改进粒子群算法在设计洪水过程线

针对基本粒子群算法在处理高维复杂问题时易陷入局部极值点的不足,提出自适应随机惯性权的粒子群优化算法,并基于此算法建立起洪水过程的放大模型。在进化过程中,为粒子群中的各个粒子随机选取惯性权值,并随进化代数自适应地调整随机惯性权值的概率分布,提高了算法全局寻优的性能。实例表明：该模型不但可以有效保持典型洪水的模式,避免手工修均的任意性,而且可以很好地满足洪峰洪量的约束要求,有较高的精度。     

基于自适应弹性粒子群算法的小水电长期优化调度研究

以三插溪电站为研究对象,建立了该电站以控制水位和弃水最小为目标的优化调度数学模型;设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法求解该优化调度数学模型,包括粒子编码设计、适应度函数设计以及弹性修正值设计,并编制了基于MATLAB语言的优化程序。仿真结果表明:自适应弹性粒子群算法是有效的,比基本粒子群优化算法和自适应粒子群优化算法具有更强的全局寻优能力;和常用的以发电量最大为目标的优化调度模型相比,数学模型可以实现水位控制,更充分地利用水能资源,是简单可行的小水电优化调度数学模型。     

对称结构Stewart机构位置正解的改进粒子群算法

根据杆长约束条件,建立了求6-DOF对称结构Stewart并联机器人机构位置正解的无约束优化模型.针对标准粒子群算法容易陷入局部极值、进化后期收敛速度慢等缺点,提出了一种基于差异度评价指标的改进粒子群算法--自适应变异粒子群算法.为克服随机算法不易求出并联机构全部位置正解的缺点,采用分层搜索自适应变异粒子群算法求并联机构位置正解中的优化问题.数值实例表明,对于对称结构Stewart并联机器人机构位置正解问题,改进粒子群算法能求出全部装配构型,且收敛速度较快、精度较高.     

基于多目标粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间的多目标调度问题,构建了以制造工期、加工成本及提前/拖期惩罚值为目标函数的柔性作业车间调度模型,提出基于密集距离排序的自适应多目标粒子群算法.采用精英策略保留进化过程中的优势个体,基于个体密集距离降序排列进行外部种群的缩减和全局最优值的更新,并引入小概率的变异机制以增强解的多样性和算法的全局寻优能力.最...     

混沌粒子群微分进化算法及其在水库发电优化调度中的应用

粒子群优化算法（PSO）与微分进化算法（DE）都是有效的基于群体智能的全局优化算法,但它们都容易过早收敛,陷入局部最优。针对以上问题,提出了混沌粒子群微分进化算法（CPSO—DE）,该算法引入可变的惯性权重和学习因子,以基于logical映射的混沌序列代替标准PSO中的随机序列来对粒子群进行初始化,同时将微分进化算法（DE）中的变异、交叉和选择思想引入标准PSO算法中,改变标准PSO算法单一的进化策略,在全局范围内搜索最优解。作为实证的需要,通过对水库优化调度所存在问题的分析,建立了基于CPSO-DE算法的水库优化调度数学模型与求解算法,并以某水库实际运行数据进行计算,结果表明CPSO-DE算法具有较好的全局最优解,验证了CPSO—DE算法的可行性与健壮性。     

基于粒子群算法的交互式水文模型

以长江三峡水库寸滩、武隆入库径流预报项目为依托,研究洪水预报模型参数率定。针对以往洪水预报模型参数率定所采用的人工试错法率定参数困难,精度不高的问题,提出粒子群优化算法和交互式率定方法。实例计算表明,算法加快参数优选速度,交互式率定提高了模型预报精度。     

粒子群参数自适应调整的优化设计

在分析粒子群优化原理基础上,引入模拟退火机制以一定的概率对部分粒子的速度及位置执行更新操作,建立了粒子群惯性量权重因子及学习因子的模糊逻辑控制器以实现粒子群参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力.通过运用常规优化方法、遗传算法及参数自适应调整的粒子群优化方法对起重机结构主梁截面优化设计对比可知:采用粒子群参数调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点.     

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.     

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.     

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。