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。     

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...     

基于多目标混沌云粒子群算法的泊位-岸桥分配研究

为了提高集装箱港口泊位-岸桥分配效果和优化效率,以集卡运距和船舶在港时间最小为优化目标,建立了多目标离散泊位-岸桥分配模型,利用混沌云粒子群算法对泊位-岸桥分配模型进行求解,开发了粒子可行-整数化处理模块,内嵌于混沌云粒子群算法进化中,制定了粒子编码规则,设计了多目标函数的粒子历史极值和全局极值的计算方法,提出了基于混沌云粒子群优化算法求解多目标离散泊位-岸桥分配模型的新方法,数值算例结果证明了该模型和算法的可行性和实用性。     

圆形微带天线谐振频率的混沌粒子群神经网络集成建模

谐振频率是微带天线设计过程中最重要的一个参数,直接决定设计的成败．本文提出二进制粒子群优化算法的选择性神经网络集成方法,通过粒子群优化算法合理选择组成神经网络集成的各个神经网络,使个体间保持较大的差异度．为有效保证粒子群优化算法的粒子多样性,在迭代过程中加入混沌变异．基于该混沌粒子群算法的神经网络集成对圆形微带天线的谐振频率进行建模．仿真试验表明,混沌粒子群优化算法是组合优化权值的有效方法,可以有效提高神经网络集成的泛化能力,基于该算法所建立的圆形微带天线的谐振频率模型好于此问题的已有结论．     

基于"stretching"技术的粒子群优化算法

粒子群优化算法是一种随机的全局优化搜索方法。本文系统的介绍了粒子群优化算法和"Stretching"技术并提出了基于"stretching"技术的粒子群算法,然后用标准测试函数对新算法进行了实验。实验结果表明新算法在解的收敛性和稳定性等方面优于基本的粒子群优化算法。     

不确定性航线配船数学模型建模方法

提出基于随机、模糊模拟的改进粒子群算法,避免了粒子群算法容易出现的早熟现象,加快了计算速度。实例计算表明该算法有效性。     

基于改进的 NCSPSO -AFSA 对 SVM参数的优化及其应用

为了找到支持向量机（SVM）最佳的分类参数,用以构建适合纹理图像分割的SVM分类器,文中是将基于小生境和交叉选择算子的粒子群算法（ NCSPSO）引入变异算子和族外竞争机制加以改进后与人工鱼群算法（ AFSA）混合,提出了一种改进的NCSPSO-AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法（PSO）,NCSPSO算法在图像分割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好。将此方法应用于电镜及超声纹理图像分割中能较好地提取出目标区域,图像边缘部分的分类也很清晰。     

遗传粒子群优化算法在船舶动力定位控制中的应用

针对船舶动力定位系统精确定点控制的问题,结合遗传算法(GA)独特的选择交叉变异功能和粒子群优化算法(PSO)较好的记忆功能等优点,提出了遗传粒子群(GAPSO)算法,并应用到最优控制性能指标加权矩阵的权重系数选择中。通过1艘海工多用途动力定位船舶定点控制仿真实验,使船舶纵荡和横荡的位置及艏摇角都逐渐保持在期望值,且所有输出值都收敛有界,结果与传统最优控制相比,遗传粒子群算法在最优控制中更具有效性及较好的寻优性能,有益于船舶工程的应用。     

绿色能源双体无人艇艇型综合优化分析

为了实现绿色能源双体无人艇的艇型最优设计,本文对艇型设计的多目标策略和智能优化算法进行研究。首先综合考虑太阳能和风帆以及快速性、操纵性、耐波性和抗倾覆性四大性能对艇型设计的影响,建立综合优化数学模型;然后基于遗传算法改编的综合优化设计软件确定总目标函数最优情况下的遗传次数、种群规模、变异概率和交叉概率;最后采用外部分层策略对遗传算法结合粒子群和混沌算法,进行了混合算法的比较分析。结果表明,相比于单一遗传算法,混合算法的优化效果更好,且在不同载波概率情况下,遗传算法+粒子群算法的优化效果均为最佳,外部分层策略可以有效提高寻优效果。     

集合划分问题的粒子群优化算法

建立了集合划分问题的优化数学模型,结合遗传算法的思想提出的粒子群算法来解决集合划分问题。经过比较测试,6种粒子群算法的效果都比较好,特别交叉策略A和变异策略A的混合粒子群算法是最好的且简单有效的算法。     

基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测

为了能够进一步的提高船舶电力负荷的预测精度,针对SVM模型在负荷预测中存在的参数选取问题,该研究提出了一种新的参数优化算法:基于迭代局部搜索和自适应粒子群优化的组合算法。自适应粒子群算法提高了传统粒子群算法的收敛速度,引入的迭代局部搜索思想,配合新的极值评价标准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明,利用新的参数优化算法使得SVM预测模型的精度得到了很大的提高。     

基于粒子群聚类分析与证据理论的船舶机械振动诊断

粒子群算法避免了复杂的遗传操作,是一种有效的全局寻优算法,用于聚类分析可以更快地收敛于最优解;D-S证据理论提出了不同于贝叶斯主义和频率主义的构造性解释,非常适用于存在大量不确定性因素的故障诊断工作.将故障机械的振动信号按时域、频域、小波包域分解为多个参数空间.采用粒子群聚类分析算法对机械故障进行局部诊断,将局部诊断结...     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用 Ansys的 Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于 BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建 BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用 BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。     

整数规划PSO算法在备件优化配置中的应用研究

备件优化是提高装备可靠度的有效途径,以一般微粒群（PSO）算法为基础,根据备件优化的特点,提出求解整数规划问题的PSO算法。建立费用约束条件下的备件配置的优化模型,并给出了求解方法。结合算例,验证了方法的有效性及实用性。     

基于粒子群优化算法的水下航行器深度控制研究

提出了一种基于粒子群优化算法的水下航行器深度控制器参数优化设计方法。针对水下航行器运动参数变化的特性,采用粒子群优化算法收敛速度快、寻优特性好等特点,将其应用到控制器参数的优化设计中。仿真结果表明,利用粒子群优化算法进行优化设计的水下航行器深度控制器具有良好的控制性能。