Multi-objective optimal approach for injection molding based on surrogate model and particle swarm optimization algorithm

An integrated optimization strategy based on Kriging model and multi-objective particle swarm optimization(PSO) algorithm was constructed.As a new surrogate model technology,Kriging model has better fitting precision for nonlinear problem.The Kriging model was adopted to replace computer aided engineering(CAE) simulation as fitness function of multi-objective PSO algorithm,and the computation cost can be reduced greatly.By introducing multi-objective handling mechanism of crowding distance and mutation oper...     

基于粒子群优化的高速公路网集成优化控制模型(英文)

应用非线性最优控制方法, 研究了高速公路网的匝道控制和路径诱导的集成问题, 构造了集成控制的最优控制模型。在模型中, 以路网总耗时最小为优化目标, 以METANET模型为网络交通流模型, 考虑了控制变量的更新周期约束, 采用粒子群优化技术求解优化模型。仿真结果表明: 无控制时, 路网总耗时为3376 veh·h; 仅实施匝道控制时, 路网总耗时为3005 veh·h; 仅实施路径诱导时, 路网总耗时为2768 veh·h; 集成控制时, 路网总耗时为2464 veh·h。可见, 集成控制效果最优。     

基于粒子群算法的投影寻踪分类模型研究

投影寻踪分类模型将高维分析问题的数据投影到最佳投影方向上,将其转化为一维问题进行分析研究,其实质是一种降维处理技术,以达到在低维空间分析高维非线性数据的目的．寻找最佳投影方向是一个优化搜索过程,PSO算法可以有效地应用于投影寻踪分类模型中最佳投影方向的搜索．用最佳投影方向计算样本数据的最佳投影值,根据K-均值聚类算法对投影值进行聚类,获取聚类结果．     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型（Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM）.首先支持向量机（Support Vector Machine,SVM）参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化（Particle SwarmOptimization,PSO）算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

基于粒子群算法的城轨列车节能驾驶优化模型

为了降低城市轨道交通中列车在站间运行的能耗, 研究了列车的站间节能驾驶策略, 在考虑线路限速和坡度的情况下, 建立了时间约束下的列车节能优化模型, 采用粒子群算法优化目标速度序列得出了列车节能驾驶策略。节能驾驶优化方法通过2个阶段来实现, 第1阶段在站间运行时间不变的情况下, 采用粒子群算法优化了列车在站间的节能驾驶策略, 得到了运行时间和能耗的关系, 第2阶段在多站间总运行时间不变的前提下, 将运行时间进行重新分配, 得到了列车在全线运行的节能驾驶策略。以北京地铁亦庄线实际线路数据和车辆参数为基础, 对优化方法进行仿真验证。仿真结果表明: 经过第1阶段的优化, 列车在万源街-荣京东街的单站间运行能耗降低了6.15%, 经过第2阶段的优化, 列车在多站间总运行能耗降低了14.77%。可见, 优化模型可以有效降低列车的运行能耗, 为列车时刻表的编制提供依据。     

基于粒子群算法的双目标可靠性网络设计

用离散的路段通行能力变量来刻画路网的随机性, 建立了网络设计的双层规划模型。上层模型为基于路网期望总走行时间最小和路网净经济效益可靠度最大的双目标规划模型, 下层模型为弹性需求下的用户平衡配流模型。采用增设多余需求路段的方法求解下层模型, 采用基于向量的粒子群算法(VEPSO)求解整个双层规划模型。计算结果表明: 所得到的解为一组Pareto解, 路网期望总走行时间和净经济效益可靠性为2个相悖目标; 随着期望总走行时间下降, 可靠度也有所降低; 在可靠度不变的情况下, 减少期望总走行时间, 会导致总投资额的增加。在进行网络设计时, 应结合总投资额和现实需要来选取最优解作为网络设计方案。     

基于粒子群优化SVM的高速公路交通事件检测

为了更加准确地检测出高速公路上的偶发性交通事件,采用一种粒子群优化SVM参数的高速公路交通事件检测算法,提升事件检测效果。文中运用高速公路实测数据集（L880）,对支持向量机算法进行分类性能测试,并且采用改进的粒子群优化算法对支持向量机的参数进行优化,进而利用测试集数据对该模型进行验证比较,获得满意的检测效果。     

Optimal linear phase finite impulse response band pass filter design using craziness based particle swarm optimization algorithm

An efficient method is proposed for the design of finite impulse response (FIR) filter with arbitrary pass band edge, stop band edge frequencies and transition width. The proposed FIR band stop filter is designed using craziness based particle swarm optimization (CRPSO) approach. Given the filter specifications to be realized, the CRPSO algorithm generates a set of optimal filter coefficients and tries to meet the ideal frequency response characteristics. In this paper, for the given problem, the realizations of the optimal FIR band pass filters of different orders have been performed. The simulation results have been compared with those obtained by the well accepted evolutionary algorithms, such as Parks and McClellan algorithm (PMA), genetic algorithm (GA) and classical particle swarm optimization (PSO). Several numerical design examples justify that the proposed optimal filter design approach using CRPSO outperforms PMA and PSO, not only in the accuracy of the designed filter but also in the convergence speed and solution quality.     

基于粒子群的城市交通信号两级模糊控制

针对城市交通流的特点,设计一种单交叉口多相位两级模糊控制器,有效地减少控制规则数,实现相序、绿信比、周期随交通状况而自适应变化,并采用粒子群算法对模糊控制器的隶属度函数进行优化。仿真结果表明,该系统能有效地提高交叉口的通行能力,减少车辆平均延误。     

一种基于进化博弈论的云计算虚拟计算资源配置模型

目前针对云计算的资源配置策略研究多关注于云计算资源提供商状况,研究云计算资源提供商的虚拟资源调度管理策略,可以提高云计算资源的可靠性和资源利用率.本文针对云应用提供商,提出基于进化博弈论的自适应资源配置模型,以性能目标为进化博弈目标,通过该模型得到最优的资源分配策略.对比实验结果显示,本模型能有效减少资源的使用.     

基于差分进化算法的区域OD矩阵反推分析

利用极大熵模型反推OD分布矩阵,引入差分进化算法来求解极大熵模型。采用差分进化算法,与传统方法相比,能够提高求解极大熵模型的速度与精度,从而提高OD矩阵推算的准确度。最后,利用简单实例分析该使用方法的有效性。     

基于人工鱼群算法的移动通信网络基站覆盖优化问题

基站覆盖优化问题是移动通信网络优化的核心问题．针对网络节点严重冗余，基站之间相互干扰的情况，提出了一个移动通信网络基站最优覆盖模型，并利用人工鱼群算法对移动通信网络基站覆盖优化问题进行求解，得到了最优设计方案．最后选取某城市核心区域对模型与算法进行了验证，仿真结果表明：本文提出的方法提高了移动通信网络基站的覆盖率，减少了节点冗余，从而达到减少网络建设成本，提高网络规划效率和准确度的网络优化目的．     

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.     

泊位-岸桥联合分配模型的模拟植物生长交替进化算法

为了综合优化集装箱码头泊位和岸桥联合分配计划, 分析了二者的相互独立性和系统关联性; 利用相互独立性, 分别针对泊位和岸桥分配建立了以平均在港时间和作业成本最小为目标的2个优化子模型; 利用系统关联性, 构建了泊位-岸桥联合分配的约束条件, 将2个子模型紧密联系在一起, 建立了完整的泊位-岸桥联合分配模型; 分析了联合分配模型的特点, 设计了模拟植物生长交替进化算法求解模型, 利用基于模拟植物生长算法的交替进化算子对种群中每个个体的2个目标进行交替优化, 进而实现种群进化, 通过算法框架实现非支配解筛选, 经多次种群进化和非支配解筛选, 获得泊位-岸桥联合分配的Pareto满意解集; 针对大连港集装箱码头3d中共计31艘真实到港船舶的泊位-岸桥联合分配计划进行优化计算, 并与多目标遗传算法的计算结果进行对比。计算结果表明: 共获得13个满意解, 船舶平均在港时间为7.47~9.44h, 使用岸桥次数为85~96台, 作业总成本为20.868~21.114万元; 与多目标遗传算法相比, 进化算法的运算速度提高了6.07%, 所得非支配解的数量增加了4个, 增加幅度为30.76%, 且计算结果更趋近于Pareto前沿, 联合分配计划优化程度较高。可见, 采用模拟植物生长交替进化算法能够最大限度地保持种群进化过程中个体的独立性, 获得更多的非劣解, 且交替进化的方式能够使结果更逼近Pareto前沿。     

Research of order allocation model based on cloud and hybrid genetic algorithm under ecommerce environment

For massive order allocation problem of the third party logistics (TPL) in ecommerce, this paper proposes a general order allocation model based on cloud architecture and hybrid genetic algorithm (GA), implementing cloud deployable MapReduce (MR) code to parallelize allocation process, using heuristic rule to fix illegal chromosome during encoding process and adopting mixed integer programming (MIP) as fitness function to guarantee rationality of chromosome fitness. The simulation experiment shows that in mass processing of orders, the model performance in a multi-server cluster environment is remarkable superior to that in stand-alone environment. This model can be directly applied to cloud based logistics information platform (LIP) in near future, implementing fast auto-allocation for massive concurrent orders, with great application value.     

Intelligent optimization of the structure of the large section highway tunnel based on improved immune genetic algorithm

As in the building of deep buried long tunnels, there are complicated conditions such as great deformation, high stress, multi-variables, high non-linearity and so on, the algorithm for structure optimization and its application in tunnel engineering are still in the starting stage. Along with the rapid development of highways across the country, It has become a very urgent task to be tackled to carry out the optimization design of the structure of the section of the tunnel to lessen excavation workload and to reinforce the support. Artificial intelligence demonstrates an extremely strong capability of identifying, expressing and disposing such kind of multiple variables and complicated non- linear relations. In this paper, a comprehensive consideration of the strategy of the selection and updating of the concentration and adaptability of the immune algorithm is made to replace the selection mode in the original genetic algorithm which depends simply on the adaptability value. Such an algorithm has the advantages of both the immune algorithm and the genetic algorithm, thus serving the purpose of not only enhancing the individual adaptability but maintaining the individual diversity as well. By use of the identifying function of the antigen memory, the global search capability of the immune genetic algorithm is raised, thereby avoiding the occurrence of the premature phenomenon. By optimizing the structure of the section of the Huayuan tunnel, the current excavation area and support design are adjusted. A conclusion with applicable value is arrived at. At a higher computational speed and a higher efficiency, the current method is verified to have advantages in the optimization computation of the tunnel project. This also suggests that the application of the immune genetic algorithm has a practical significance to the stability assessment and informationlzation design of the wall rock of the tunnel.     

多港口区域泊位资源的最优配置与分配

在区域港口发展一体化的背景下,通过调整不同班轮公司的船舶挂靠港口,研究了多港口区域泊位资源的配置与分配问题;为提高泊位利用率,将不同班轮公司组合形成稳定班轮集群,并将多港口区域泊位资源与不同班轮集群之间进行最优匹配,以泊位总数最少和船舶挂靠港口调整最小为目标建立集划分模型,设计了基于排队论和合作博弈理论的三阶段优化方法;以珠江三角洲区域的3个港口(香港港、盐田港和蛇口港)和4个班轮公司的船舶挂靠该区域多港口为例进行算例分析。数值分析结果表明：三阶段优化方法可以使这4个班轮公司的船舶总平均排队长度由23.569 1艘减少至22.930 2艘,即多港口区域的泊位资源整合可以有效缓解港口拥挤和船舶排队;3个港口服务4个班轮公司船舶需配置的泊位数由31减少至27,说明多港口区域的泊位资源的合理配置与分配,不仅可以提高泊位资源利用率,也可以减少不同港口的泊位资源的重复建设;从泊位服务船舶数量的角度,服务不同的班轮集群的船舶对港口的吸引力不同,说明港口可以选择合适的班轮公司作为服务对象来提高泊位运营效率。     

可计算均衡模型在东北振兴区域经济发展战略中的应用

在分析东北地区经济特征和国内外关于可计算一般均衡模型研究成果的基础上,提出了东北地区利用可计算均衡模型制定经济发展战略的构想和相关的研究问题,为振兴东北区域经济提供决策支持。     

边坡岩体中地下水优化排水机理研究

基于对岩体边坡中地下水的存在性态及作用机理分析 ,提出了实用排水模型 ;建立了排水微分控制方程 ,通过敏感性分析求解此方程而得到岩体中地下水的优化排水方向 .此成果在岩体边坡地下水渗流、库岸边坡岩体中地下水的有效排泄、岩体滑坡有效排水等方面具有重要的实用价值 ,丰富了岩体水力学及山地灾害学的科学内涵     

基于成本分析的区域配送中心优化选址模型

区域配送中心选址是否得当对其后期运营成本影响很大,本文将针对配送中心从设计规划到项目寿命期结束所涉及到的诸多成本因素进行分析,从配送中心营运角度对配送线路优化处理,使配送成本最低,这样得出的方案才更符合实际情况;把初期建设成本分摊到项目寿命期内进行比较,使配送中心选址的可比性更强;弥补了以往最短路径法只考虑节约运输费用,未考虑土地使用成本、基础设施建设成本的不足.