基于粒子群的CDMA功率和速率联合控制算法

提出了基于效用函数的CDMA网络下行链路的功率和速率联合控制最优化算法.在这类算法中,效用函数为非凸函数,经典的最优化理论很难解决这类问题.将粒子群优化方法应用于算法的非凸性设计,并通过仿真算例证明了该算法能有效解决非凸优化问题,且可保证系统的公平性.     

碳化塔的优化控制系统的设计与应用

应用控制技术以及工程建模技术,结合南方制碱厂碳化工艺的生产特点,设计以提高碳化塔的操作平稳性和转化率为主要目标的效能优化控制系统。     

光学测量传感器的设计与分析

在非接触式检测技术中,基于主动视觉检测技术的光学测量传感器因能快速给出准确的结果而被广泛应用。这里设计的是一种基于激光三角法原理的光学测量传感器。该传感器由CCD摄像机和激光器组成,主要用于测量路面面型的整体情况。实验结果表明,此传感器在竖直方向的测量范围可达到1100mm,横向测量范围可达到1300mm;横向平均绝对误差约为0．05mm,最大绝对误差约为0．09mm;纵向平均绝对误差约为0．08mm,最大绝对误差约为0-2mm。     

RBF神经网络的混合微粒群学习算法

在分析RBF神经网络的结构特点基础上, 定义一个布尔向量L作为网络的结构参数, 与原来RBF神经网络的隐节点参数集一起构成了新的RBF网络隐节点参数集{c,σ, L}, 并给出了一个新的RBF网络输入输出关系表达式;采用一种混合协同微粒群算法同时对RBF网络拓扑结构和隐层节点参数进行优化设计,并将输出线性参数集分离后采用最小二乘法进行优化设计,简化了优化空间,加速了算法的收敛速度.     

ACO—BP在神经网络训练中的研究与应用

针对神经网络收敛速度慢、易于陷入局部最优等问题,可将蚁群算法与人工神经网络相融合的方法来解决,但容易出现训练时间与训练精度、泛化能力之间的矛盾.为解决上述矛盾,提出将蚁群优化算法与反向传播算法相融合共同完成神经网络训练的方法.算法首先采用蚁群优化算法对网络权值进行整体寻优,克服反向传播算法容易陷入局部最优的不足再以找到的较优的权值为初值,采用反向传播算法做进一步的寻优,克服单一训练网络时间较长、精度不高的缺点.最后对ACO-BP与反向传播算法进行了比较,给出两种算法在不同隐结点数目下的检验误差值和两种网络在矿选指标中的应用效果.通过对实验结果的分析.表明ACO-BP算法要优于反向传播算法.     

PSO算法在含一阶导数变分问题中的应用

变分问题是一个研究泛函极值的经典数学问题,寻求变分问题的直接解法具有重要的理论和现实意义.鉴于PSO算法在极值问题中的广泛应用,利用分段Hermite插值.建立了求解含一阶导数的变分问题优化模型,构造出了适应度函数,从而使得PSO算法成功应用到变分问题的求解当中.数值实验结果表明了方法的可行性,同时也拓展了PSO算法的应用领域.     

PTA生产溶剂智能优化控制软件的开发与应用

在.Net开发环境下,利用C++语言开发PTA生产溶剂智能优化控制软件,并介绍了软件包的设计原理和基本框架.利用广义回归神经网络建立PTA过程模型,再采用粒子群智能优化法优化过程操作参数,软件系统操作简单、用户界面友好.该软件在精对苯二甲酸(PTA)生产装置的实用效果良好,降低了醋酸和蒸汽的消耗,并为优化各工艺操作条件提供了指导,产生了一定的经济效益,具有较好的推广价值.     

水处理系统的分段优化设计方法

采用分段设计法研究水处理过程.根据给水浓度和产水浓度要求的不同,以年费用最小为目标,将水处理过程作为超结构模型,进而优化设计段数和每段的工艺参数.研究表明,当进水浓度为5 000 ppm～35 000 ppm时,制备生活用水采用反渗透法处理费用最低,而制备纯水采用反渗透+离子交换联合法处理费用最低;当进水浓度为500 ppm～5 000 ppm时,前者采用电渗析法处理费用最低,而后者采用电渗析+离子交换联合法处理费用最低;当进水浓度小于500 ppm时,制备纯水采用离子交换法费用最低.     

粒子群优化算法的发展趋势

分析优化算法的发展历程,指出粒子群优化算法(PSO)是基于群体智能的一种算法,简单易行,可调参数少,研究广泛且发展迅速.结合图形给出算法的个体极值和整体极值的搜优运动过程.研究总结算法的研究现状及特点,认为PSO还需要完善和继续研究.提出将算法应用于复杂的约束优化、随机优化与最优控制问题是算法应用研究的方向,并指出对该算法完整的收敛性分析是算法成熟的标志.     

基于双极偏好控制的多目标粒子群优化算法

考虑双极偏好信息对粒子群的控制作用,提出一种使用双极偏好——正偏好和负偏好引导粒子群向 Pareto 前沿偏好区域进化的方法．根据TOPSIS 决策法思想,将外部种群粒子与正负偏好点的相对贴近度排序作为 外部种群管理和全局最优解更新策略;根据贴近度值确定解集的分布度;选取6 种不同类型的多目标测试函数进行 算法模拟,从世代距离、空间测度和超体积测度3 个指标与基于单极偏好的多目标粒子算法进行性能比较．结果显 示,基于双极偏好控制的多目标粒子群算法的收敛性和综合性能更优秀．