基于文化基因算法的多目标优化

针对粒子群算法收敛速度慢、求解精度低的不足,提出了将粒子群改进作为全局搜索,多目标模拟退火算法作为局部搜索的文化基因算法,将交叉和变异操作引入粒子群全局搜索中帮助跳出局部最优。对于多目标优化问题,根据非劣解的拥挤度决定最优值的选取策略,并将该算法用于多目标优化的实际求解中。仿真结果表明,该算法不仅能快速有效地得到Pareto解集,并且能有效地保持所求最优解的多样性。     

基于自适应混沌变异粒子群优化算法的旋转弹丸气动参数辨识

将最大似然准则应用于高速旋转弹丸的气动参数辨识问题中,提出一种新的自适应混沌变异粒子群算法求解该准则下的气动参数最优解,进而得到弹丸的气动参数。该算法通过自适应调整惯性权重、利用混沌优化的思想产生初始粒子、设定早熟判别机制来判断是否陷入局部最优解,并通过粒子变异的策略使其跳出局部最优解等方法进一步优化基本粒子群算法。通过常用的测试函数对该算法进行了测试,测试结果表明：相比于基本粒子群算法,该算法具有收敛速度快、寻优精度高、应用范围广等优点。利用系统仿真的方法模拟弹丸的自由飞行数据,并利用该数据结合所提算法对弹丸的主要气动参数进行辨识,辨识结果表明：该算法可以有效辨识弹丸的气动参数,且精度高,收敛速度快,可以应用于工程实际问题。     

基于改进粒子群算法的野战油库选址优化

针对标准粒子群算法容易陷入局部最优,提出了改进粒子群算法;对粒子的自适应性和惯性权重进行改进,建立了野战油料选址模型;通过仿真,发现改进粒子群算法克服了标准粒子群算法容易陷入局部最优的问题,且寻优能力强,对部队的野战油库选址具有指导作用。     

基于粒子群优化算法的模糊飞行控制器设计

提出了一种基于粒子群优化（PSO）算法的模糊飞行控制器优化设计方法。PSO算法通过粒子跟踪本身所找到的最优解和种群的最优解来完成优化．该算法具有可调参数少．简单易实现，优化速度快的特点。将PSO算法用于对模糊飞行控制器隶属函数的优化设计中，以达到提高控制效果与简化模糊控制器设计的目的。仿真结果表明．利用PSO算法进行优化设计所得到的模糊飞行控制器具有优良的控制性能。     

改进粒子群算法的集群协同干扰资源分配

根据敌方雷达不同的工作状态进行威胁等级的评估，以干扰对象和干扰样式为基础建立模型，由模型采用不同的智能算法进行集群协同干扰资源的分配。针对传统粒子群算法搜索范围小并且易陷入局部最优解等问题，提出一种改进的粒子群算法用于集群协同干扰资源的分配。通过将NSGA-II算法中基于实数编码的多项式变异算子引入种群的更新迭代中，提高种群中个体的多样性，扩大了种群的搜索范围；通过动态学习因子，调整算法在不同阶段对个体极值和全局最优值的侧重，从而降低了算法陷入局部最优解的概率。仿真结果表明，改进的粒子群算法提高了算法的收敛速度和寻优概率，并且具有优异的性能，在一定程度上解决了集群协同干扰资源分配问题。     

基于PSO算法的水下实验系统可靠性分配

提出了将粒子群优化算法(Particle Swarm Optimization Algorithm,PSO)用于求解水下实验系统可靠性问题,建立了系统的可靠性模型,采用PSO算法进行了仿真,并给出了算例。结果表明PSO算法具有比较好的适应性,能稳定地求解最优解,而且在应用中没有求解早熟的弱点,能够适用于结构更复杂的水下系统可靠性优化。     

基于改进沙猫群算法的无人机三维航迹规划

针对传统沙猫群(SCSO)算法全局搜索能力不足、易陷入局部最优等问题，提出一种改进沙猫群(LVSCSO)算法。该算法引入非线性调整机制，更好地体现出SCSO算法的搜寻和攻击过程；同时引入自适应莱维飞行机制，有效提高了算法的全局搜索能力和跳出局部最优的能力。采用栅格法构建无人机野外环境模型和复杂城市环境模型，以综合航迹长度、飞行高度和飞行转角的适应度函数为衡量指标，进行了算法的仿真验证。研究结果表明：在野外环境模型下，相较于传统SCSO算法和粒子群优化算法，该改进算法分别提升56.40%和22.06%;在复杂城市环境模型下，相较于传统SCSO算法和粒子群优化算法，该改进算法分别提升了56.33%和61.80%;新的LVSCSO算法在航迹规划上具有有效性和优越性。     

基于IBPSO 的模拟电路故障特征提取方法

针对有效采样点法提取故障特征时冗余信息多、易造成维数灾等问题,提出利用改进的二进制粒子群算法提取故障特征。研究粒子群优化算法和二进制粒子群优化算法的差异以及在故障特征提取方面存在的不足,通过改进群体极值的更新方式避免搜索结果陷入局部最优。以Sallen-Key带通滤波器为诊断实例,完成9类模拟电路故障模式的特征提取。结果表明:通过该方法进行特征提取可有效降低故障诊断模型的复杂性,与二进制粒子群优化算法相比,该方法在特征维度和诊断准确率上具有明显的优势。     

跟随变异粒子扰动变化的惯性权重PSO算法

针对困扰粒子群算法"早熟"和收敛慢的2大难题,提出了一种跟随变异粒子扰动变化的惯性权重策略,将粒子群体一致性变化趋势与粒子变异操作相关联,以此来增加粒子的多样性;根据粒子变异程度的大小对惯性权重作出相应调整,使粒子在提高全局寻优能力的同时,又很好地改善了收敛精度和收敛速度,避免因惯性权重单边非线性变化而导致粒子群全局寻优能力稳定性不佳的问题。仿真对比表明,改进的算法较好地避开了局部最优解的干扰问题,具有收敛速度快、寻优精度高等优势。     

一种改进粒子群算法优化BP神经网络实现核素识别方法

为获得全局最优点,提出一种改进粒子群算法优化BP神经网络实现核素识别方法.该算法用一种动态改变惯性权重与学习因子的自适应方法,优化BP神经网络的阈值与权值,通过训练BP神经网络识别模型得到粒子群的全局最优解,利用最优权值与阈值实现核素识别.分析结果表明:该方法不仅能更快地收敛于最优解,同时能更好地平衡全局搜索和局部搜索能力,有效地改善算法的收敛速度和识别精度.     

一种基于化学反应优化和粒子群优化的混合型优化算法

针对现有化学反应优化算法存在的不足,提出一种基于粒子群优化算法(particle swarm optimization,PSO) 和自适应化学反应优化算法(adaptive chemical reaction optimization,ACRO)相结合的混合算法(a hybrid optimization based on ACRO and PSO,ACRO-PSO)。在ACRO 算法的领域算子基础上,融入PSO 算法的全局算子,加入权重系 数控制本地搜索和全局搜索的比例,修改分解反应合化合反应出现的时机,利用化合反应输出最优解,采用标准测 试函数对ACRO-PSO 进行性能分析。仿真结果表明,ACRO-PSO 算法能高效地解决待优化问题。     

粒子群算法在翼伞空投系统航迹规划中的应用

针对当前翼伞系统研究中未考虑到地形威胁、火力威胁对航迹规划影响的问题,对地形威胁和火力威胁进行了建模,结合翼伞飞行特性,引入最小威胁曲面生成三维航迹搜索空间,并利用粒子群算法搜索优化翼伞系统的航迹。仿真结果表明,粒子群算法能有效地减小搜索空间,提高规划的效率,且使规划出的航迹能够躲避威胁,满足航程和高度的要求。     

基于一种改进粒子群算法的水下远程武器航路规划

针对水下远程武器航路规划中,采用基本粒子群算法避障出现的航路倒退问题,提出了一种借鉴遗传算法采用粒子对换的改进粒子群优化（PSO）算法,并结合远程武器的航路规划设计模型,应用于水下武器作战仿真系统。计算结果表明,该算法可有效提高远程武器航路规划避障的计算效果,对水下远程武器的作战使用研究具有一定的参考价值。     

可重复使用运载器滑翔段轨迹快速优化方法

针对滑翔段轨迹多约束、强耦合、高非线性等特点,设计了一种全新的纵向飞行剖面,实现了终端约束和拟平衡滑翔条件的自动满足,并将滑翔段轨迹优化问题转化为一个双参数寻优问题。同时考虑倾侧角大小及其变化率约束,对侧向轨迹进行了设计。最后,设计了一种改进粒子群优化算法,通过外点法对约束条件进行处理,并提出一种变异策略对种群多样性进行准确控制,避免粒子陷入局部最优。仿真结果表明,该优化方法能够快速生成满足所有约束条件的最优滑翔轨迹;对于航程超过3000 km的场景,轨迹优化平均时间仅为5.94 s,最大终端相对误差不超过1%。     

粒子群优化算法及其在机器人技术中的应用

基于粒子群优化(particle swarm optimization,PSO)算法的良好性能,已经在多个领域被广泛应用,主要综述PSO算法在机器人领域中的应用情况以及发展前景。首先介绍PSO算法的特点,对现有PSO算法在机器人领域中的应用方法进行归类,分析每种应用的优缺点,并针对存在的问题提出改进意见。基于以上对比分析,提出了PSO算法在该领域进一步的发展方向。     

基于蒙特卡洛仿真和并行粒子群优化算法的携行备件优化

为提高携行备件方案优化模型的准确性和求解的精确度,以遂行远海训练任务的舰艇编队为研究背景,针对优化模型的建立和求解提出了一系列改进措施。在传统优化模型的基础上,分析了虚警和串件拼修对备件的影响,建立了基于携行能力、备件成本、装备可用度、同型号装备群完好率等多约束条件的携行备件优化模型;利用粒子群优化（PSO）算法确定备件的优化配置,利用蒙特卡洛仿真法计算配置方案的保障效能;引入云格计算技术实现PSO算法的并行求解,从硬件性能上提高算法的全局寻优能力;将普通粒子转化为量子粒子实现解的多样化,减小了算法陷入局部最优的危险。案例分析证实了改进措施的可行性和有效性。     

桥式起重机定位和防摆的粒子群算法优化PID 控制

为使桥式起重机精确定位和快速消摆,设计了利用PSO算法优化PID参数的定位防摆控制器。通过在Matlab中编写PSO算法程序和连接Matlab与Simulink的调用函数程序,结合在Simulink中建立的起重机吊重系统模型,完成了PSO-PID控制器控制的吊重系统的仿真。通过仿真,起重机小车实现了无超调无静差的快速定位,吊重摆动也得到快速有效的抑制。仿真结果证明了该控制器的可行性和有效性。     

基于组合优化算法的无人机航迹规划方法研究

根据遗传算法与蚁群算法各自的特点。将两者进行有机结合构成GA-ACO（genetic algorithm-ant colony optimization）组合优化算法,并将其应用在航迹规划路径寻优中以获取高质量的飞行航路。首先采用全局搜索能力强的遗传算法进行全局快速搜索,选取遗传算法得到的较优解集合,构成蚁群算法中初始信息素分布．再利用蚁群算法正反馈机制的特点求精确解,该组合优化算法在克服两种算法缺点的同时发挥了各自的优点,达到优势互补。仿真结果表明,与基本蚁群算法相比,GA-ACO在提高效率的同时改善了解的质量,是可行和有效的。