改进惯性权重的粒子群算法及其在边坡稳定性分析中的应用

改进PSO算法的惯性权重。不仅考虑了惯性权重随代数的纵向线性变化,还根据当前和迄今粒子的适应度重排序横向线性变化来改进惯性权重。横向线性变化上限不变,下限逐渐减小,使得线性变化数值范围随代数逐渐增大。惯性权重随着代数逐渐取负,并且适应度差的粒子取负的几率更大。这样得到基于粒子适应度排序改进惯性权重的粒子群算法(ASMIWPSO算法)。通过2个仿真算例对比ASMIWPSO算法和PSO算法的寻优结果,所获得的全局最优值前者多于后者。采用边坡工程实例进行ASMIWPSO算法、PSO算法和理正岩土计算软件结果比较,说明ASMIWPSO算法具有更好的优化结果。     

用于进化计算的群记忆性算法

在进化计算中利用群的记忆性,提出群记忆性算法(PMA)。PMA考虑了群个体的当前多样性较优群和多样性权重w1。在多维优化和固定进化次数的情况下,采用Rastrigrin函数、Griewangk函数和Schwefel函数进行测试,benchmark表明PMA的性能优于混沌惯性权重的粒子群优化算法。     

考虑模糊区域的灰色马尔可夫链应用于防洪堤水平位移预测

应用灰色系统理论和模糊数学的方法,建立了马尔可夫链式预测模型.利用某防洪堤观测资料,预测堤段变形.将灰色马尔科夫链和考虑模糊区域的灰色马尔可夫链所算预测值对比,说明考虑模糊区域的灰色马尔可夫链模型比一般的灰色马尔科夫链更加优越.     

计算结构可靠度快速实现与并行粗格子法

给出一次二阶矩法、蒙特卡洛法和粒子群算法求解可靠度的MATLAB简便程序.应用划分网格法与避免了维数灾的粗格子法求解几何可靠度;通过并行粗格子法求解可靠度时,将约束优化转化为无约束优化应用了外惩罚函数法.     

适应度排序改进惯性权重的粒子群算法

改进PSO算法的惯性权重。惯性权重不仅随代数纵向线性变化,也根据当前和迄今粒子的适应度重排序横向线性变化。横向线性变化上限不变,下限逐渐减小,使得横向线性变化数值范围随代数逐渐增大。惯性权重数值随着代数逐渐取负,并且适应度差的粒子取负的几率更大。得到基于粒子适应度排序改进惯性权重的粒子群算法（ASMIWPSO算法）。通过仿真学解释ASMIWPSO算法。Rastrigrin函数测试对比ASMIWPSO算法、PSO算法,说明ASMIWPSO算法具有更好的优化结果。