我国电梯群控系统研究文献综述与思考

通过研究国内外文献,对电梯群控系统中的系统建模、交通模式识别、群控调度方法、群控仿真等热点问题进行详细的分析。提出未来研究重点应关注电梯配置理论,群控仿真平台,电梯节能等几个问题。     

敷设聚脲的吸声模型改进粒子群算法优化

为了提高敷薄吸声层的水下小目标的隐身性能,以敷设聚脲的多层结构为基本吸声模型,推导了模型的反射系数计算公式.针对材料优化的应用需求,将粒子群算法的局部算法和全局算法相结合,改进粒子群算法的优化策略,得到了动态混合粒子群算法,提高了收敛能力和搜索精度.利用该算法对多层吸声模型的材料参数进行寻优,结果表明:当吸声材料杨氏模量近似为频率的分段线性函数时,其吸声性能最优.在此基础上,建立了提高模型吸声性能的理论方法,并进行了实例验证,结果表明,该方法可使模型吸声性能在140～500 kHz范围内达到-10dB以上.     

考虑速遣费和滞期费的不定期船航速优化研究

航运合约中的速遣费和滞期费对不定期船港口选择有重要影响.针对不定期船舶航速优化和港口选择问题,建立货主存在违约概率情况下不定期船港口选择停靠和航速优化模型,并考虑滞期费和速遣费对船公司利润的影响,使用改进型粒子群算法--两阶段粒子群算法进行求解模型.通过算例分析,将改进型粒子群算法与传统粒子群算法对比,发现改进型粒子群算法无论在收敛速度还是计算结果方面都优于传统粒子群算法.最后通过灵敏度分析发现,船公司利润在一定范围内会随着违约率、滞期费和港口装卸效率的上升而上升.     

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).     

基于粒子群优化模糊控制器的电动汽车再生制动控制策略研究

为提高电动汽车一次续驶里程,引入双锂离子电池组供电模式和电机再生制动能量回收系统,设计电动汽车的动力系统结构.通过对电动汽车制动模式进行分析,提出了基于粒子群优化算法的电机制动力矩模糊控制策略,并给出粒子群优化策略的算法实现.通过硬件在环仿真,证实了该控制策略能提高能量利用率.     

一种多样性反馈高斯粒子群算法

针对粒子群算法在算法迭代后期因多样性减少而容易陷入局部最优的缺陷,引入种群多样性反馈(群活性反馈)和高斯正态惯性权重变异算子对粒子群算法进行改进,当粒子群的多样性减少时,通过改变粒子的惯性权重调节粒子速度和位置,从而跳出局部最优解.与标准粒子群算法对比仿真结果表明:多样性反馈高斯粒子群算法在全局搜索能力和寻优性能上有很大提高,多样性提高近一倍,迭代时间缩短近3/4.     

粒子群优化算法的信息共享策略

为寻求更有效的信息共享策略,分析了粒子群优化（PSO）算法的信息共享机制及由粒子个体最优位置构成的平衡点的作用．在此基础上,以标准PSO算法为原型,提出了4种使用不同信息共享策略的PSO算法,并用5个经典测试函数测试、比较了它们的性能．仿真结果表明,提出的前2种信息共享策略可以明显改善PSO算法的性能．基于PSO算法的理论分析和仿真结果,给出了一个好的信息共享策略应满足的条件：粒子应有选择地共享邻域个体的信息,以保证粒子群的平衡点具有良好的质量与多样性,同时又不过于随机地变化．     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

置换流水车间调度粒子群算法与参数设置分析

针对置换流水车间调度问题,在介绍了基于粒子位置次序的粒子群算法二维编码方法之后,采用惯性权重线性递减粒子群算法对置换流水车间调度问题进行了优化.在此基础上,对粒子群算法的相关参数设置问题展开分析,主要针对惯性权重的取值、粒子群种群数量、粒子位置和速度的初始化以及粒子位置和速度的限制范围等几个方面展开实验研究.粒子群算法的参数设置分析将有助于提高求解置换流水车间调度问题的粒子群算法优化效率和优化性能.     

细菌觅食机制粒子群优化算法

针对基本粒子群优化算法易陷入局部极值的缺陷,提出了一种细菌觅食机制粒子群优化算法.其基本思想是在粒子群优化算法中引入细菌觅食行为机制,提高PSO算法跳出局部极值的能力,借以改善PSO算法的寻优性能.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

Optimization for PID controller of cryogenic ground support equipment based on cooperative random learning particle swarm optimization

Cryogenic ground support equipment (CGSE) is an important part of a famous particle physics experiment — AMS-02. In this paper a design method which optimizes PID parameters of CGSE control system via the particle swarm optimization (PSO) algorithm is presented. Firstly, an improved version of the original PSO, cooperative random learning particle swarm optimization (CRPSO), is put forward to enhance the performance of the conventional PSO. Secondly, the way of finding PID coefficient will be studied by using this algorithm. Finally, the experimental results and practical works demonstrate that the CRPSO-PID controller achieves a good performance.     

Research of Improved Fuzzy c-means Algorithm Based on a New Metric Norm

For the question that fuzzy c-means(FCM)clustering algorithm has the disadvantages of being too sensitive to the initial cluster centers and easily trapped in local optima,this paper introduces a new metric norm in FCM and particle swarm optimization(PSO)clustering algorithm,and proposes a parallel optimization algorithm using an improved fuzzy c-means method combined with particle swarm optimization(AF-APSO).The experiment shows that the AF-APSO can avoid local optima,and get the best fitness and clustering performance significantly.     

边远海域救援船舶与直升机联合搜救优化

以救援船舶行驶路线、释放救援直升机时刻与救援直升机搜索方案为优化内容,以搜救时间最短和发现概率最大为目标,建立了海空联合搜救双目标优化模型,并结合地理信息系统和智能算法设计了模型求解算法;利用地理信息系统模拟了复杂海洋环境中风、浪因素影响下的救援船舶和遇险船舶运行状态,采用自适应混沌搜索替代随机搜索,改进了传统粒子群算...     

RES脉内特征的差分进化粒子群投影寻踪评价模型

针对雷达辐射源信号脉内特征综合评估存在标准单一、缺乏客观性等问题,提出了基于群体智能的雷达辐射源信号脉内特征综合评估模型.首先,通过投影寻踪算法将雷达辐射源信号脉内特征的综合评估问题转化为有条件限制的多元非线性目标函数的优化问题;其次,通过改进的粒子群优化算法与差分进化算法的结合得到新的智能算法;最后,利用该算法实现多元非线性目标函数的优化求解.仿真结果表明:该群体智能算法对Rosenbrock测试函数的最优适应度值最小,对Rastrigrin函数和Girewank测试函数的最优适应度值为0,说明该算法的计算精度优于其他算法.同时适应度值的方差比标准粒子群算法和差分进化算法小,说明该算法的收敛性和鲁棒性较好.通过与加速遗传算法对评估问题目标函数5次优化结果的比较,本算法的计算结果没有波动,说明基于群体智能的RES脉内特征综合评估模型能够更客观、更有效地实现对RES脉内特征的综合评估.      

基于免疫粒子群神经网络的短时交通流量预测

免疫理论中的基于浓度选择机制能避免粒子群算法在群体收敛性和个体多样性平衡问题上的不足,使改进后的粒子群算法优化BP神经网络参数的配置,提高短时交通流量预测的准确性。仿真实验表明：免疫粒子群优化后的BP神经网络可有效提高短时交通流量的预测精度,减小预测误差。     

Simplified Group Search Optimizer Algorithm for Large Scale Global Optimization

A simplified group search optimizer algorithm denoted as"SGSO"for large scale global optimization is presented in this paper to obtain a simple algorithm with superior performance on high-dimensional problems.The SGSO adopts an improved sharing strategy which shares information of not only the best member but also the other good members,and uses a simpler search method instead of searching by the head angle.Furthermore,the SGSO increases the percentage of scroungers to accelerate convergence speed.Compared with genetic algorithm(GA),particle swarm optimizer(PSO)and group search optimizer(GSO),SGSO is tested on seven benchmark functions with dimensions 30,100,500 and 1 000.It can be concluded that the SGSO has a remarkably superior performance to GA,PSO and GSO for large scale global optimization.     

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.      

基于改进粒子群算法的PMSM多参数辨识

针对标准粒子群优化算法对永磁同步电机多参数辨识精度低与收敛慢的问题,设计了一种自适应自治群组粒子群优化算法进行辨识,并在Matlab/Simulink中搭建参数辨识模型.仿真结果表明:改进后的算法对永磁同步电机多参数辨识的整体精度更高,收敛速度更快.     

基于微粒群算法的多目标列车运行过程优化

为客观地描述列车的运行过程,建立了列车运行过程的多目标优化模型,并用微粒群算法求解该模型.针对多目标微粒群优化(MOPSO)算法的不足,提出了相应的改进措施和解的多样性保持策略.仿真结果表明,提出的优化列车运行过程的改进MOPSO算法可以在一次运行过程中获得多组列车操纵控制策略,清晰地显示出各性能指标随控制策略变化的趋势,控制序列转换次数大大降低,每组控制策略都可以在能耗、运行时间和停靠准确性之间获得很好的折衷效果,可以根据列车运行状况选择恰当的策略控制列车,以获得预期的结果.