基于遗传-粒子群优化算法的USV路径规划方法

为解决传统粒子群优化算法(particle swarm optimization algorithm,PSO)应用于无人水面舰艇(unmanned surface vessel,USV)路径规划时存在的早熟收敛问题,提出一种结合遗传思想的PSO,在传统的PSO中引入遗传算法(genetic algorithm,GA)中的交叉、变异操作,避免算法进入局部最优解,对惯性权重进行自适应调整,加速算法收敛.采用MATLAB软件对USV巡检水域环境进行建模,应用改进的PSO进行路径规划.仿真结果表明:相对于传统的PSO和GA,该算法有效减少路径交叉点,大幅缩短路径总长和算法收敛时间.     

基于改进PSO算法的两阶段损伤识别方法

为解决结构多损伤情况下的位置识别和损伤程度判定问题,提出了一种基于改进粒子群优化算法和贝叶斯理论的两阶段损伤识别方法,该方法采用频率和模态应变能作为损伤定位源数据,分别用基于频率改变和基于应变能耗散率的识别方法进行损伤信息的初步提取,再利用贝叶斯融合理论对损伤位置进行较为精确的判定.然后,利用粒子群优化(PSO)算法对损伤位置和程度进行更为精确的二次识别.考虑到简单PSO算法易陷入局部最优解,提出了3种改进措施,即粒子位置突变、最优记忆粒子微搜索和双收敛措施.数值仿真结果表明:采用贝叶斯融合理论可以有效地识别出可能的损伤单元,在此基础上用改进的PSO算法可以更精确地识别损伤的位置和程度,同时采用3种改进措施的PSO算法的识别精度明显优于其他PSO算法和遗传算法.     

基于水域精细划分的VTS雷达站选址配置优化

为了提高水上安全监管效率和保障水上运输安全生产, 以船舶交通管理系统(VTS)雷达站为研究对象, 研究了基于水域精细划分的VTS雷达站选址优化问题; 考虑实际环境中遮挡因素和水域风险因素对雷达监测效果的影响, 基于软件ArcGIS 10.4.1提出了水域精细划分方法; 以雷达站建站位置和雷达配置类型为决策变量, 以水域覆盖率最大和总成本最小为目标函数, 构建了混合整数规划模型; 基于模型特点设计了多目标粒子群算法, 给出了生成初始粒子群的启发式规则, 并在算法中引入有效的变异操作; 为了验证方法的有效性, 以ZDT系列测试函数对算法搜寻最优解的性能以及算法的收敛性进行了研究。研究结果表明: 水域精细划分方法能够在考虑遮挡因素和风险因素的情况下实现对水域的空间划分, 实例中在存在62个雷达站候选点的情况下将雷达站所需监测水域划分为2 812个水域单元; 改进的粒子群算法在ZDT测试函数中能够有效地寻找全局最优解, 并且在最优解的分布上具有良好的收敛性和分布性; 针对实例中的VTS雷达站选址项目模型达到了95.92%的覆盖率, 成本为33 800元。可见, 考虑环境遮挡和水域风险因素的VTS雷达站选址模型是有效的, 改进的多目标粒子群算法可以提高VTS雷达站选址的科学性和合理性, 是解决VTS雷达站选址优化问题的一种有效方法。      

一种改进惯性权重的混沌粒子群优化算法

为解决粒子群算法(particle swarm optimization, PSO)在求解多维复杂问题时易陷入局部最优的问题,提出了一种改进惯性权重的混沌粒子群优化算法,算法中利用Sigmoid函数构造惯性权重的进化曲线,进化过程中利用Logistic混沌变换和群体适应度方差来实时调整惯性权重的值,防止陷入局部最优.最后选用6个基准测试函数对该算法进行性能测试,仿真结果表明该算法能够有效避免PSO算法的早熟收敛问题,得到较高精度的解.     

动态规划算法在最优航路规划中的应用

通过对船舶最优航路概念的分析,提出了一种基于动态规划算法的船舶最优航路规划。实现了船舶最优航线的自动生成,不仅可大大减轻航海作业人员的工作强度,同时也能增强航线的安全性和可靠性．     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化（PSO）算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点．针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识．该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识．利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明：改进的PSO算法用于岩石蠕变模型的参数辨识是有效的．     

多式联运网络中的托盘共用调度方法

为解决多式联运网络中的托盘共用调度决策难题，采用非线性规划、混合整数规划和改进粒子群算法（particle swarm optimization，PSO）等方法优化了托盘共用系统，研究了在管理者可以选择水路、公路和铁路3种运输模式运输托盘时，管理者应采取的调度方法. 首先分析了多式联运网络中的托盘共用调度流程；其次构建了多式联运网络中的托盘共用调度混合整数非线性规划模型，模型中考虑了转运时间、转运成本、作业批量、托盘毁坏率、时间约束等因素；然后设计了带惯性因子的粒子群算法 （PSO with inertia weigh，IPSO） 和带压缩因子的粒子群算法 （PSO with constriction factor，CPSO）；最后通过实验分析验证了模型和算法的有效性. 研究结果表明:较单一的公路运输，采用多式联运网络中的托盘共用调度模型总成本降低了69.1%；与CPSO相比，IPSO得到的调度总成本降低了1.82%；客户的期望满足时间越宽松时，采用多式联运的方式调度托盘越能节约调度成本；多式联运所耗费的转运时间和转运成本直接影响托盘共用调度决策.      

基于微粒群本质特征的混沌微粒群优化算法

在总结对微粒群优化(PSO)算法本质的主要研究成果的基础上,提出了基于微粒群本质特征的混沌微粒群优化(CPSO)算法.该算法用混沌搜索方法代替随机数产生器在较好的区域搜索最优解.为了提高粒子群的多样性,用由粒子邻域内若干个个体最优位置依其适应值加权平均得到的中心位置代替标准PSO算法的全局历史最优位置.然后,根据粒子个体最优位置与上述中心位置间的距离自适应地调整混沌搜索区域半径.用几个经典测试函数的仿真结果及与其它几种PSO算法的比较结果验证了新算法的有效性.     

海洋气象环境影响下的复杂水域船舶路径规划

为提高复杂水域船舶自动生成路径的安全性与经济性,将海洋气象环境因素考虑在内,以船舶避开障碍物为前提,设计了以航行时间最短为目标的路径规划算法.在建立环境模型的基础上采用改进MAKLINK图生成可行路径,根据矢量合成及拟合模型分析海流及风浪对船舶航速的影响,从而确定路径权值,通过Dijkstra算法进行初始路径规划,采用改进粒子群算法进一步优化及平滑初始路径.以一艘集装箱船通过规划海域为例验证算法的有效性,并对风向和风级进行了敏感性分析.结果表明:考虑海洋气象环境影响生成的路径既可安全避开障碍物,又可节省航行时间,改进粒子群算法在缩短路径航行时间的同时可提高路径的平滑性.     

二维不平衡指派问题模型及粒子群算法求解

为解决运输中任务数与车辆数不等情况下的换装问题,建立了二维不平衡指派问题的优化模型,并用粒子群算法（PSO）求解此问题．对几种不同情况下的不平衡指派问题进行了数值模拟,并与全枚举法的计算结果进行了比较．结果表明,PSO收敛到最优解的概率和收敛速度均优于全枚举法,所建立的模型及其求解方法能获得决策者满意的换装方案．     

基于改进PSO算法的轨道交通接运公交线路优化问题

轨道交通接运公交线路的优化布设可以扩大轨道交通的客流覆盖范围,提高轨道交通的吸引力。为了研究轨道交通接运公交的站点设置与线路布局问题,本文以最大化轨道交通接运公交线路接运乘客的客运周转量为目标函数,考虑轨道交通接运公交线路长度和轨道交通站点剩余客流量和区段剩余通过量的约束,建立轨道交通接运公交线路优化的数学模型,并采用改进粒子群算法(PSO)进行求解。最后给出算例,在本文建立的优化模型基础上,用改进粒子群算法对其进行求解,得到轨道交通站点周边接运公交的最优线路,验证了本文所提出模型的可用性。     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

粒子群优化算法的信息共享策略

为寻求更有效的信息共享策略,分析了粒子群优化（PSO）算法的信息共享机制及由粒子个体最优位置构成的平衡点的作用．在此基础上,以标准PSO算法为原型,提出了4种使用不同信息共享策略的PSO算法,并用5个经典测试函数测试、比较了它们的性能．仿真结果表明,提出的前2种信息共享策略可以明显改善PSO算法的性能．基于PSO算法的理论分析和仿真结果,给出了一个好的信息共享策略应满足的条件：粒子应有选择地共享邻域个体的信息,以保证粒子群的平衡点具有良好的质量与多样性,同时又不过于随机地变化．     

一种基于ADPSO优化的循环神经网络模型

针对循环神经网络(Recurrent Neural Network,RNN)采用传统的训练方法造成的收敛速度慢、易陷入局部最优的问题,提出一种自动调整的动态粒子群优化算法(ADPSO),利用ADPSO较强的全局寻优能力来优化RNN的初始权值及阈值,构建基于ADPSO优化的RNN模型(ADPSO-RNN),从而提升RNN的预测性能及泛化性能.在ADPSO中,将动态搜索空间策略引入到粒子群算法中,同时自适应地调整学习因子以平衡算法的全局和局部搜索能力.在实验中,将ADPSO与PSO进行算法优化性能对比,结果表明ADPSO具有更好的寻优性能;然后以某股票的股票价格历史数据为实验数据,将ADPSO-RNN与常规RNN、PSO优化的RNN分别对其进行预测,结果表明ADPSO-RNN模型在股票价格预测中预测指标平均绝对误差和均方误差上相对于另外两种模型均有所降低,具有更好的泛化性能.     

一种改进型粒子群算法求解资源优化配置问题

针对粒子群算法在求解优化问题时难以兼顾收敛精度与收敛速度这一问题,提出对目标的惯性权重进行修正和引入随着惯性权重变化的惯性学习因子的方法,该算法充分利用了上一代速度与位置、自我认知和群体间信息共享3部分内容,来影响算法的优化结果,提高了算法的全局和局部的搜索能力.最后将改进的粒子群算法应用于工程项目中的资源优化配置问题中,证明了该算法的有效性.     

用混合元启发算法求解城市网络设计问题

为更有效求解城市道路交通网络设计问题,在启发式算法研究的基础上,使用3种改进思想,改进蚂蚁群算法,设计了4种求解城市道路交通网络设计的双层规划模型的混合启发式改进算法。运用于Sioux Falls网络进行模型的求解实验,并统计运行的平均计算时间,求得最优解的次数和函数解平均值。据此得出混合算法从时间、准确度上均较基本蚂蚁算法有了改善,具有很好的应用价值。     

具有动态调节机制的多粒子群改进算法及应用

针对标准粒子群算法(standard particle swarm optimization,SPSO)的稳定性较差及易陷入局部收敛等缺陷,将粒子群体划分为多组粒子群,提出了一种子群粒子和其产生的精英粒子分两步协同进化的方案,采用混沌、高斯动态扰动粒子位置及云正态模型自适应动态调整惯性权重等动态调节机制优化粒子飞行轨迹,促进粒子又快又好的向群体最优目标飞行,以改善SPSO算法的全局寻优性能并提高多目标优化问题的多样性.采用新颖的误差适应度函数设计了FIR高通数字滤波器,并与基于RGA、PSO、CRPSO及典型Parks-McClellan算法的滤波器进行了对比与分析.仿真实验表明:基于具有动态调节机制的多粒子群改进算法及目标函数设计的滤波器,具有通带波动小,阻带衰减大的优势.     

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析,指出它们存在的缺陷。提出一个改进的进化规划算法,并将其应用于BP神经网络的权值优化。取XOR问题和4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明,本文中提出的改进的进化规划算法优于前2个算法。     

战术飞行路径规划算法

为了找出在某些约束条件下的最优飞行路径,提出了一种基于Voronoi图的战术飞行路径规划算法,建立了威胁代价函数,采用分解策略,首先生成一条由若干直线段连接的参考航路,然后利用B样条函数对规划的参考航路进行动态修正,用Matlab进行了仿真验证。仿真结果表明了路径规则算法是有效的,修正后的路径避免了带有尖角的不可飞路径,满足最小飞行半径与动力约束。     

细菌觅食机制粒子群优化算法

针对基本粒子群优化算法易陷入局部极值的缺陷,提出了一种细菌觅食机制粒子群优化算法.其基本思想是在粒子群优化算法中引入细菌觅食行为机制,提高PSO算法跳出局部极值的能力,借以改善PSO算法的寻优性能.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.