用该算法解决了FlowShop车间调度问题,结果表明算法具有较好的搜索与寻优能力,很好地克服了一般人工免疫算法搜索速度较慢、容易陷入局部最优解的缺点。该算法采用自适应的交叉算子、变异算子以及种群分割的方法,在搜索速度和全局最优解搜寻能力上与传统的零等待免疫算法相比有明显的优势。     

基于AGA-WOA算法融合的移动机器人路径规划

传统遗传算法的缺陷在于搜索过程耗时较长,容易出现局部最优解.为解决这一问题,本文提出改进适应度函数的方式对遗传算法进行改进,并将鲸鱼优化算法与改进后的遗传算法结合.AGA-WOA融合算法利用鲸鱼优化算法提高遗传算法算子的优良性,可降低搜索范围,降低传统遗传算法的工作量,尽力规避出现局部最优解的情况.     

引入单纯形算子的粒子群优化算法在板形模式识别中的应用

将粒子群理论引入板形模糊模式识别系统，对识别后的板形进行优化，提高了板形识别的精度。粒子群算法作为一种全局优化算法，对于复杂优化问题，存在容易陷入局部极值的不足，因此，提出了粒子群和单纯形混合优化算法，将具有良好局部搜索能力的单纯形法与粒子群算法的全局搜索能力结合起来，有效地提高了板形模式识别优化的收敛速度，同时也提高了识别精度。     

一类混合模拟退火与蚁群优化算法及其收敛性分析

针对蚁群算法易陷入局部最优和模拟退火算法搜索效率低的缺点,利用蚁群算法搜索高效和模拟退火算法的概率突跳性,提出运用两者优点的混合算法,借鉴模拟退火算法来改善全局优化能力,并分析了算法收敛性。通过中国旅行商问题的求解表明算法的优越性。     

基于混合类电磁机制算法的机械臂逆运动学解

机械臂的逆运动学问题可转化为等效的最小化优化问题,并采用数值优化方法求解。提出一种基于类电磁机制(Electromagnetism-like mechanism,EM)和模式搜索(Pattern search,PS)数值求解机械臂逆运动学问题的混合类电磁机制算法(Hybrid electromagnetism-like mechanism,HEM)。该方法利用修改的类电磁机制(Revised electromagnetism-like mechanism,REM)与模式搜索方法各自特性相互融合平衡算法对解空间的全局探索和局部开发能力,基准函数测试结果表明该算法改善了全局搜索性能及寻优解的可靠性。在此基础上以6自由度TX60型号史陶比尔工业机械臂为例,考虑以机械臂末端位姿误差构建适应度函数并采用上混合类电磁机制算法数值求解,仿真结果表明,与其他方法比较,该方法用较少的适应度值计算次数下就能搜索到期望精度的寻优解,并且能搜索到所有可能关节角逆解的潜在能力,验证了该方法的有效性。     

间歇过程PSO SQP混合优化算法研究*

针对SQP算法在求解具有复杂约束的间歇过程优化时容易陷入局部极值点的问题,本文提出一种PSO-SQP混合优化算法。该算法首先采用外点罚函数法将间歇过程有约束的优化问题转换为无约束的优化问题,利用PSO强大的全局搜索能力对其进行求解,并把搜索结果作为SQP搜索初始点,以此弥补SQP全局搜索弱的缺点,再利用SQP良好的局部收敛性和较强的非线性收敛速度对原优化问题进行精细搜索,弥补了PSO局部搜索弱的缺点,通过不断的迭代最终获得优化问题的全局最优解。该算法充分利用了SQP和PSO的优缺点,增强了其对复杂约束优化问题的求解能力。将本文提出的算法用于连续搅拌化学反应系统温度控制中,仿真结果表明产物浓度能够充分逼近期望值,且反应器的温度轨迹收敛,从而验证了该算法的有效性和实用价值。     

一种基于小生境的混合遗传退火算法

分析遗传算法和模拟退火算法混合优化策略的构造出发点 ,融合小生境技术的思想 ,提出一种以遗传算法和模拟退火算法为子算法的基于小生境技术的混合遗传退火算法———NGSA算法 ,并对该算法的特点和优化性能作了定性分析。结合典型多峰值测试函数———Shubert函数的求解实验 ,说明NGSA算法具有较强的全局和局部搜索能力 ,能够高效地寻找到多个全局极值 ,且参数选择不必过分严格 ,是一种优化能力、效率和可靠性较高的多峰值优化方法。最后 ,讨论了该算法在机械学科的广泛应用背景。     

一种基于自适应免疫算法的优化设计方法

提出了一种新的机械优化设计方法——自适应免疫算法，该算法以种群的方差和熵作为结束条件，能自动调节优化参数。使用该算法对QAY50全地面起重机的转向梯形进行了优化设计，优化结果表明，该算法在保证全局收敛的同时提高了局部搜索能力，证实了算法的有效性。     

基于免疫粒子群算法的污水处理优化研究

针对污水处理过程所具有的多变量、非线性和大时滞的特点,在污水生化反应过程中提出基于免疫粒子群的参数估计方法。在粒子群进化过程中,引入免疫算法机制,通过抗体与抗原的参数计算来促进或抵制抗体的进化,保证粒子群进化的多样性,指导粒子群的优化过程,克服粒子群算法的早熟现象,加快收敛速度和提高全局寻优能力,成功估计模型参数。应用免疫粒子群算法在各类工程模型确定中有较大的应用潜力。     

药品仓库堆垛机与AGV集成调度优化

针对药品仓库药品批次要求严苛、出入库频次较高等原因导致的堆垛机与自动导引小车(AGV)空载率高、效率低等问题,以出入库订单作业总时间最短为目标,建立了适合于药品仓库的堆垛机与AGV集成调度的混合命令序列作业时间模型.针对集成调度模型的组合优化问题,设计了改进的免疫克隆算法,构造改进记忆单元克服了原始免疫克隆算法只记忆单...