基于粒子群优化算法与混合罚函数

粒子群算法(PSO)具有简单易实现，可调参数少的优点。将其用于最优潮流的求解，结合混合罚函数来限制最优潮流的约束条件，使粒子群算法的寻优速度加快，迭代次数减少。通过在IEEE9节点和IEEE30节点上的仿真计算表明，该算法在优迭代速度和收敛精度上都取得了较好的效果。     

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。     

确定含水层参数的混沌序列优化算

以泰斯公式为例，将混沌序列优化算法应用于求解分析抽水试验资料，确定含水层参数的函数优化问题．就混沌序列长度、粗搜索次数和待估导水系数初值取值范围等因素对算法收敛性的影响，进行了数值实验．结果表明：1）混沌序列优化算法可以有效地应用于求解含水层参数计算问题；2）粗搜索次数的多少和序列长度的大小对算法收敛性的影响不明显；3）待估导水系数的初始取值范围对算法的收敛速度有一定的影响，但不会影响最终计算结果．与其它方法相比较，混沌序列优化算法具有原理简单、易于编程和运算、计算结果精度不受人为因素影响和应用范围较宽等优点．     

改进型遗传算法在农网无功优化中的应用

根据农村电网的特点,建立了综合考虑全年网损、电压质量和补偿设备投资的无功优化规划数学模型.应用自适应遗传算法改进了传统遗传算法的遗传算子和终止判据等,提出了一种配电网无功优化的改进型遗传算法,其收敛速度和求解精度均有提高.算法实例表明,改进遗传算法的优化效果优于传统遗传算法.     

井渠结合灌区水资源多目标优化配置模型与应用

将灌区的经济效益和生态环境效益结合在一起综合考虑，在灌区水资源配置时不仅只追求获得最大经济效益，同时尽量将地下水位控制在适宜范围内，以维持地下水资源的采补平衡，实现水资源的可持续利用。按此原则，建立了井渠结合灌区水资源多目标优化配置模型。实例计算表明：应用此模型指导井渠结合灌区的水资源配置可实现真正意义上的地表水和地下水联合运用，提高水资源利用效率。     

遗传算法在离心泵叶片优化设计中的应用

对遗传算法在流体机械优化设计中的应用现状作了较为全面的总结；提出了将遗传算法应用于离心泵叶片优化设计中，分析了遗传算法在离心泵优化设计中应用的可行性以及存在的问题；对离心泵优化设计的发展提出了一些新建议和尝试。     

自动给水栓灌溉系统的运行模拟与研究

根据广东省台山市都斛镇水稻田控制排灌田间工程试验区的实测资料 ,探讨了在已定工作水头和输水管管径的条件下 ,不同出水口开启状况下各给水栓出流量的数学分析方法 ,同时模拟计算了不同管径 (或改变水头 )条件下给水栓系统运行状态的变化 ,并与实际观测情况进行了比较和分析     

能量高效的农田无线传感器网络拓扑关联路由算法

针对农田无线传感器网络节点分布不均、能量约束严格等特点,提出了一种能量高效的簇头选择方法TBCS-EA,在以剩余能量进行簇头选择的基础上根据节点拓扑位置、拓扑密度等进行加权,使距离sink较近的节点与密集区节点大概率成为簇头,提高成簇能量使用效率。针对现有成簇算法频繁进行簇头选举,算法开销大等问题,提出了一种能量逼近式簇头轮换机制,节点连续担任簇头并以某一目标进行能量逼近,在达到逼近目标后进行根据簇内信息指定新簇头,减少簇头选择的次数与协议开销。仿真与实验结果表明,TBCS-EA算法的网络生命周期约为LEACH的2.2倍,CHCS的1.5倍,从节点能量曲线看能耗均衡效果与CHCS相当,明显优于LEACH。结果显示TBCS-EA综合性能较之于现有算法有明显提升。     

基于分解机制的多目标蝙蝠算法

在分析蝙蝠算法性能基础上,将蝙蝠算法融入分解机制,提出了一种基于分解机制的多目标蝙蝠算法。为了进一步提高算法的多样性,将差分进化策略引入算法中。对14个具有复杂Pareto前沿的多目标优化问题(LZ-09系列和ZDT系列)测试不同邻域规模对算法性能的影响,结果表明新算法的邻域规模为20时性能最优;将其与MOEA/D-DE和NSGA-II算法进行对比分析,结果显示该算法的分布性、收敛性和多样性均优于另外两种算法。为了验证其求解含有约束问题的性能,将其应用于滑动轴承多目标优化设计问题中,获得的Pareto前沿分布均匀,表明算法具有工程实用性,是求解复杂高维多目标问题的有效方法。