桁架结构拓扑优化的微粒群算法

为了解决有应力和位移约束的桁架结构的拓扑优化问题,将微粒群算法用于桁架结构拓扑优化.用罚函数法将应力和位移约束下的结构优化问题转化为无约束优化问题,用微粒群算法迭代计算.为了证明此方法的可行性,给出了2个具有应力和位移约束的桁架结构拓扑优化的算例.计算结果表明,微粒群算法与现有算法获得的桁架结构拓扑优化结果一致.     

基于动态罚函数的铁路车流分配与径路优化模型

为解决铁路车流分配与径路优化模型中的难约束问题，避免群智能算法在应对该问题时难以求解的不足，提出了一种基于惩罚函数的约束优化方法. 首先，在车流分配及径路优化基本模型的基础上设置虚拟弧，在目标函数中增加惩罚项的方式松弛掉模型中的弧段能力约束，同时对惩罚项中的惩罚力度和惩罚因子设计动态更新的策略；然后，将改进灰狼算法（improved grey wolf algorithm，IGWO）应用于车流分配与径路优化模型的求解；最后，结合某一地区的路网数据，对改进前、后的模型和算法进行对比分析. 算例结果表明:与改进前的模型相比，引入惩罚项之后，IGWO可以在限定的范围内找到满足弧段能力约束的可行解；与灰狼算法（gray wolf algorithm，GWO）相比，IGWO计算所得的配流方案使OD （origin-destination）货流的平均绕行率和货物总走行公里数分别下降了2.6%和5.2%.      

Optimization for PID controller of cryogenic ground support equipment based on cooperative random learning particle swarm optimization

Cryogenic ground support equipment (CGSE) is an important part of a famous particle physics experiment — AMS-02. In this paper a design method which optimizes PID parameters of CGSE control system via the particle swarm optimization (PSO) algorithm is presented. Firstly, an improved version of the original PSO, cooperative random learning particle swarm optimization (CRPSO), is put forward to enhance the performance of the conventional PSO. Secondly, the way of finding PID coefficient will be studied by using this algorithm. Finally, the experimental results and practical works demonstrate that the CRPSO-PID controller achieves a good performance.     

求解约束优化问题的动态目标迁移差分进化算法

针对约束优化问题的特点,给出一种改进差分进化算法.将差分进化算法做了适当修正,在初始化中加入迁移操作,依据违反约束度函数和原目标函数进行选择操作,当个体的违反约束度在容忍度以外时,通过违反约束度函数更新个体,当个体的违反约束度在容忍度以内时,通过原目标函数更新个体,实验研究结果表明该算法能有效求解约束优化问题.     

Simplified Group Search Optimizer Algorithm for Large Scale Global Optimization

A simplified group search optimizer algorithm denoted as"SGSO"for large scale global optimization is presented in this paper to obtain a simple algorithm with superior performance on high-dimensional problems.The SGSO adopts an improved sharing strategy which shares information of not only the best member but also the other good members,and uses a simpler search method instead of searching by the head angle.Furthermore,the SGSO increases the percentage of scroungers to accelerate convergence speed.Compared with genetic algorithm(GA),particle swarm optimizer(PSO)and group search optimizer(GSO),SGSO is tested on seven benchmark functions with dimensions 30,100,500 and 1 000.It can be concluded that the SGSO has a remarkably superior performance to GA,PSO and GSO for large scale global optimization.     

铁水运输调度双层多目标约束优化模型

为实现铁水运输作业排程与资源分配的协同优化，基于约束程序累积调度和字典序多目标优化理论，研究了铁水运输调度双层多目标约束优化方法.首先，基于铁水罐周转率最高和作业效率最高2个字典序优化目标，考虑作业时序、作业实施逻辑、铁水温降时限、铁水罐作业次数限制、资源容量限制和铁水罐资源池等约束条件，建立了上层的铁水运输作业排程约束优化模型；其次，以资源利用均衡度最高为目标，将作业实施唯一性和资源容量限制作为约束条件，建立了下层的铁水运输资源分配约束优化模型；最后，通过约束传播与多点构建性搜索的混合算法迭代求解整个模型.通过实例验证表明：设计的混合算法求得的铁水罐周转率目标和运输作业效率目标，比基本深度优先回溯算法分别提高了14.29%和60.53%；字典序多目标模型比加权和单目标模型求解效率和求解质量分别提高了20.3%和11.11%.     

IIR数字滤波器设计的搜寻者优化算法

为进一步提高无限冲击响应(IIR)数字滤波器的性能,提出了一种基于搜寻者优化算法(SOA)的IIR数字滤波器设计方法.SOA基于模拟人的随机搜索行为,由利用位置变化评价得到的经验梯度确定搜索方向,由采用简单模糊规则的不确定性推理确定搜索步长,通过搜寻者在搜索空间的位置更新,实现对优化问题的求解.2个典型设计实例的仿真结果表明,与差分进化算法(DE)和3种改进的粒子群算法(PSO)相比,SOA具有较好的全局寻优能力和较快的收敛速度,能有效地应用于IIR数字滤波器的没计.     

Combustion Optimization Model for NO_x Reduction with an Improved Particle Swarm Optimization

This paper focuses on the combustion optimization to cut down NO_x emission with a new strategy.Firstly, orthogonal experimental design(OED) and chaotic sequences are introduced to improve the performance of particle swarm optimization(PSO). Then, a predicting model for NO_x emission is established on support vector machine(SVM) whose parameters are optimized by the improved PSO. Afterwards, a new optimization model considering coal quantity and air quantity along with the traditional optimization variables is established. At last,the operating parameters are optimized by the improved PSO to cut down the NO_x emission. An application on 600 MW unit shows that the new optimization model can cut down NO_x emission effectively and maintain the load balance well. The NO_x emission optimized by the improved PSO is lowest among some state-of-the-art intelligent algorithms. This study can provide important guides for the low NO_x combustion in the power plant.     

考虑速遣费和滞期费的不定期船航速优化研究

航运合约中的速遣费和滞期费对不定期船港口选择有重要影响.针对不定期船舶航速优化和港口选择问题,建立货主存在违约概率情况下不定期船港口选择停靠和航速优化模型,并考虑滞期费和速遣费对船公司利润的影响,使用改进型粒子群算法--两阶段粒子群算法进行求解模型.通过算例分析,将改进型粒子群算法与传统粒子群算法对比,发现改进型粒子群算法无论在收敛速度还是计算结果方面都优于传统粒子群算法.最后通过灵敏度分析发现,船公司利润在一定范围内会随着违约率、滞期费和港口装卸效率的上升而上升.     

Design for Two-degree-of-freedom PID Regulator Based on Improved Generalized Extremal Optimization Algorithm

A kind of new design method for two-degree-of-freedom(2DOF)PID regulator was presented,in which,a new global search heuristic--improved generalized extremal optimization(GEO)algorithm is applied to the parameter optimization design of 2DOF PID regulator.The simulated results show that very good dynamic response performance of both command tracking and disturbance rejection characteristics can be achieved simultaneously.At the same time,the comparisons of simulation results with the improved GA,the basic GEO and the improved GEO were given.From the comparisons,it is shown that the improved GEO algorithm is competitive in performance with the GA and basic GEO and is an attractive tool to be used in the design of two-degree-of-freedom PID regulator.     

重大件运输的货物分配与航速联合优化

为了研究半潜船运输过程中满载与空载燃油消耗不同对重大件货物运输和最优航速的影响,建立了货物分配与航速联合优化模型,并改进了递归平滑算法RSA(recursive smoothing algorithm),基于插入法和改进的递归平滑算法IRSA(improved recursive smoothing algorithm),提出了全局搜索算法求解该模型.用插入法解决货物分配问题,用IRSA求解满载和空载的最优航速.算法应用结果表明:与RSA相比,运用全局搜索算法使运输成本降低了240.3万元;与划分为6和9个时间段的离散到达时间方法相比,运用全局搜索算法计算时间分别缩短了71.1和767.3 s.      

带轴重约束货物平衡装载问题优化研究

针对考虑轴重约束集装箱卡车货物优化装载问题,建立以最大化装载率和负重心偏离度为目标,以平衡及轴重为约束条件的数学模型,设计改进型贪婪自适应搜索算法（IGASP）对问题进行求解.算法先基于启发式方法构造布局方案,再结合重心边界条件分析对获得方案进行可行性分析,对违反约束装载率较高的方案提出了两种重心调整的方法,进而将有关过程融入贪婪自适应搜索形成解的改进机制实现问题优化求解.基于现实算例的试验分析,证明所提方法求解带轴重约束货物平衡装载问题具有较好效果.     

Structural Optimization of Hatch Cover Based on Bi-directional Evolutionary Structure Optimization and Surrogate Model Method

Weight reduction has attracted much attention among ship designers and ship owners. In the present work, based on an improved bi-directional evolutionary structural optimization (BESO) method and surrogate model method, we propose a hybrid optimization method for the structural design optimization of beam-plate structures, which covers three optimization levels: dimension optimization, topology optimization and section optimization. The objective of the proposed optimization method is to minimize the weight of design object under a group of constraints. The kernel optimization procedure (KOP) uses BESO to obtain the optimal topology from a ground structure. To deal with beam-plate structures, the traditional BESO method is improved by using cubic box as the unit cell instead of solid unit to construct periodic lattice structure. In the first optimization level, a series of ground structures are generated based on different dimensional parameter combinations, the KOP is performed to all the ground structures, the response surface model of optimal objective values and dimension parameters is created, and then the optimal dimension parameters can be obtained. In the second optimization level, the optimal topology is obtained by using the KOP according to the optimal dimension parameters. In the third optimization level, response surface method (RSM) is used to determine the section parameters. The proposed method is applied to a hatch cover structure design. The locations and shapes of all the structural members are determined from an oversized ground structure. The results show that the proposed method leads to a greater weight saving, compared with the original design and genetic algorithm (GA) based optimization results.     

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.     

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.     

基于量子粒子群算法的门式刚架结构抗风优化

为弥补目前结构抗风优化仅针对高层建筑的不足,采用量子粒子群算法对一大跨屋盖结构进行了抗风优化.基于风洞试验数据库获得等效静力风荷载,并根据型钢表组成离散变量搜索空间.通过约束违反协调系数,构造了一种新的适应值模型,进一步建立了粒子越界处理方法,以保证优化的可行性和收敛性.通过10次运行计算以确定门式刚架的最优设计,并在全风向角下对优化结果进行校核.研究结果表明,目标函数随迭代单调递减收敛,总质量标准差仅为其平均值的4%,平均迭代24次,说明量子粒子群算法用于门式刚架抗风优化具有较好的健壮性和计算效率.      

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

基于BP神经网络的起重船臂架结构优化设计

针对起重船臂架结构设计计算,采用BP神经网络算法模拟出臂架结构优化设计变量与臂架结构应力、位移之间的映射关系,并调用MATLAB优化工具箱中的最小化函数对臂架结构的约束条件以及目标函数进行优化处理,并将优化后的结果与优化之前的数值进行对比分析,充分地验证了BP神经网络优化算法的优越性.     

内河船舶避碰路径优化研究

内河船舶碰撞事故导致重大生命及财产损失，已经引起人们的高度关注．提出一种内河船舶自动避碰路径优化的研究方法，建立了内河船舶操纵运动数学模型，将遗传算法运用到内河船舶避碰路径选优中，提出内河船舶避碰路径优化准则，并构建一种考虑内河航道中运动船舶及障碍物的适应度函数．优化结果表明了本方法的可行性。     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.