共查询到19条相似文献,搜索用时 203 毫秒
1.
2.
3.
针对支线集装箱船舶运输中喂给港数和靠泊条件不一的实际背景,考虑船舶容量、行驶稳性和交付时间等约束,采用两阶段分层方法研究支线集装箱船舶航线规划和配载协同优化问题。两阶段中分别以所有船舶总运营成本最小和混装堆栈数最小为目标,构建船舶航线规划和配载优化的混合整数规划(MIP)模型,结合问题特征设计粒子群算法(PSO)求解模型。结果表明:模型与算法均可实现问题求解,对于较大规模的算例,模型最长求解时间超过600 s, PSO最长求解时间为16.66 s,平均10.00 s内完成求解,表现出较好的求解性能,可为支线集装箱船舶航线规划与配载协同优化提供决策参考。 相似文献
4.
基于Isight优化软件和通用有限元软件,以扒杆重量为目标函数,采用粒子群算法(PSO)和遗传算法对某起重船扒杆结构进行了优化设计,并讨论了PSO算法的稳定性。通过对两种算法优化结果的比较分析表明,PSO算法优化效果好,收敛速度快,且计算稳定性高,验证了PSO算法在工程船舶结构优化设计中的有效性。 相似文献
5.
6.
提出GSA-IPM(万有引力-内点)算法求解船舶电力系统无功优化问题,以降低船舶电力系统的有功损耗,提高电压质量,改善安全经济运行水平。将算法应用于某实际船舶电力系统进行仿真测试,结果与万有引力搜索算法(GSA)、遗传算法(GA)及粒子群算法(PSO)作比较,证明了算法能够使有功网损更低,电压质量更佳,从而验证了方法的有效性。 相似文献
7.
8.
9.
针对粒子群优化(PSO)算法容易陷入局部极值的不足,引入免疫机制对PSO算法进行优化,实现全局搜索。通过免疫机制的应用,根据亲和度的高低进行粒子克隆、选择、淘汰和高频变异,增强了算法全局搜索的能力,提高了收敛速度和精度。实验表明,改进后的算法完成全局搜索所需的迭代次数明显少于PSO算法,具有优良的自适应调整性能。 相似文献
10.
针对PSO算法在应用到路径跟踪时,容易陷入局部最优的缺陷和惯性权重调节机制的局限性,提出基于粒子进化率的改进IM-PSO优化算法。该算法一方面利用粒子的进化率及时调整粒子的惯性权重,提高算法的搜索速度;另一方面利用免疫系统的免疫机制增加粒子的多样性,提高PSO算法摆脱局部最优的能力。选取北海型半潜式支持平台作为工程案例,在北海真实海况下进行靠泊路径跟踪控制的仿真分析,对PID路径跟踪控制器参数进行优化。仿真结果表明,与标准PSO优化方法相比,该方法优化的靠泊路径跟踪控制器的稳定性更高,提高了运算效率,收敛精度更高。 相似文献
11.
船体零件智能优化排样系统的设计研究 总被引:1,自引:0,他引:1
针对船体零件的排样问题,开发了基于智能算法的板材套料优化排样系统。该系统采用粒子群算法,并将免疫记忆和浓度机制引入算法提高了零件的排序优化速度。通过零件图形信息数据库管理模块和排样解码算法,实现图形的输入和编码、定位排放和正交靠接及自动计算生成最优排样结果。排样实例表明了该系统具有良好界面和人机交互功能,且有效提高了排样自动化程度和材料利用率。 相似文献
12.
13.
建立了以战损消耗和非战损消耗两部分组成的舰船机电器材备件战备储备定额模型。提出了战损消耗部分舰船机电器材备件战备储备定额的计算方法,以平时消耗为基础,提出了非战损消耗部分舰船机电器材备件战备储备定额的计算方法,并依此模型对两型舰船战备储备定额进行了计算。 相似文献
14.
为了在入侵检测中有效地克服传统的K均值算法易陷入局部极小值的缺点,使算法具有较好的全局收敛性,将粒子群优化算法应用于入侵检测,给出了基于粒子群优化的K均值聚类算法.通过理论分析及实验,验证了基于粒子群优化K均值聚类算法的有效性.对KDD CUP99数据集仿真,实验结果表明,该算法在入侵检测中能获得理想的检测率和误检率. 相似文献
15.
基于自适应变异 PSO-BP算法的船舶横摇运动预测 总被引:1,自引:0,他引:1
为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propaga-tion,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。 相似文献
16.
17.
The traditional time reversal is considered a promising approach for non-destructive testing and health monitoring of key region and structure, but it is considerably time consuming. This paper presents a time reversal damage localization method, based on particle swarm optimization algorithm, which is capable of improving the real-time performance of health monitoring in ocean platform. Firstly, the virtual focusing model of time reversal is constructed, and a succinct expression of virtual focusing for sensor pairs is proposed. Then, on the definition of the evaluation index, the PSO based time reversal algorithm is proposed, and the proper coefficients is given. Finally, the finite element simulation and experimental case validate that the proposed method is capable of find the damage location within limit iterative steps. Thus, the proposed method is a hopeful method for online monitoring and damage localization of large sized structure. 相似文献
18.