基于信息熵改进的粒子群算法在桁架结构

提出了信息熵改进的粒子群优化算法用于解决有应力约束、位移约束的桁架结构杆件截面尺寸优化设计问题.首先介绍了信息熵基本理论和基本粒子群优化算法理论,然后对粒子群优化算法作了合理的参数设置,并将信息熵引入粒子群优化算法的适应函数和停机判别准则中.最后对2个经典的优化问题进行求解并与其他算法进行了比较.数据结果表明信息熵改进后的粒子群优化算法在桁架结构优化设计中优于其他同类算法.     

快速被动群搜索优化算法及其在空间结构中的应用

在快速群搜索优化算法QGSO(quick group search optimizer)基本原理的基础上,提出了改进的快速群搜索优化算法--快速被动群搜索优化算法QGSOPC(quick group search optimizer with passive congregation),并应用于结构优化设计.采用QGSOPC优化算法分别对空间结构进行离散变量的截面优化设计,并与QGSO优化算法、群搜索优化算法GSO(group search optimize)和启发式粒子群优化算法(HPSO)的计算结果进行比较,结果表明改进的快速被动群搜索优化算法QGSOPC与QGSO算法、GSO算法和HPSO算法相比不但具有较好的收敛精度和更快的收敛速度,而且具有很好的稳定性.该算法可有效率地应用于实际结构的优化设计.     

子母穿梭车式立体仓库复合作业路径优化

目的研究子母穿梭车式立体仓库中复合作业路径优化问题,有利于提高系统运行效率,降低成本。方法对于子母穿梭车式立体仓库在一次存取货作业中复合作业方式的实际调度路径,考虑到其运动机构的加(减)速度,以完成复合作业总时间最短为目标建立数学模型。针对该系统复合作业的运行特征,提出一种结合遗传和蚁群算法各自优点的混合粒子群算法进行优化求解。结果实例验证可知,与粒子群算法和蚁群算法相比,文中提出的混合粒子群算法具有性能稳定、优化效率更高等优点。结论文中所提复合作业路径优化方法能够有效地缩短子母穿梭车式立体仓库的复合作业时间,提高了进出库调度效率。     

基于粒子群算法的空间直线度误差评定

提出了一种满足最小区域法的空间直线度误差评价的新方法--粒子群算法。根据最小区域条件,建立了空间直线的数学模型以及优化目标函数。阐述了粒子群优化算法的原理和实现方法,然后根据粒子群算法优化求解。实例表明该方法对于空间直线度误差评定等非线性优化问题能得到最优解,可用于三坐标测量机等测量系统的空间直线度误差测量的数据处理。     

混合粒子群算法在混流装配线优化调度中的应用

应用粒子群算法求解混流装配线的优化调度问题,给出粒子的构造方法,并针对算法中存在过早收敛的问题,提出了一种与局部优化和粒子微变异方法相结合的混合粒子群算法.给出了一个实例,实例应用粒子群算法和混合粒子群算法分别进行求解,与其他一些方法比较表明,混合粒子群算法可以有效、快速地求得混流装配线优化调度问题的解.     

基于多目标优化策略的扭杆可靠性稳健优化设计

为提高机械零部件的安全性和稳健性,应用可靠性稳健优化设计理论和多目标决策方法,建立了适合结构可靠性稳健优化设计的多目标优化模型.为能迅速准确地对具有约束条件的多目标优化模型进行求解,提出一种利用模糊理论对约束条件进行处理的方法,然后应用灰色粒子群算法对多目标优化模型进行求解.通过对正态分布参数和任意分布参数的扭杆可靠性稳健优化设计,表明该方法行之有效.     

远邻粒子群算法及在Delta机器人优化设计中的应用

 为了提高粒子群算法全局寻优能力,提出一种远邻粒子群算法,该算法引入邻域算子概念,每个粒子选择与自身欧氏距离较远的粒子建立邻域,邻域中粒子的数目用邻域算子表示.测试函数实验结果表明,该算法在一定程度上消除了标准粒子群算法容易陷入局部最优的缺点.应用远邻粒子群算法对Delta机器人进行优化设计,结果证实：所提出的远邻粒子群算法较标准粒子群算法具有更好的寻优能力,比邻居递增粒子群算法搜索精度更高.     

基于粒子群算法的重型车辆悬架路面友好性非线性优化EI北大核心CSCD

针对重型车辆悬架系统的非线性优化问题,提出了采用粒子群算法进行悬架系统优化设计方法。以四分之一汽车模型为研究对象,以车轮最大动载荷最小化为目标,以非簧载质量的固有频率为约束条件,建立了改善被动悬架系统性能的优化模型。通过粒子群算法求解该优化问题,以少量的迭代次数得到了性能优良的悬架参数,如悬架刚度和悬架阻尼。对设计的悬架系统进行时域和频域性能分析,并详细讨论了该方法与遗传算法优化的本质区别,结果表明,粒子群算法可以快速地得到一个较好的优化结果,这为设计人员后续的修改设计提供重要参数,同时为解决含有非线性问题的新型悬架系统优化设计提供了一种新的可行方法。     

基于RULA与QPSO的矿用挖掘机操作界面布局优化研究

目的 现有复杂操作界面的布局对于人体舒适性缺乏量化,本文提出了一种将人体舒适因素定量化的操作界面布局优化设计方法。方法 首先,通过快速上肢评价法（RULA）与视觉注意度评价量化操作界面的舒适性需求,结合待布元件的重要度与使用频率权重建立人体舒适因素的布局优化数学模型;然后,利用量子粒子群算法（QPSO）求解该数学模型,并依据求解结果对操作界面进行布局设计;最后,采用模糊综合评价法对优化前后的操作界面设计方案进行比较。结果 以某型矿用挖掘机操作界面的布局设计为实例进行验证,发现优化后操作界面的舒适性得到了明显改善。结论 该研究可为复杂操作界面提供一种以人体舒适因素为主要目标的布局优化方法。     

基于粒子群算法的高黏度大比重物料无轴螺旋输送机构优化设计

 为解决高黏度大比重物料无轴螺旋输送机的螺旋叶片变形问题,利用粒子群优化算法,以无轴螺旋叶片刚度变形最小为优化设计目标,构建了基于粒子群算法的无轴螺旋叶片优化设计模型.应用构建的理论模型,进行了实例设计,并通过实验研究进一步证实该设计方法具有先进性和实用性．将智能算法应用于机械优化设计,为该领域研究提供新思路．     

基于粒子群算法优化支持向量机的铝热连轧机轧制力预报

为了提高热轧带材的轧制力预报精度,提出了粒子群算法和支持向量机结合的方法来预报轧制力。根据轧制原理用支持向量机建立轧制力预报的模型,通过粒子群算法优化支持向量机参数来提高预报精度。为了进一步提高轧制力预报精度,还提出了支持向量机网络与数学模型相结合的方法,对某“1+4”铝热连轧厂现场采集的5052铝合金轧制数据进行离线仿真,仿真结果可以看出支持向量机网络与数学模型结合的方法预报轧制力,提高了轧制力预报速度并使其轧制力预报精度控制在7%以内。     

基于跟踪起始准则的多基地声呐阵位优化算法

针对水下区域监视多基地声呐(如浮标等)发射、接收节点阵位布置问题,提出了一种基于跟踪起始准则的多基地声呐阵位优化算法.该算法首先在分布式和集中式两种多基地融合处理模式下,推导了目标跟踪起始概率计算准则,然后,基于区域目标成功跟踪起始覆盖率,建立了多基地声呐阵位优化数学模型,并采用粒子群算法来优化求解该非凸数学模型,从而...     

基于多目标粒子群协同算法的状态参数优化

针对铅锌烧结过程综合透气性、烧结终点的优化具有强非线性、计算复杂等特点,提出了一种有效的多目标粒子群协同优化算法。首先,建立了有综合透气性、烧结终点两个目标的优化模型。接着,通过改进的约束比较方法、粒子极值选取方法,以及利用不同的粒子群来分别优化相应的变量,提出了一种改进的多目标粒子群协同优化算法。最后,利用提出的多目标优化算法进行综合透气性、烧结终点的优化。仿真结果表明,所提出的多目标优化算法能较好地解决综合透气性、烧结终点的优化问题。     

基于粒子群算法多目标优化液压支架四连杆

针对煤矿液压支架四连杆受力计算较为复杂,简化计算时易出现较大误差且稳定性较差的问题,提出从四连杆机构的空间受力出发并结合支架的运动轨迹,采用粒子群优化算法对四连杆机构展开优化研究。首先建立了四连杆优化模型,在优化模型中选取对结果影响较大的参数作为优化变量,以轨迹偏差、连杆长、连杆力之和作为目标函数,根据液压支架设计规范确定约束条件。然后使用粒子群算法对目标函数进行迭代求解并在求解过程中采用惩罚函数法解决优化模型中不等式约束问题。对比优化前后连杆的杆长、受力和稳定性数据,发现优化后的四连杆实现了轻量化,且受力较小,稳定性提高。研究结果对四连杆的设计有实际参考价值。     

结构拓扑优化中敏度过滤技术研究

为了抑制连续体结构拓扑优化结果中的棋盘格和灰度单元问题,借鉴粒子群优化算法中粒子状态的更新方法,提出一种改进的敏度更新技术.以结构的柔度最小为优化目标,构建了基于固体各项同性微惩罚结构的结构拓扑优化模型,根据结构的力学响应分析,采用优化准则法进行设计变量更新,进行载荷作用下二维连续体结构的拓扑优化设计,得到了材料在设计域内的最优分布.通过与已有敏度过滤技术的对比分析,验证了文中方法的正确性和有效性．     

可靠性优化的一种新的算法

建立了可靠性冗余优化模型,提出了一种基于粒子群优化算法的可靠性优化的新方法,该方法结合了遗传算法的思想。实例结果表明,粒子群算法比模拟退火算法和遗传算法效果好。     

A generic framework for handling constraints with agent-based optimization algorithms and application to aerodynamic design

A generic constraint handling framework for use with any swarm-based optimization algorithm is presented. For swarm optimizers to solve constrained optimization problems effectively modifications have to be made to the optimizers to handle the constraints, however, these constraint handling frameworks are often not universally applicable to all swarm algorithms. A constraint handling framework is therefore presented in this paper that is compatible with any swarm optimizer, such that a user can wrap it around a chosen swarm algorithm and perform constrained optimization. The method, called separation-sub-swarm, works by dividing the population based on the feasibility of individual agents. This allows all feasible agents to move by existing swarm optimizer algorithms, hence promoting good performance and convergence characteristics of individual swarm algorithms. The framework is tested on a suite of analytical test function and a number of engineering benchmark problems, and compared to other generic constraint handling frameworks using four different swarm optimizers; particle swarm, gravitational search, a hybrid algorithm and differential evolution. It is shown that the new framework produces superior results compared to the established frameworks for all four swarm algorithms tested. Finally, the framework is applied to an aerodynamic shape optimization design problem where a shock-free solution is obtained.     

改进的 QPSO 算法在自融资投资组合中的应用

针对量子粒子群优化 (Quantum Particle Swarm Optimization, QPSO) 算法的缺陷,提出了一种基于 L$\acute{\rm e}$vy 飞行策略和混合概率分布的改进量子粒子群优化 (Hybrid Quantum Particle Swarm Optimization, HQPSO) 算法。在算法的设计中,借助 L$\acute{\rm e}$vy 飞行策略对粒子位置的迭代公式进行更新,用于改善算法的局部收敛精度,增强其全局探索能力。另外,考虑到迭代后期的早熟问题,在势阱模型中引入了指数分布和正态分布相结合的混合概率分布,帮助算法及时逃离局部最优。基于 16 个基准函数的测试结果表明,HQPSO 算法在收敛精度和鲁棒性上比其他几种算法表现更好。最后,将改进的 QPSO 算法应用到自融资投资组合模型的求解中,其数值结果与差分进化、粒子群优化算法和量子粒子群优化算法相比,HQPSO 算法展现出更好的可比性和优越性。