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.     

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。     

元胞多目标粒子群优化算法与其应用

针对现有多目标粒子群算法多样性不佳,难以平衡多目标优化的全局搜索和局部寻优的能力,提出了一种元胞多目标粒子群算法。在分析多目标粒子算法理论基础上,该算法将元胞自动机思想融入粒子群算法,研究粒子之间相互关系和信息传递机制,并提出一种粒子飞行速度控制策略。实验证明,新算法相对于4种比较算法,在求解含有无约束和有约束的多目标优化问题时有更好的收敛性和多样性,将其应用于盘式制动器优化设计,得到的解精度更高。     

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。     

基于改进布谷鸟搜索的轴向永磁联轴器模糊优化设计

研究了轴向永磁联轴器的结构优化设计。首先根据层模型理论,以轴向永磁联轴器的关键结构参数(气隙长度、铜盘厚度等)为设计变量,以成本最低、输出转矩最大以及涡流损耗最小3个性能为多优化目标,建立了轴向永磁联轴器的数学优化模型;其次是将混沌搜索和自校正权重引入到布谷鸟搜索方法中,提出了一种改进的布谷鸟搜索方法;然后,利用模糊理论将多目标优化问题转换为单目标问题,并运用改进布谷鸟搜索算法优化求解;最后,对结构参数优化后的轴向永磁联轴器性能进行了ANSYS仿真,而且制作样机并进行了试验测试。仿真和试验结果表明:提出的优化结果优于遗传算法和粒子群优化等方法,与标准模型相比,成本降低了9%,转矩提高了15%,涡流损耗减少了10%。     

基于PEM-ABC算法的小型无人直升机系统辨识

针对小型无人直升机在悬停状态下飞行动力学模型的系统辨识问题,提出了一种基于预测误差法与人工蜂群算法(PEM-ABC)结合的辨识算法。该算法将系统辨识问题转化为优化问题,用PEM算法确定搜索空间的范围;雇佣蜂搜索阶段采用改进的自适应搜索策略加快收敛速度;跟随蜂搜索阶段引入一种新的概率选择方式保证种群多样性;侦察蜂搜索阶段利用混沌算子来提高全局搜索能力。通过机载设备采集到的飞行实验数据,对辨识获得的模型进行了分析与验证。结果表明:采用该辨识方法,估计出了无人直升机动力学模型的未知参数,与PEM算法和传统人工蜂群算法相比,所提算法的辨识精度更高,具有重要的工程使用价值。     

基于改进人工蜂群算法的水电站水库优化调度研究

首先建立了水电站水库优化调度模型。在对人工蜂群算法描述的基础上,为有效避免标准人工蜂群算法局部搜索能力差等缺点,提高寻优能力,本文设计了一种以反向学习策略搜寻初始解、以自适应比例选择策略代替轮盘赌法、以基于指数分布突变策略更新蜜源位置的改进人工蜂群算法。应用MATLAB软件将改进后的人工蜂群算法应用于新安江电站水库优化调度中。仿真结果表明,改进人工蜂群算法具有更好的全局搜索能力,调度结果显著优于人工蜂群算法和粒子群算法。     

基于改进多目标布谷鸟算法的水资源配置研究

为有效求解考虑水库调度的多目标水资源配置问题,充分实现有限水资源的科学利用,提出一种改进的多目标布谷鸟算法(IMOCS),与传统布谷鸟算法相比,IMOCS引入了混沌理论以保证初始种群的多样性,利用自适应发现概率和步长以平衡算法全局寻优和局部搜索,并采用3-点最短路径法作为外部档案集删除和保留机制,以保证非支配解的均匀性和多样性。将改进的算法用于"山西大水网"背景下的同朔供水区,结果合理有效,验证了模型的可行性,为该区域水资源配置提供了一定的依据。     

精细农业无线传感器网络终端节点定位研究

针对现有精细农业传感器网络监测系统中的终端节点模块定位算法易陷入局部最优、定位精度低等缺陷,提出了一种改进无线传感器网络节点定位算法针对大豆农田Zig Bee无线网络终端节点进行定位,采用高斯数据筛选模型修正接收信号强度测量距离。同时,在标准粒子群算法基础上引入混合变异策略,运用混合策略中各个变异函数的优势在算法搜索过程中作用于种群,使粒子跳出局部最优,保证全局搜索遍历能力。大豆实验田试验表明:标准粒子群定位算法和本文提出的混合变异粒子群定位算法的总体定位平均误差分别为1.746 1m和1.1 7 0 8 m,表明改进方法的定位精度更高。     

基于改进肾脏算法的梯级水库长期发电优化调度研究

梯级水库优化调度是一种实现水资源合理分配与高效利用,提升水电系统运行管理水平的重要方法。改进肾脏算法为高效求解梯级水库优化调度提供了一条有效途径。肾脏算法是一种新颖的自然启发式优化算法,因其参数少、寻优能力强、稳健性高,已被广泛应用和认可。本研究对标准肾脏算法的寻优原理进行了阐述,针对该算法的种群多样性低和收敛速度慢缺陷,采用含缩放因子的运移策略和自适应调参策略对其改进,提出了改进的肾脏算法。以某梯级水库长期发电优化调度为例,计算结果表明:相比标准肾脏算法,改进的肾脏算法可使梯级水库多年平均发电量增加3.2亿kWh(增幅为4.03%)和弃水量减少17.54%。引入的改进策略有效克服了标准肾脏算法的早熟缺陷,提高了种群多样性和收敛速度。     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

基于势场蚁群算法的移动机器人全局路径规划方法

针对移动机器人路径规划蚁群算法收敛速度慢和人工势场法易陷入局部最优的问题,提出一种以栅格地图为环境模型,在蚁群算法搜索过程中加入针对具体问题的人工势场局部搜索寻优算法,将人工势场法中力因素转换为局部扩散信息素,使蚁群倾向于具有高适应值的子空间搜索,减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁"迷失"数量,提高了蚁群对障碍物的预避障能力。对不同参数组合下2种算法及其它改进算法仿真结果做了比较,验证了基于势场蚁群算法的全局路径规划能够加快寻优过程且具有较强的搜索能力,收敛速度提高近1倍。     

基于改进蝙蝠算法和圆柱坐标系的农业无人机航迹规划

针对传统蝙蝠算法全局搜索能力不足的问题，提出一种改进蝙蝠算法(IBA-FCS)，通过设计脉冲变频策略、自适应局部搜索策略和变异机制，有效提升了算法的全局搜索能力。基于经典测试函数的寻优结果表明，与粒子群算法、传统蝙蝠算法和其他改进蝙蝠算法相比，IBA-FCS算法具有更好的寻优性能。针对农业无人机的航迹规划问题，结合山地果园飞行环境的三维地形数据，构建了农业无人机安全航迹规划模型，设计了多因素约束的飞行成本函数；同时，将航迹规划模型的求解空间由笛卡尔坐标系变换到圆柱坐标系，进一步提升IBA-FCS算法的寻优效率，从而获取更好的航迹规划方案。仿真实验结果表明，在具有不同数量障碍物的多个飞行任务中，IBA-FCS算法较传统蝙蝠算法的飞行成本函数适应度平均下降20.3355%，并且基于圆柱坐标系的IBA-FCS算法求解的飞行成本函数适应度较基于笛卡尔坐标系的规划结果平均下降4.6127%。实地场景实验结果表明，基于IBA-FCS算法的规划方案能够收敛于最优航迹，进一步验证了山地果园静态障碍环境下应用改进蝙蝠算法和圆柱坐标系进行农业无人机安全航迹规划的可行性和有效性。     

面向服务的网络化协同制造资源多目标重组优化调度

针对网络化协同制造资源重组优化调度所存在的问题,综合考虑影响网络化协同制造资源重组优化调度的4个主要因素:最小化生产作业时间、最小化生产作业成本、最优化生产加工质量、最优化资源服务质量,建立了网络化协同制造资源多目标优化调度的数学模型。提出了一种基于Pareto多目标免疫遗传算法的网络化协同制造资源重组优化调度方法,该算法综合运用了小生境技术、群体排序技术和精英保留策略,并对遗传算子进行改进,自适应地调整交叉和变异算子,结合免疫算法的免疫选择淘汰了相似个体,保证了种群多样性,避免了早熟现象的发生。免疫记忆对近似最优解进行动态邻域搜索,提高了算法的局部搜索能力。实例仿真表明了该算法的有效性。     

基于SA-PSO算法的发动机缸体机加工线平衡研究

考虑到粒子群算法的高搜索效率和模拟退火算法的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解机加工工艺线平衡问题的方法。针对机加工过程实际约束条件的特点,提出了一种改进的编码和解码方式,使得离散的编码序列与连续的微粒位置及速度迭代进化对应起来,并给出粒子约束修正的方法,使得粒子更新后总能满足约束条件,加快了算法的收敛速度。最后以某柴油发动机缸体机缸体加工生产线为例,验证了该方法的有效性。     

基于Pareto遗传算法的切削用量优化

针对计算机辅助工艺规划中的切削用量决策问题,提出了一种基于Pareto遗传算法的切削用量优化算法。首先,以切削速度和进给量为优化变量,以切削效率和刀具耐用度为优化目标,通过对约束条件的分析,建立多目标优化模型。其次,改进选择算子,设置非劣解集以保存进化过程中用竞争法构造产生的Pareto最优解,从而保证算法的搜索方向;建立基于小生境技术的排挤机制以提高种群的多样性。然后,采用混合交叉算子和步长变异算子进行基因重组,经过若干次迭代,得到一个均匀分布于Pareto前沿的优化解集。最后,通过实例验证了该算法的可行性和有效性。     

基于混合学习果蝇优化算法的冗余机械臂逆运动学求解

针对常规方法难以有效求解冗余机械臂逆运动学的不足，提出了一种基于改进果蝇优化算法的逆运动学解决方案。改进算法采用线性候选解产生机制，克服了基本果蝇优化算法不能搜索负值空间及无法在指定的区域内均匀搜索的缺陷。通过混合学习嗅觉搜索策略的构建，有效增强并合理平衡算法的全局探索与局部开发。此外，通过视觉实时更新策略的引入，提升了算法的搜索效率及加速了算法的收敛速度。以7自由度冗余机械臂的逆运动学求解为例展开对比试验分析，结果表明所提出算法在寻优速度、精度以及结果稳定性等方面明显优于对比算法，说明该方法能够有效解决冗余机械臂的逆运动学问题。     

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.     

非垂直拍摄获取细叶作物覆盖度优化算法研究

【目的】探究非垂直拍摄获取细叶作物覆盖度优化算法以及非垂直拍摄对作物覆盖度计算结果的影响。【方法】在北京市小汤山基地草业研究中心露天环境下,以青绿薹草、结缕草为试验对象,获取45°、60°、90°(与地面夹角)3种拍摄角度下的图像,采用基于自适应权重粒子群改进K-means的图像分割方法,分析不同拍摄角度对青绿薹草覆盖度测量精度的影响,研究非垂直拍摄与垂直角度下覆盖度的关系曲线。首先将草RGB图像转化成HSV颜色空间,在HSV颜色空间利用自适应权重PSO算法向全局像素解的子空间搜寻,通过迭代搜寻到全局最优解,确定最佳初始聚类中心;其次利用K-means算法对不同角度图像像素进行聚类划分,从而得到草冠层区域分割结果,最后采用形态学滤波方法对分割结果进行优化。【结果】垂直拍摄时,传统K-means算法计算的2个品种的覆盖度总体相对误差分别为32.89%和34.37%,而本文算法下2个品种总体相对误差分别为11.23%和15.85%。相比于K-means算法,本文算法环境适应性好,算法精度高。非垂直拍摄条件下,本文算法能够克服多角度拍摄导致图像色彩分布不均匀的问题,有效分割出草冠层区域,90°覆盖度估测值与真实值平均误差为3.27%,60°二者平均误差为4.61%,45°平均误差为5.70%,随着拍摄角度的减小,平均误差略有增大,但均小于6%。非垂直角度下计算的覆盖度与垂直角度覆盖度呈显著地线性关系。【结论】采用本文方法可以提高非垂直拍摄获取作物覆盖度的精度。