多邻域链式结构的多目标粒子群优化算法

为了提高多目标粒子群算法求解多目标问题的性能,改善算法的收敛性,提出一种多邻域链式结构的多目标粒子群优化算法。首先,以一种环形链式拓扑结构,将种群划分为多个邻域,每个邻域之间相互交叉重叠,并针对不同位置的粒子,进行不同的速度和位置更新策略。其次,对所有粒子采用速度钳制策略,并引入差分进化策略对粒子进行扰动,从而进一步提高算法的多样性。通过14个无约束和3个有约束函数仿真实验,表明该算法相对于NSGA-II、SPEA2、MOEA/D-DE、SMPSO和OMOPSO算法,获得Pareto解集分布更加均匀,算法的收敛性和多样性也更好。为了进一步验证算法的可行性和有效性,将其应用于72杆桁架结构尺寸设计,并与其他优化方法进行了比较,结果表明该算法获得的Pareto前端更均匀,收敛性更好。     

基于鲶鱼效应多目标粒子群算法的水库水沙联合优化调度

针对水库水沙联合优化调度多目标、高维、非线性和难以求解的特点,将鲶鱼效应机制引入多目标粒子群算法中提出基于鲶鱼效应的多目标粒子群算法,该算法在利用收敛速度较快的Sigma方法的基础上,通过触发鲶鱼启发器引入外部鲶鱼粒子,利用鲶鱼粒子对种群的驱赶效应增加种群多样性,从而提高算法的收敛性和非劣解集的多样性;数值分析证明,与MOPSO和σ-MOPSO相比,该算法的效率和质量更高,同时三峡水库实际算例也表明,该算法能给出代表整个可行调度空间、收敛较好、分布均匀的Pareto最优前沿,具有较好的适应性。     

基于动态聚集距离的多目标粒子群优化算法及其应

为了增加Pareto集的多样性,提高多目标优化的全局寻优能力,提出了一种基于动态聚集距离的多目标粒子群算法(DCD-MOPSO).该算法利用改进的快速排序方法来减少计算量,采用动态变化的惯性权重和加速因子以增强算法的全局寻优能力,并基于动态聚集距离对外部集进行维护以增加Pareto集的多样性.通过典型测试函数的仿真实验和应用实例对DCD-MOPSO算法性能进行了分析,并与多目标优化算法MOPSO和NSGA-Ⅱ进行了比较.结果表明,DCD-MOPSO算法收敛速度较快,且得到的Pareto集分布均匀.     

基于粒子群遗传算法的配电网络重构

配电网络重构是配电自动化的重要组成部分,也是优化网络、降低有功损耗的重要手段。针对单一算法求解问题的局限性,提出一种多目标优化模型,并结合遗传算法的进化思想和粒子群算法的记忆性提出粒子群遗传算法,同时引入混合编码策略,通过线性权重法获得目标的搜索方向。通过对IEEE69节点测试系统进行计算和分析,验证算法在求解配电网重构中的有效性和可行性。     

基于BPSO的棉花异性纤维目标特征快速选择方法

针对现有棉花异性纤维目标特征选择方法迭代次数多、速度慢等问题,提出了一种基于改进粒子群优化算法的棉花异性纤维目标特征快速选择方法.使用离散型粒子群优化算法作为特征选择算法,利用支持向量机算法作为分类器对最优特征集进行验证.实验结果表明,在分类准确率与蚁群算法相当的情况下,能减少26％的运行时间.     

改进PSO算法在电力系统无功优化中的应用

介绍一种改进粒子群的无功优化方法。采用简化粒子群优化方程和添加极值扰动算子两种策略加以改进,提出简化粒子群优化（SPSO）算法、带极值扰动粒子群优化（DPSO）算法,并将二者结合起来提出带极值扰动的简化粒子群优化（DSPSO）算法。以IEEE6节点系统为例进行无功优化计算,并与其他算法进行比较,结果表明：该算法具有较快的收敛速度及较强的全局搜索能力,可较好地解决电力系统的无功优化问题。     

改进的多目标粒子群算法在鄱阳湖水资源优化配置中的应用

鄱阳湖水资源优化配置问题是一个多目标优化问题。将Pareto支配关系、精英保留策略、约束主导原理引入到多目标粒子群算法中。针对粒子群算法的容易陷入局部极小值、早熟等缺点,采用了线性变换惯性系数提高搜索的速度和性能,引入遗传算法的变异思想、混沌优化思想避免了陷入局部极小值。应用改进的多目标粒子群算法对鄱阳湖环湖区的水资源优化配置模型进行了求解,得出了一组非劣解集。采用模糊近似理想点法对非劣解进行了评价,得出了鄱阳湖环湖区2030年水资源配置的最佳方案。     

配电网检修方案优化模型

通过建立配电网检修方案的数学模型,在保证配电网检修安全性的前提下,优化检修时间和负荷转移路径,最终提高电网供电的可靠性和检修工作的经济性。而求解建立的多目标优化模型,提出了一种将粒子群算法和启发式搜索方法相结合的优化算法,为证明检修方案优化模型的正确性以及所用混合算法求解的科学性,运用一个具体算例分析并进行求证。     

基于粒子群算法的树状灌溉管网系统优化设计

研究基于粒子群算法的树状灌溉管网系统优化设计。将粒子群算法(PSO)与树状灌溉管网模型相结合,以总管网投资最小为优化目标编制了matlab程序,并针对具体实例提出了某灌区的树状灌溉管网系统优化方案。最后将该优化方案与2级遗传优化模型得到的优化方案进行对比,说明了用粒子群算法进行树状灌溉管网系统优化的可行性和优越性。     

粒子群算法的改进及在农业水资源配置的应用

为了合理分配大荔县农业水资源,提高大荔县的农户总收益,建立农业水资源优化配置模型,得到大荔县主要农作物的合理种植面积以及灌水量优化配置方案,解决将大荔县灌区有限农业水资源在不同作物中合理分配的问题,实现总收益最大化的目标.模型求解中使用粒子群算法,对算法同时进行线性递减惯性权值及限速粒子群的2种改进,解决了粒子逃离函数定义域导致程序中断的问题.结果表明:经过优化后大荔县丰水年(降雨频率P=25%)总收益为29.78亿元,平水年(P=50%)总收益为29.75亿元,枯水年(P=75%)总收益为29.50亿元,与优化前的总收益28.98亿元相比均有所增长,水资源更多分配给经济作物棉花,农作物种植面积和水量均实现最优分配.对改进前后的粒子群算法求解进行比较,改进后粒子群算法寻优能力强,结果可靠合理,为区域水资源优化配置提供了新的解决思路.     

多邻域结构多目标遗传算法

为了解决应力约束类桁架结构的尺寸优化多目标问题,提出一种多领域结构的多目标遗传算法应用于尺寸优化设计。利用个体之间欧氏距离信息,将种群划分为多个领域以形成多个小生境种群。该算法为每个个体提供一定数量的邻居个体,并规定只能同邻居个体进行交叉变异操作,通过实验分析了不同邻居规模对算法性能的影响。将新算法与其他经典算法在18个标准测试函数上进行了仿真分析,结果表明,所得到的Pareto前端分布更加均匀且更加逼近真实Pareto前端,具有良好的收敛性和多样性。将该算法应用于经典的25杆空间桁架结构优化的求解,获得Pareto前端更均匀,收敛性更好,相对于其他的优化算法具有更好的优化效果。该算法在程序设计、求解空间及其方法通用性等方面表现出良好的性能,并且简单、实用,更加适合于工程实际应用。     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件，建立了圆柱度误差的数学模型以及优化目标函数和适应度函数，阐述了粒子群优化算法的原理和实现方法，然后根据粒子群算法优化求解。实例表明，该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解，粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高，且参数设置少，计算速度快，可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。     

基于改进型PSO算法的汽车转阀参数优化

提出了基于模拟退火(SA)修正的改进型粒子群算法(SA-PSO)的转阀参数优化方法。建立了整车动力学模型、转向系统模型、高速"路感"模型和转阀能耗模型,并对模型进行了验证;给出了低速转向轻便性、高速转向"路感"和能耗的量化指标;提出了以轻便性、"路感"和能耗量化指标的平方和根最小值为目标函数,以各参数取值范围为约束条件的最优化问题;构建了基于模拟退火修正的改进型粒子群优化算法(SA-PSO)的自适应度函数,运用改进型粒子群算法获得了转阀参数的全局最优解;SA-PSO与PSO的优化结果对比表明,SA-PSO的全局收敛性强、收敛速度快;通过优化参数与另外两组参数双纽线、高速中间位置小转角转向、转阀能耗仿真验证了优化方法的有效性和优化结果的正确性,最后分别进行了转阀参数优化前、后的双纽线、高速中间位置小转角转向、转阀能耗试验,结果表明,优化后的转阀使转向轻便性、高速转向"路感"和节能性均得到改善。     

改进粒子群优化（MPSO）算法在动

基于在水资源不充足的情况下，对都江堰灌区六大渠干水资源的合理分配，使农业效益达到最大。首先建立灌区优化配水模型，并将粒子群优化算法（PSO）及其改进的算法应用于该模型。分别对标准PSO、两种改进PSO（MPSO）算法与遗传算法进行仿真对比，结果显示采用PSO算法及其MPSO在农业经济效益上可获得更好的寻优效果，提高了水资源的利用率。     

基于差异演化算法的动压滑动轴承多目标优化

为研究流体动压轴承的多目标优化问题,提出一种改进多目标差异演化算法.该算法在选择差分向量时,对产生差分向量的两个个体比较其优劣,用非支配解减去支配解,引导个体向非劣解进化,提高算法的收敛速度;其次提出了种群修剪策略,消除进化后期种群中相同个体引起的种群全局搜索能力下降的缺点,以提升算法的全局寻优能力.通过与其它算法的比较,发现该算法能有效避免“早熟”收敛,具有较好的收敛速度和多样性.工程实例求解结果表明了算法的工程可行性.     

超驼峰工况下轴流泵站事故停泵防护方案寻优

针对带虹吸式出水流道的轴流泵站超驼峰工况下事故停泵防护问题,基于瞬变流基本理论,以闸门总关闭时间、闸门快关行程和快关时间为决策变量,以最大倒转转速、最大倒流流量、最大水锤压力和最小水锤压力为评估目标,建立多目标水锤防护措施优化模型,并采用混沌-粒子群算法进行求解.研究表明,相对于标准粒子群算法,混沌粒子群算法粒子多样性强、寻优能力高、算法稳定性好,有效提升了两阶段关闸水锤防护效果;多次寻优结果表明两阶段关闸中,第一阶段关闸速度和关闸角度对倒转转速、倒流流量等指标影响较大,而关闸规律和闸门流量系数对最大水锤压力影响较大;当泵站最大超驼峰水位小于2 m时,采用“14 s快关行程66%,104 s慢关行程34%”的策略可以有效防护事故停泵水锤.     

光伏充气膜温室自跟踪发电系统发电量预测

针对光伏充气膜温室自跟踪发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测算法.首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网络预测模型,并针对传统神经网络预测模型中基于梯度下降的BP算法收敛慢、易陷入局部最优、训练难收敛等问题,通过自适应变异粒子群算法改进了神经网络.该算法通过将变异环节引入粒子群优化算法,进行隔代进化找到局部最优解.实验结果表明所采用的自适应变异粒子群的神经网络预测算法的全局收敛性能得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题.     

算法在多目标优化问题中的仿真应用

综合了PSO算法应用于求解多目标问题的一些思想,引入罚函数对约束条件进行处理,并利用均值的概念来计算选取PSO算法更新方程中的全局最优值,从而使算法在最优解的引导下,跳出局部最小值,更快地向Pareto最优解前沿收敛。压缩弹簧多目标优化设计实例证明了所提出算法的有效性。