基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法有更好的可行性。     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

基于粒子群算法的编队防空武器目标分配研究

建立了舰艇编队防空作战的武器目标分配模型,提出了一种基于粒子群的求解算法。该粒子群算法利用粒子群的个体最优和全局最优粒子,采用了编码、交叉、变异和选择相结合的算子操作得到粒子的新个体。通过仿真测试表明了算法的可行性和有效性,尤其是在规模复杂问题中将更能体现算法的优越性。     

基于微分进化算子和混沌扰动的量子粒子群算法

在分析量子粒子群算法搜索特性的基础上,引入了微分进化算子以及混沌扰动,提出了基于微分进化算子和混沌扰动的量子粒子群算法:在粒子搜索的过程中,以一定的概率对粒子的每一维执行微分进化操作,以增加粒子的随机性,减少粒子因为多样性的缺失而陷入局部最优的概率;并根据混沌的随机性和遍历性在性能较差的部分粒子中加入混沌扰动,从而增加...     

基于PSO优化扩展卡尔曼滤波的电机参数估计方法研究

针对传统扩展卡尔曼滤波算法应用于感应电机参数估计时,由固定测量噪声与真实噪声的差值所引起的估计误差问题,提出了一种粒子群优化扩展卡尔曼滤波的感应电机参数估计方法.以粒子群算法对扩展卡尔曼滤波算法中人为设定的固定测量噪声进行迭代寻优,同时引入全局最优变量,避免陷入局部最优,使寻优得到的测量噪声最大程度逼近真实的噪声水平.仿真结果表明,使用粒子群优化的扩展卡尔曼滤波方法降低了感应电机参数估计的误差,证明了该方法的有效性.     

大型自主水下机器人全局静态与局部动态融合路径规划方法

针对大型自主水下机器人在做全局路径规划时面临环境建模复杂,算法求解能力弱以及面对局部动态障碍时自主性低,避障路径规划困难等问题,采用极坐标表示形成路径同心圆,在严格机动性约束下提出基于改进粒子群算法和速度障碍法的全局静态与局部动态相融合的路径规划方法。在极坐标表示的环境模型中,在全局静态规划中引入最优粒子"变异"过程提升算法求解能力;在局部动态规划中利用速度障碍法求解局部碰撞范围和安全路径区域以保证避障路径最优。实验结果表明,与传统粒子群和遗传算法相比,改进方法在全局静态规划中路径更短、求解能力更强,局部动态规划能够得到出最优避障路径。     

基于粒子群算法的动力定位推力分配决策变量优选

针对群智能算法解决动力定位推力分配问题易遭遇局部最优、计算时间长等瓶颈,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于3种不同粒子决策变量的粒子群推力分配算法,以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性。对上述3种方法进行仿真分析,结果对比表明,基于文章提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。     

基于粒子群算法的动力定位推力分配决策变量优选

针对群智能算法解决动力定位推力分配问题易陷入局部最优、计算时间长等不足,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。首先考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于三种不同粒子决策变量的粒子群推力分配算法;其次以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性,对上述三种方法进行了仿真分析,仿真结果对比表明,基于本文提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。