共查询到19条相似文献,搜索用时 796 毫秒
1.
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
2.
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。 相似文献
3.
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
4.
针对智能优化算法在处理天线阵列综合问题时收敛速度慢、计算次数过多的缺点,引入了田口算法( Taguchi meth-od, TM),设计了一种基于变异机制的田口算法( mutation-based Taguchi method, MTM)。变异田口算法利用变异算子产生参数水平值,同时采用自适应内循环机制,既能多样化搜索空间,又能控制算法迭代次数。仿真结果表明:变异田口算法性能可与粒子群优化算法( particle swarm optimization, PSO)相比拟,并且计算量大大降低。采用变异田口算法对阵列天线方向图进行了综合设计,能够实现低旁瓣和零陷的目标。 相似文献
5.
提出一种三维水翼的优化设计方法.方法应用混合粒子群算法(HPSO)与边界元法相结合进行三维水翼的优化和性能计算工作、应用多级罚函数法解决水翼设计这一多约束、多变量的优化问题.基于免疫理论和惯性权值非线性递减策略的混合微粒群算法,能够有效抑制算法早熟收敛,平衡全局和局部搜索能力.优化设计过程中,水翼的剖面形状、攻角及展弦比作为设计变量,给定的压力分布形式、升阻力系数作为设计约束或设计目标.混合粒子群算法通过划分子种群、应用基于MPI通信机制的并行计算来实施,最大限度减小了计算时间.设计算例表明了文中提出的三维水翼优化设计方法收敛速度快、计算时间短、有效可行. 相似文献
6.
7.
为克服粒子群算法后期搜索效率降低的缺陷,利用直接搜索法的局部搜索能力,提出一种求解优化问题的混合算法(SPSO-DS)。用一个具有代表性的测试函数进行了仿真实验,结果表明该方法效果显著,明显提高了优化计算效率。本文将“平均截止代数”和“截止代数分布熵”作为评价指标,对SPSO-DS的优化效率进行定量的评估,通过与其他粒子群算法进行比较,进一步说明了SPSO-DS的优化效率。 相似文献
8.
通过故障诊断可以对水面无人艇可能要发生的故障进行预报、分析和判断,从而及时调整控制策略以抑制故障的继续发展,为消除故障、维修设备提供准确的技术支持.SVM是基于统计学习理论的一种机器学习方法,常用于故障诊断,在解决小样本、高维度、非线性模式识别问题中有独特优势.SVM分类的准确率由其属性参数直接决定,而最佳的属性参数往往很难直接得到.基于粒子群优化SVM(PSO-SVM)的水面无人艇故障诊断方法,即将粒子群优化算法(PSO)用于SVM属性参数的优化选择中,充分发挥了PSO算法的全局搜索能力和易于实现的优势.水面无人艇故障诊断实例分析结果表明,PSO-SVM的故障诊断精度高于BP-NNs、GS-SVM、GA-SVM。PSO-SVM适用于水面无人艇故障诊断. 相似文献
9.
10.
针对演化算法求解有界区域上的多峰函数全局优化问题,保持种群多样性和搜索效率的矛盾,提出了一种结合了多样性维持机制和加速算子的改进演化算法。实验结果表明,在低维问题中算法容易收敛于全局最优解,优于普通遗传算法。 相似文献
11.
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
12.
13.
14.
15.
16.
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
17.
18.
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
19.
针对新型装备研制经费投资分析问题,基于研制经费的数据特点和变化趋势特征以及灰色系统理论的独特优势,提出采用灰色Verhulst模型用于新型装备研制经费的投资分析。考虑到传统Verhulst模型中基于最小二乘的参数估计方法对年度投资变化较大时所出现的不适应性,提出采用粒子群优化(particle swarm optimization,PSO)算法优化模型参数,进而确定对新项目的年度经费投资额。应用分析表明,灰色Verhulst模型能较好适应数据的变化规律,同时基于PSO算法的参数优化方法较最小二乘法能得到更好地结果,可以用于指导研制经费的进度付款和合同签订。 相似文献