基于多目标混沌云粒子群算法的泊位-岸桥分配研究

为了提高集装箱港口泊位-岸桥分配效果和优化效率,以集卡运距和船舶在港时间最小为优化目标,建立了多目标离散泊位-岸桥分配模型,利用混沌云粒子群算法对泊位-岸桥分配模型进行求解,开发了粒子可行-整数化处理模块,内嵌于混沌云粒子群算法进化中,制定了粒子编码规则,设计了多目标函数的粒子历史极值和全局极值的计算方法,提出了基于混沌云粒子群优化算法求解多目标离散泊位-岸桥分配模型的新方法,数值算例结果证明了该模型和算法的可行性和实用性。     

混合粒子群算法及其优化效率评价

为克服粒子群算法后期搜索效率降低的缺陷,利用直接搜索法的局部搜索能力,提出一种求解优化问题的混合算法(SPSO-DS)。用一个具有代表性的测试函数进行了仿真实验,结果表明该方法效果显著,明显提高了优化计算效率。本文将“平均截止代数”和“截止代数分布熵”作为评价指标,对SPSO-DS的优化效率进行定量的评估,通过与其他粒子群算法进行比较,进一步说明了SPSO-DS的优化效率。     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用Ansys的Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用 Ansys的 Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于 BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建 BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用 BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。     

粒子群优化算法在海底地形导航中的应用

通过研究将连续粒子群优化算法离散化,提出二进制离散粒子群优化算法。在海底地形导航的非线性、实时性、精准性的情况下,利用2个子群的协同进化来降低陷入局部最优的风险,有效提高收敛速度。最后通过与传统的地形轮廓匹配算法进行对比,说明本文算法在经纬度误差和最佳匹配点定位方面更具优越性。     

基于离散天牛群算法的高桩码头传感器优化布置

天牛须搜索(BAS)及其优化算法天牛群(BSO)算法是近两年新兴的一种生物启发式算法,具有易实现、收敛速度快等特点,但其仅适用于连续函数优化问题。目前高桩码头结构健康监测系统中传感器优化布置研究较少、布置方法存在盲目性。针对高桩码头传感器优化布置这一具体的离散问题,采用"0-1"编码的方法,引入位置变换概率的思想和离散化天牛群算法,基于模态置信度准则,提出了一种基于离散天牛群(BBSO)算法的高桩码头传感器优化布置方法。以某高桩码头为例,研究了该方法的应用,并与传统的离散粒子群(BPSO)算法进行了比较。结果表明,该方法比传统的BPSO算法更适合和有效。     

新型云粒子群算法在船舶工程中的应用

船舶工程研究的内容多以工程力学和结构学为主,这些都是比较复杂的问题,尤其是船舶动力,它是造船时需要重点考虑的关键因素之一。在复杂问题的解决中,粒子群算法的效果较好,但由于传统的粒子群算法容易陷入局部最优的情况,所以,需要对算法进行优化。云计算的出现,为粒子群算法的优化提供条件。本文从新型云粒子群算法的实现入手,对该算法在船舶工程中的应用进行论述。结果表明,本文提出的新型云粒子群算法,要优于传统的算法,具有良好的应用价值。     

基于粒子群优化的深度随机神经网络

针对传统多层随机神经网络性能不稳定问题,提出了一类利用粒子群优化算法来优化各层权值的深度随机网络方法.该方法利用粒子群优化算法,结合网络的输入输出灵敏度信息,逐层对自动编码器的输入层权值进行优化,通过改善自动编码器的性能来改善多层随机神经网络的性能.最后利用粒子群优化方法,对整个网络的权值作适当优化,进一步提高深度随机神经网络的性能.相对于传统深度学习算法,该方法在保持收敛精度的基础上降低了时间开销;相对于传统深度随机神经网络,该方法在增加时间开销基础上提高了收敛精度,从而较好地平衡了时间复杂度和收敛精度.     

多无人机协同任务分群方案研究

针对在侦察问题中多无人机任务分群的不足,为提高其效率,提出了基于模拟退火思想的改进K均值聚类算法的多无人机协同任务分群方法。文中建立了侦察任务分群模型,对任务分群性能优化指标进行了分析。给出了优化K均值聚类算法后的模拟退火思想的改进K均值聚类算法。通过进行仿真分析,在对比算法优化前后的计算结果后发现,优化算法能使多无人机巡航时间缩短,目标群分布群内更加集中,群间更分散,且各UAV任务分配更均衡。研究表明应用模拟退火思想的改进K均值聚类算法能有效提高任务分群效率,有较大的实战价值。     

基于量子行为粒子群算法的可测试性设计方法

将量子行为粒子群算法用于复杂电子设备测试点选取问题中.该算法以最少的测试点、测试代价和最大的故障隔离率、检测率为目标定义粒子适应度函数,保证了算法的全局最优性能.仿真结果表明,与其他算法相比,量子行为粒子群算法提高了测试点选取的效率,能较好的保证其算法全局最优性能,为粒子群算法的改进和多目标优化问题提供了新的思路.     

基于粒子群优化算法的水下航行器深度控制研究

提出了一种基于粒子群优化算法的水下航行器深度控制器参数优化设计方法。针对水下航行器运动参数变化的特性,采用粒子群优化算法收敛速度快、寻优特性好等特点,将其应用到控制器参数的优化设计中。仿真结果表明,利用粒子群优化算法进行优化设计的水下航行器深度控制器具有良好的控制性能。     

利用多Agent算法进行船舶电力系统网络重构模型研究及仿真

船舶电力系统(SPS)的网络重构通常用于船舶电网的输配电,故障恢复等,是一种重要且常用的电网控制技术。船舶电力网络重构可以被抽象为具有多目标和多约束的典型非线性离散优化问题。本文根据SPS的特点,建立SPS的简化网络模型和重构数学模型。提出一种多代理和粒子群优化(MAPSO)算法,给出该算法的算法流程和实现方法。分析验证结果表明,MAPSO可以有效重构船舶电力系统。     

大型船舶电力系统脆性中的粒子群优化算法研究

随着自动化技术和电力推进技术在船舶工业的广泛应用,船舶电力系统的稳定性、可靠性显得更加重要,针对大型船舶电力系统的脆性优化也引起了国内外的广泛研究。大型船舶电力系统的故障恢复和脆性优化具有重要意义,一方面可以提高船舶电力系统的可靠性,为船载用电设备提供充足的电力;另一方面,电力系统网络结构的优化有助于提高电力系统的集成特性,降低成本的同时可以提高供电效率。本文主要研究了大型船舶电力系统的脆性优化问题,采用了粒子群优化算法和脆性建模技术,对全面分析复杂的船舶电力系统,预防和控制电力系统脆性故障,提高电力系统可靠性具有重要的理论和实际应用价值。     

船舶电力系统配电网故障恢复重构算法研究

配电网故障恢复重构问题是船舶电力系统中一个多目标、多约束的优化问题,针对当前算法存在配电网故障恢复精度低的缺限,提出了改进粒子群算法的船舶电力系统配电网故障恢复重构策略,首先建立配电网故障恢复重构问题的数学模型,然后采用改进粒子群算法进行求解,最后进行了船舶电力系统配电网故障恢复的仿真实验,结果表明,改进粒子群算法提高了配电网故障恢复重构精度,加快了配电网故障恢复重构速度,而且综合性能要明显优于其它配电网故障恢复重构算法,船舶电力系统具有重要的实际应用价值。     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

集装箱船配载的粒子群算法

针对集装箱船配载优化中的Bay位优选问题,提出以倒箱量、重心横向偏移和初稳性高为目标,以箱位与Bay位的一致和Bay位重量为约束条件的数学模型,提出一种多目标离散粒子群算法(MODPSO)求解之,得到该算法优化后的Pareto解集和Pareto解迭代过程中的变化趋势图,为集装箱船配载问题提供多种方案以供备选,从而达到在提高集装箱船装载效率、节约装载成本和时间、使集装箱船获得稳定航行状态等目标间取得更好平衡的目的。     

基于Extend的集装箱码头物流系统仿真分析

为提高集装箱码头的运营效率,基于Extend仿真软件对集装箱码头物流进行了仿真分析。基于总成本、泊位利用率、船舶平均等待时间、船舶平均作业时间等指标,对集装箱码头物流进行了优化分析。结果表明,该方法可以较好地改善集装箱码头的操作流程,具有广阔的应用价值。     

基于改进遗传算法的车辆优化调度研究

针对物流配送过程中车辆调度问题,建立了带时间窗的物流配送车辆优化调度数学模型,采用改进后的遗传算法进行了模型求解。模拟结果表明,本文设计改进后的遗传算法在求解时间和求解效果上具有良好的性能,尤其对求解大规模的物流配送车辆调度问题,具有一定的实际应用价值。     

集装箱船配载问题的粒子群算法研究

针对集装箱船配载优化中的Bay位优选问题,提出以倒箱量、重心横向偏移和初稳性高为目标,以箱位与Bay位的一致和Bay位重量为约束条件的数学模型,提出一种多目标离散粒子群算法(MODPSO)求解之,得到该算法优化后的Pareto解集和Pareto解迭代过程中的变化趋势图,为集装箱船配载问题提供多种方案以供备选,从而达到在提高集装箱船装载效率、节约装载成本和时间、使集装箱船获得稳定航行状态等目标间取得更好平衡的目的。     

基于粒子群算法的船舶定位系统故障优化

船舶的锚泊方式只适合在浅水区进行定位,随着人类探测和航运活动逐渐向着深海拓展,适用于深海的船舶动力定位方式被开发和应用起来。本文研究的主要内容是船舶定位系统的故障诊断和优化,本文首先介绍了一种新型寻优算法-粒子群优化算法的原理和基本流程,然后针对船舶动力系统的结构及常见的故障类型,建立了动力定位系统的故障优化模型,并开发了基于粒子群算法的船舶定位系统故障优化策略,对改善船舶动力系统的故障诊断与优化有重要的价值。