基于改进差分进化算法优化的塔机防摆控制研究

针对欠驱动四自由度塔式起重机定位防摆控制问题,建立了未经线性化的塔式起重机动力学模型,提出了一种基于改进差分进化算法优化的防摆控制器.通过严格理论分析证明了闭环系统的渐近稳定性;在传统差分进化算法研究的基础上,对变异策略进行了改进,采用自适应策略动态更新交叉概率,并应用于塔式起重机防摆控制器的参数整定过程中,提高了控制...     

基于改进差分进化算法的云制造资源优化组合方法

为了研究云制造资源组合中物理制造资源的跨地域高度分散性,在传统差分进化算法的基础上进行改进,提出块变异、块交叉和块选择,针对云制造跨地域特征,设计了最佳运输方案选择策略以及相应的适应度函数计算方法。通过实验说明了该方法能很好地解决传统资源组合和生产调度方法无法满足云制造过程特征需求的问题。     

基于改进差分进化算法的外圆磨削优化方法

在考虑粗、精磨的生产成本以及热损伤、砂轮磨损和磨削标准化等约束情况下,研究了外圆粗、精磨的优化方法,以提高生产效率和表面精度.提出了一种基于改进差分进化算法的外圆磨削优化方法,并将优化的结果与传统差分进化算法结果相比较,表明基于改进差分进化算法的方法具有更好优化能力.     

基于改进差分进化算法的自由曲面测量路径优化

为解决传统差分进化算法存在收敛速度慢、易陷入局部最优解以及由于个体选择的随机性导致求优稳定性差的问题,文章通过引入多重启动策略,多次运行算法并使用不同的随机种子,增加算法对空间的探索性,在一定程度上解决算法易陷入局部最优解问题;通过使用新的突变策略,在求优稳定性提高了约10%;通过引入参数自适应调节机制,动态地调整算法参数的取值,使收敛速度提高了约10%,并提高了算法的鲁棒性。     

基于改进差分进化算法的压力机杆系参数优化

针对八连杆机构压力机滑块下行速度影响工件加工质量与机器工作效率的问题,根据滑块工作特性与具体的约束条件,构建优化目标的数学模型,并提出一种改进的约束差分进化算法对此模型进行求解.该算法学习生物遗传学,引进优质基因模型提高各代初始种群质量,并引入远缘杂交提升交叉群体的多样性与进化速度.优化结果降低了八连杆压力机的速度波动,稳定了加速度方向变化,提高了压力机的工作效率,并验证了改进算法在机械优化设计中的有效性.     

函数发生机构优化综合的改进差分进化算法

标准差分(SDE)算法具有算法简单、控制参数少、易于实现等优点,但容易发生早熟收敛。针对此缺点,提出一种改进的差分进化(IDE)算法。建立了铰链四杆函数发生机构近似运动综合的无约束优化模型,并应用IDE算法求解该优化问题。数值实例表明,IDE算法可以较好地克服早熟收敛问题,且能快速求出铰链四杆函数发生机构近似运动综合的优化解。     

基于改进差分进化算法的层合板优化设计

针对复合材料具有可设计性以及经典差分进化算法自身的缺陷,提出一种改进的差分进化算法对复合材料层合板进行以铺层角为设计变量、蔡-吴(Tsai-Wu)强度准则为约束条件、层合板强度最大为目标函数的优化设计。考虑差分进化算法在寻优过程中个体间差异越来越小,采用随机选择突变策略和增加扰动机制的方法,增大个体间差异,避免算法陷入局部最优解。通过数值算例和工程算例验证了改进的差分进化算法具有较好的全局收敛性。     

改进差分进化算法及其应用

将基于混合差分策略的改进差分进化优化算法应用在PID控制器在线优化中。MDE(改进差分进化算法)结合了差分策略DE/rand/1的多样性和DE/best/1的高收敛速度的优点,算法的寻优性能远超过两种策略单独作用时的性能。此方法充分利用了差分进化的进化寻优优势与PID控制器的简单方便,让控制器在系统运行过程中进行自我设计和优化。     

基于两种改进差分进化的可修备件多级库存优化算法研究

针对传统边际分析法求解多级可修备件库存模型解质量不高的问题,提出两种改进差分进化算法对模型进行求解,一种是带局部搜索的改进差分进化算法,另一种是基于边际分析法的改进差分进化算法。两种算法分别运行了20次,每次迭代上限设置为5 000次,得到相同的最优解,该解与已发表文献采用边际分析法求出的最优解相比库存总经费降低了4.44%,说明了两种算法具有一定的优越性。另外,基于边际分析法的改进差分进化算法较带局部搜索的改进差分进化算法具有明显的优越性,其中库存总经费均值低2.4%、库存总经费标准差低63.8%、迭代次数均值少38.7%,说明基于边际分析法的改进差分进化算法在优化水平、算法稳定性以及算法计算效率三个方面优于带局部搜索的改进差分进化算法。     

采用改进差分进化算法的四杆机构轨迹优化

为了降低轨迹生成四杆机构所产生的横向和纵向误差,提高四杆机构的运动精度。采用了改进差分进化误差函数法对平面四杆机构轨迹进行优化,实现横向和纵向误差值最小化。建立平面四杆机构直角坐标系,分析连杆运动的相关设计参数,构造优化目标函数,采用改进差分进化误差函数对四杆机构多目标变量进行优化。结合具体实例,采用MATLAB软件对优化的四杆机构参数进行仿真,并且与欧几里得距离误差函数方法进行对比。仿真结果显示:欧几里得距离误差函数方法所产生的横向和纵向误差最大值分别为1.6×10~(-3)m和2.4×10~(-3)m,而采用改进差分进化误差函数法所产生的横向和纵向误差最大值分别为1.0×10~(-3)m和1.4×10~(-3)m,横向和纵向误差分别减少了37.5%和41.7%。采用改进差分进化误差函数法优化平面四杆机构,可以提高四杆机构运动精度。     

自适应差分进化改进云资源调度

为了解决云制造资源调度与实际制造场景不符、易陷入局部最优和收敛速度过慢的问题,提出了一种基于自适应多目标差分进化的制造资源调度方法。该方法考虑了实际云制造平台资源调度特点,建立了一个具有时序约束及成本约束的多目标优化资源调度模型。针对云制造资源调度特点,对传统差分进化进行改进,提出自适应变异率和交叉率,实现了寻优过程中变异率与交叉率的动态调整,均衡了多目标差分进化全局搜索与局部搜索能力,提高了最优解搜索的精度与速度。实际算例证明了该方法的有效性和可行性。     

基于改进差分进化算法的机器人运动学参数标定

机器人的定位精度是评价机器人性能的重要指标.为提高机器人的定位精度,提出了一种改进差分进化算法,完成了机器人运动学参数标定实验.该算法在选择操作中使用了Metropolis接受准则,搜索更多的空间区域,以获得更好的收敛性.同时提出了种群多样性评价函数来监测种群多样性,种群低于阈值时进行二次变异操作,以避免陷入局部优化....     

混合整数优化问题的差分进化算法研究

为求解混合整数优化问题,提出了混合整数差分进化算法（Mixed Integer Differential Evolution,MIDE）。该算法结合整数变量的特点,为整数类型变量设计了专用的变异算子,使整数变量可以在差分进化算法中直接进化;为了维持种群多样性,采用了灾变策略;采用双编码方式,使整数变量与连续变量并行进化,进而提出了混合整数差分进化算法。通过与其它混合整数优化算法的比较,证明该算法具有较好的收敛速度、全局收敛性及算法稳定性等优点。     

基于差分进化算法的Stewart-Gough平台的设计优化

利用差分进化算法对Stewart-Gough平台进行优化。首先,对Stewart-Gough平台的对称结构和非对称结构进行了介绍;其次,通过综合考虑工作空间的限制,工作空间内存在奇异结构以及成本高这3个因素的影响定义了目标函数;最后,选定用于优化的工具为差分算法,并使用差分算法对Stewart-Gough平台进行了优化。优化结果表明,合理选择Stewart-Gough平台的结构及其参数,可达到最大化有效载荷或最小化每条腿上所需要的力(用以抵消外界施加在动平台上的力)的目的。与其他算法相比,差分算法具有较好的全局寻优能力,选用差分进化算法作为优化工具,优化及仿真过程借助MATLAB来实现。     

基于差分进化算法的混合动力系统多目标优化

针对混合动力能量管理系统多目标优化问题通常采用加权求和等方法的缺点,采用Pareto最优原理处理燃油经济性与排放性(CO、NOx、HC)评价指标,提出一种基于非支配排序的自适应差分进化算法,并应用于混合动力能量管理多目标优化系统之中并进行仿真分析。结果表明,提出的优化方法能够得到一组非支配Pareto最优解集,且燃油经济性最大提高了5.30%,CO排放物最大下降了3.65%,NOx最大下降了14.40%,HC最大下降了3.26%。     

改进差分进化算法在转向梯形机构优化中的应用

研究了基于萤火虫变异机制的双种群差分进化算法(IGDE)对断开式转向梯形机构的优化设计。针对基本差分进化算法(DE)在寻优处理过程中经常出现收敛速度较慢甚至早熟等弊端,提出了一种基于萤火虫变异机制的双种群差分进化算法。该算法通过模仿萤火虫吸引机理,同时结合自适应柯西扰动策略求解优化最优解。通过梯形机构优化测试结果表明:与Matlab遗传算法工具箱(GA)、基本差分进化算法(DE)、随机变异差分进化算法(RMDE)和多种群自适应差分进化算法(ADEMP)相比,IGDE最优适应度值分别降低了36.08%、29.05%、17.34%和15.19%。     

基于差分进化算法的PID优化设计

利用差分进化算法采用随机收缩因子,以提高算法的全局搜索能力和收敛速度的特性,通过在适应度函数中引入超调量、上升时间和系统累积绝对误差,可以使优化后的PID控制器性能达到满意程度。仿真结果表明该PID控制器的性能优于常规方法获得的PID控制器。     

基于差分进化算法的六杆间歇机构优化综合

将差分进化算法(DE)应用于六杆机构综合。该方法应用于在规定的时间控制和传动角约束下的具有停歇位置的机构综合。文中给出了计算实例,证明这种方法是可行的。     

基于多信号流图与差分进化算法的测点布局优化

为提高系统可测试性设计过程中的测点布局优化效率,提出了一种基于多信号流图与差分进化算法的测点布局优化方法。该方法首先建立基于多信号流图的系统模型,随后根据系统模型获得测试与故障模式的依赖矩阵,最后根据测点布局对探测率、隔离率和测点数量等方面的灵活需求,通过依赖矩阵和差分进化算法寻找最优测点组合。仿真实验和真实应用案例均证明了该方法的有效性。同时,与基于遗传算法的同类方法的对比实验,还证明了本文方法能更快且更稳定地找到最优测点组合,因此更适用于大型复杂系统的设计。     

改进二进制差分进化算法在配电网络重构优化中的应用

以降低配电网损耗为目标,在对差分进化算法进行二进制化改造的基础上,对其重要的控制参数进行了自适应优化改进,并将其应用到配电网重构中,通过对IEEE33节点配电网络算例的仿真计算以及与标准遗传算法(GA)和差分进化算法(DE)计算结果的比较,表明改进后的算法通过网络重构有效地降低了网损,并具有较高的计算效率和可行性。