土坡非圆临界滑动面求解的混合搜索方法

在非圆临界滑动面的搜索中,先进行圆弧滑动面的搜索,将得到的临界圆弧滑动面作为非圆临界滑动面搜索的初始滑动面,采用改进粒子群优化算法——快速粒子群算法寻优;然后根据搜索到的较优值缩减搜索域的范围,再利用改进和声搜索算法寻优,将得到的结果作为问题的最优解。最后采用Spencer法计算滑动面的安全系数,并利用2个复杂土坡作为算例来检验混合方法的有效性。比较结果表明:该方法适用于多变量优化问题的求解。     

粒子群算法在配送路径优化问题中的应用

粒子群算法是一种模拟鸟群在觅食过程中的聚群和迁徙行为形成的算法,粒子群算法在物流路径优化问题中有着广泛的应用.根据实际问题背景建立一个物流配送的优化模型,在此基础上,建立解决路径优化问题的粒子群算法,用该算法计算出最优的路径,进而解决问题.     

基于遗传因子优化粒子群算法

针对粒子群在搜索最优值时间过长、易陷入局部最优、无法挑选出最优值的问题,本文在粒子群算法的基础上,结合遗传算法中的变异因子,提出一种基于遗传优化粒子群的算法.首先,该算法采用对数函数递减惯性策略加速粒子跳出局部最优,其次,遗传变异因子增加个体极值的多样性来寻出最佳值;最后,基于一定的迭代次数,根据标准函数Rastrig...     

粒子群算法研究进展

粒子群算法是一种基于群智能的全局寻优方法,方法简单易于实现,寻优效果好.本文介绍了PSO算法的基本原理和一些算法改进措施,并对其将来的发展进行了展望.     

基于粒子群优化人工神经网络的临界行车安全距离预测

针对行车安全距离预测中的各种非线性问题,提出一种基于粒子群优化人工神经网络(PSO-ANN)的临界安全距离预测方法。通过粒子群优化(PSO)算法优化人工神经网络(ANN)的权值和阈值,避免ANN容易陷入局部最优的问题,并通过迭代找到全局最优解。以路面情况、前后车速度以及前车减速度作为输入,临界行车安全距离作为输出,应用PSOANN建立预测模型,通过训练收集的样本数据预测行车安全距离,并与当前常用的ANN预测结果进行比较,结果表明:与ANN方法相比,PSO-ANN算法更稳定,且预测结果的平均绝对误差降低了7.8%。     

基于定量分析的公交线路网络优化与粒子群算法

针对公交线网优化问题,利用粒子群算法进行了研究。在考虑城市公交系统多因素的基础上,给出了公交线网的优化原则、优化目标和约束条件,并将优化目标和约束条件定量化处理,给出了相应的数学表达式。在定义6维空间的基础上,利用经济转化系数,将公交线网优化的多目标问题转化为单目标优化问题的情况下,建立了公交线网优化的线性模型,并用粒子群算法进行了求解计算。通过粒子在解空间中搜索,找到最佳的公交线路网络。最后对算法进行了实际应用分析,结果表明该法简单实用、结果可信,有广泛的应用前景,而且该法也为多目标优化问题提供了一种合理可行的方法。     

基于响应面法及粒子群算法的异形斜拉桥索力优化

为简化异形斜拉桥的索力优化过程,提出了采用响应面法与粒子群算法相结合的索力优化方法。该方法首先通过分析异形结构的受力特点确定优化目标,再利用响应面法将优化目标函数与成桥索力的关系显式化并构建响应面方程,最后结合粒子群算法根据响应面方程进行索力寻优。为验证该优化方法的有效性,以某异形斜拉桥为背景开展索力优化。基于该异形斜拉桥受力特点,以主梁的横梁两端最大剪力差为优化目标、以斜拉索成桥索力为优化变量、以斜拉桥成桥索力均匀性为约束条件,建立了索力优化目标函数进行索力优化。结果表明：优化后该异形斜拉桥主梁的横梁两端最大剪力差减小20.3%,主梁最大弯矩减小13.8%,南北侧边箱梁最大竖向位移差减小25.0%;全桥成桥索力及主梁弯矩均匀性均有所提升,主梁受力、线形更加合理。     

土钉支护结构优化设计中的混合粒子群优化算法

为了在土钉支护设计中寻找一组最佳设计参数,以达到既经济又安全的目的,将混沌搜索的粒子群优化(PSO)算法应用到基坑土钉支护优化设计中,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度。同时,对不活动粒子的处理使算法避免了早熟现象的出现。工程实例计算表明:该方法是进行土钉支护结构优化设计的有效方法。     

基于改进二次粒子群算法的汽车零配件配载优化

综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素,建立了汽车零配件配载优化模型。引入二次粒子群算法对该问题进行求解,并针对该算法在搜索早期粒子多样性低的缺点,提出了改进二次粒子群优化算法,它采用遗传算法的变异思想和互换更新机制来提高种群的多样性,以避免过早收敛和改进优化效果。仿真实例表明,与原算法相比,改进后算法的计算效率显著提高,且搜索到全局最优解的概率也更高。     

利用粒子群优化算法进行桥梁维修管理计划的优化

制定桥梁维修管理计划是一项非常繁杂的工程优化难题,使用常用的优化算法很难取得满意的结果。利用耐荷性和耐久性作为桥梁的健康指数,考虑维修方案和维修费用的问题,用费用最小化和品质最大化2种方案建立了桥梁维修管理的优化模型。探讨利用粒子群优化算法(PSO)求最优桥梁维修管理计划的解的可能性,并与作者开发系统中的遗传算法(SGA)和免疫遗传算法(IA)进行了比较,运用多样度的概念说明了粒子群优化算法(PSO)在解决这类问题的先进性。结果表明,粒子群优化算法(PSO)对于桥梁维修管理计划的优化是一种普适高效的算法;而且,考虑维修的管理期间越长,应用粒子群优化算法求解问题收敛性与其他2种方法相比显得更好,得到准最优解的频率也更高。     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法.在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题.进一步在滚...     

基于粒子群算法的公交车调度研究

通过对南京市江宁区21路公交线调查,运用Fisher聚类法对全天运营的时间段进行合理的聚类分析,建立兼顾公交公司与乘客利益的多目标数学模型,并应用粒子群算法求解该模型,得到较优公交调度时刻表。     

基于PSO算法的地铁智能调线调坡系统开发与研究

为解决人工调线调坡费时费力、效率低下,且无有效评价指标评判方案优劣的现状问题,从分析线路平纵断面设计变量入手,依据规范相关规定制定约束条件,创新性地建立带有侵限容忍值惩罚项和合规性惩罚项的目标函数,提出一套基于粒子群优化算法,适用于矩形、马蹄形、圆形等多种隧道断面类型的地铁调线调坡数学分析模型,并以此开发地铁智能调线调坡系统。以长沙地铁4号线某区间右线隧道为例,对比人工设计和智能系统的调线调坡结果。由对比结果可知,智能系统在线路参数选择的合理性和改善侵限情况等方面均明显优于人工调线调坡,且具有可靠性和高效性。     

基于混合粒子群算法的土钉支护结构设计参数优化

在土层工程地质情况一定的条件下,如何寻找一组最佳设计参数,以达到既经济又安全的目的,是土钉支护设计的一个重要问题。这是一个复杂的优化设计问题。就此,提出基于混合粒子群优化(PSO)算法的基坑土钉支护优化设计方法,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度,不活动粒子的处理使算法避免了“早熟”现象的出现。工程实例计算表明,该方法是进行土钉支护结构优化设计的有效方法。     

基于元胞粒子群算法的干式DCT换挡品质优化

为提高干式双离合器自动变速器(DCT)的换挡品质,建立了DCT换挡过程优化模型;针对单一优化算法易于局部收敛和早熟的缺陷,将元胞自动机和粒子群算法相结合,开发了元胞粒子群混合优化算法,并将其应用于干式DCT换挡品质优化。仿真结果表明,通过优化离合器的压紧力能获得较好的换挡品质。     

船队规划数学模型及一种新的规划方法的研究

从船运公司船队规划的概念及意义人手．建立了船队规划的数学模型。并分析了传统船队规划方法的优缺点，采用改进的离散粒子群算法进行大规模的船队规划计算研究。该方法既避免了线性规划算法出现的购买船艘数不为整数的问题．又避免了动态规划方法在进行大规模船队规划时出现的”维数灾”问题。通过实例表明提出的算法适用于多阶段船队规划数学模型。     

应用改进和声搜索算法分析边坡的稳定性

为提高基本和声搜索算法的全局搜索能力,提出了基于未知解空间探索与已知解空间开发相平衡的改进和声搜索算法。在基本和声搜索算法迭代一段时间后,在当前最好解的周围进行开发,所得的改进解反馈给基本和声搜索算法,继续进行迭代,如此反复,直至没有更好解产生为止。将新算法用于求解边坡最小安全系数,算例分析表明其效率比基本和声算法有较大提高。