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.     

一种新的双种群PSO-DE混合算法

给出一种新的粒子群算法和差分进化算法相结合的混合算法.该算法基于一种双种群进化策略,其中一个种群由粒子群算法进化,另一种群由差分进化算法进化.此外,采用一种信息分享机制,在算法的进化过程中2个种群中的个体可以实现协同进化.为了进一步提高混合算法的性能,在差分进化算法中融入一种线性递减加权策略的变异操作和指数递增交叉概率算子.通过4个标准测试函数的测试结果表明文中提出的混合算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法.     

基于个体最优位置的自适应变异扰动粒子群算法

针对粒子群算法在寻优时容易陷入局部最优的不足,提出了一种基于个体最优位置的自适应变异扰动粒子群算法AMDPSO (adaptive mutation disturbance particle swarm optimization).该算法以粒子群算法为基础,加入扰动,当满足自适应条件时,粒子以个体最优位置为依据进行变异操作.将该算法运用于6个测试函数,并与惯性权重粒子群算法、收缩因子粒子群算法以及差分进化算法进行了比较,结果表明:AMDPSO能在寻优过程中让粒子跳出局部最优,保持种群多样性,具有更好的收敛速度和优化性能.      

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.     

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.     

基于改进差分变邻域算法的多行程车辆路径问题的研究

针对多行程车辆路径问题,先后通过标准差分进化-编码与解码-适应度计算-变邻域局部搜索过程找到最优方案,构建了一种改进差分变邻域搜索算法。该算法采用了基于轮盘赌的编码与解码方法,克服了标准差分进化算法无法适用于离散问题的缺点;同时,利用变邻域优化技术进一步强化标准差分进化算法的深度开发能力与优化性能。最后采用MATLAB中的随机函数进行仿真结果对比,验证了该算法在求解多行程车辆路径问题方面的优越性。     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

基于差分进化算法的平面四杆机构轨迹和速度双目标优化综合

提出了用差分进化算法实现平面四杆机构轨迹和速度双目标优化综合,以位置误差最小和速度值误差最小为双目标函数,并把原动件的角速度也作为设计变量之一．差分进化算法简单易执行,结合实际问题对算法的变异操作、选择操作和控制参数做出了改进,并分别对不同的轨迹和速度情况进行了计算求解,结果证明了算法的可行性、有效性及全局寻优能力．     

基于改进多目标差分进化算法的城轨列车速度曲线优化

城轨列车速度曲线研究对于优化列车运行过程具有重要的作用。为得到更好的城轨列车速度曲线优化效果，本文针对列车运行准时性、运行能耗和舒适度3个目标，提出一种基于改进多目标差分进化算法的速度曲线优化方法。首先，建立城轨列车运行过程的多目标优化模型；然后，通过采用精英镜像初始化策略、引入参数自适应和多变异策略，提升多目标差分进化（MODE）算法的性能，并通过与其他6种对比算法在ZDT系列测试函数上所得的反世代距离评价指标（IGD）值进行比较，验证了所提算法的优越性；最后，结合南昌地铁一号线某区间真实线路数据进行仿真。结果表明，改进的MODE算法（IMODE）相较于对比算法在综合性能方面具有一定优势，同时在列车节能优化问题中具有较强的实用性。     

一种基于邻域空间的混合粒子群优化算法

针对标准粒子群优化算法在信息共享机制的不足,提出基于邻域空间的混合粒子群优化算法。该算法修改了粒子速度更新方程,提出了一种将模式搜索算法嵌入粒子群优化算法新方法。通过4个典型的测试函数的实验研究,表明了所提出的算法充分发挥了模式搜索算法强大的局部搜索能力和基于邻域空间的粒子群优化算法的全局寻优能力,很好地平衡了算法的全局“探索”与局部“开发”。新算法具有优化精度高、鲁棒性强的特点,特别适合对高维多峰函数进行优化。     

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.     

NEURAL NETWORK TRAINING WITH PARALLEL PARTICLE SWARM OPTIMIZER

Feed forward neural net works such as multi-layer perceptron,radial basis function neural net-works,have been widely applied to classification,function approxi mation and data mining.Evolu-tionary computation has been explored to train neu-ral net works as a very promising and competitive al-ternative learning method,because it has potentialto produce global mini mum in the weight space.Recently,an emerging evolutionary computationtechnique,Particle Swar m Opti mization(PSO)be-comes a hot to…     

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...     

基于免疫粒子群优化算法的多约束路由选择算法

受生物体免疫系统免疫机制的启发,把免疫系统的免疫信息处理机制引入到粒子群优化算法中,设计了一个基于免疫粒子群优化算法的路由选择算法。这种免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制,实现简单,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法进化过程中的收敛速度和精度。     

A Discrete Bat Algorithm for Disassembly Sequence Planning

Based on the bat algorithm (BA), this paper proposes a discrete BA (DBA) approach to optimize the disassembly sequence planning (DSP) problem, for the purpose of obtaining an optimum disassembly sequence (ODS) of a product with a high degree of automation and guiding maintenance operation. The BA for solving continuous problems is introduced, and combining with mathematical formulations, the BA is reformed to be the DBA for DSP problems. The fitness function model (FFM) is built to evaluate the quality of disassembly sequences. The optimization performance of the DBA is tested and verified by an application case, and the DBA is compared with the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and differential mutation BA (DMBA). Numerical experiments show that the proposed DBA has a better optimization capability and provides more accurate solutions than the other three algorithms.     

微粒群优化算法及其在创新概念设计中的应用

群体智能近年来受到了国际智能计算研究领域学者的广泛关注。微粒群优化是群体智能中最重要的一种算法。介绍了群体智能和微粒群算法的原理和算法流程，提出将微粒群优化算法应用于创新概念设计中，并展示了一个应用实例。     

����PSO-SVM�ľ�����з�ʽԤ��ģ�ͪ�

居民出行方式选择是一个较为复杂的非线性问题,受到的影响因素众多。提出采用支持向量机方法构建了居民出行方式选择模型,并以交叉验证意义下的分类准确率作为适应度函数,利用粒子群算法对支持向量机参数优化选择,避免参数设定的随机性,减少参数选择的工作量.通过实证研究表明,利用粒子群算法优化支持向量机的参数是可行的,支持向量机方法相对于BP神经网络,对居民出行方式预测有更高的精度.预测精度比BP神经网络提高了将近5个百分点,建模样本和测试样本的分类精度分别达到86.20%和82.31%.所构建的模型可用于居民出行方式预测,这对城市交通规划,出行需求预测具有现实指导意义.     

Fault reconfiguration of shipboard power system based on triple quantum differential evolution algorithm

Fault reconfiguration of shipboard power system is viewed as a typical nonlinear and multi-objective combinatorial optimization problem. A comprehensive reconfiguration model is presented in this paper, in which the restored loads, switch frequency and generator efficiency are taken into account. In this model, analytic hierarchy process(AHP) is proposed to determine the coefficients of these objective functions. Meanwhile, a quantum differential evolution algorithm with triple quantum bit code is proposed. This algorithm aiming at the characteristics of shipboard power system is different from the normal quantum bit representation. The individual polymorphic expression is realized, and the convergence performance can be further enhanced in combination with the global parallel search capacity of differential evolution algorithm and the superposition properties of quantum theory. The local optimum can be avoided by dynamic rotation gate. The validity of algorithm and model is verified by the simulation examples.     

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.