粒子群和遗传算法在农业工程中的应用

在农业工程的研究以及应用中,涉及到大量的系统优化问题,而传统优化算法在求解某些农业工程问题时,如离散优化问题,高非线性、多约束、多极值的问题,暴露了其局限性。粒子群算法和遗传算法具有独特的优点,在现代农业工程中逐渐得到了应用。为此,介绍了粒子群算法和遗传算法的原理,以及粒子群算法和遗传算法在农业机械优化设计、农业工程优化设计、现代农业发展规划、农产品物流网络优化和农村电网及无功补偿优化等领域的应用及研究进展。     

快速环路分解遗传算法在配电网络重构中的应用

为了有效提高配电网络的收敛速度，避免不成熟收敛，在传统遗传算法的基础上，提出了一种快速环路分解遗传算法。提出用支路的开关状态(0或1)作为控制参数，避免繁琐的编码方法，缩短了染色体的长度，同时对交叉位置的选取和变异提出了独特的方案，并用于网络重构中，极大地提高了计算效率。     

基于负荷变化的配电网络重构

配电网通常为环状设计,辐射状运行。为了均衡负荷分配,降低线路损耗,提高供电电压质量,须根据负荷变化情况动态调整配电网络中联络开关及分段开关的运行状态。本文以用电采集数据为基础,通过终端负荷反向推测,确定各配电线路各开关所流过负荷,电网调度员以此为依据,根据一定的调度规则,进行开关变位操作,从而改变配网运行方式。     

基于粒子群算法的区域水资源优化配置研究

随着经济的快速发展,人类对水的需求量的增加和供水量减少之间的矛盾越来越突出,合理配置有限的水资源显得非常重要。本文运用多目标规划理论建立了区域水资源可持续利用的多目标优化配置模型,该模型以社会、经济、环境的综合效益最大为目标,用粒子群算法求解,得到银川市规划年（2020年）3种不同保证率下的优化配置方案,为银川市水资源管理问题提供了科学依据。结果表明,所建模型合理、可行,算法有效。     

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...     

基于混合粒子群算法的多目标柔性Job-Shop调度方法

针对经典Job-Shop调度问题的局限性,提出了以时间、成本、质量三者综合为优化目标,具有柔性Job-Shop车间调度的优化模型.给出了优化目标的计算方法,并设计了混合粒子群算法,给出了使用此算法求解模型的具体实现过程.模型采用工序能力指数对质量目标进行量化,并采用综合评判线性加权模型解决柔性Job-Shop算法的权重选择问题,使决策者能够根据实际情况选择优化目标的偏好解.通过一个车间调度问题的实例验证了此调度模型和算法的有效性.     

基于约束多目标粒子群算法的倒刺型流道优化

为了提高灌水器的综合性能,根据边界层分离现象,提出一种倒刺型迷宫流道,并对流道结构进行多目标优化.制作等比例玻璃试验件,采用粒子图像测速技术验证计算结果.针对水力性能和抗堵性能目标,将流道结构参数作为试验因素,以流量、流态指数及粒子通过率为性能指标进行正交试验,总结结构参数对性能指标的影响,通过回归分析得到结构参数与性能指标间的函数关系,提取25组正交组合结构单元的流速场,分析圆角区和倒刺背水区涡旋对内部流场和颗粒运动的影响.将流量函数作为约束条件,将具有极小值极性的流态指数和具有极大值极性的粒子通过率作为目标函数,采用约束粒子群算法对流道结构进行多目标优化,在等权重时从Pareto解集中得到唯一解,优化后模型流态指数为0.483,粒子通过率为0.955,流量为2.17 L/h.可见采用上述约束优化设计方法,得到的结构组合可满足流量约束并具有最优综合性能.     

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。     

基于多目标粒子群优化算法的永久基本农田划定模型

针对传统的永久基本农田划定方法不能较好地统筹兼顾永久基本农田的耕地质量、空间布局集中连片等目标问题,提出了一种基于粒子群优化算法的多目标永久基本农田划定模型,该模型包括土地适宜性、连片性、稳定性3个子目标函数,同时考虑生态保护红线、地形地貌等约束条件。选取河南省浚县为研究区域,根据目标偏好不同设置对照实验。结果表明,该模型在永久基本农田划定工作中具有可操作性,避免了划定过程中主观因素带来的不利影响,且可以提供多情景的永久基本农田布局方案,促进了永久基本农田划定结果的科学合理性。     

基于模拟退火粒子群算法的水资源优化配置

为了缓解水资源供需矛盾、提高水资源利用率,并在水资源优化配置中探寻新的求解方法,构建了以社会、经济、生态效益为目标的综合评价函数,建立了基于模拟退火粒子群算法的优化配置模型.将模拟退火的思想引入基本粒子群算法当中,解决了粒子易陷入局部极小值的问题.以陕西省渭南市大荔县为研究区域,设置了地表水、地下水、其他水3种水源以及...     

单亲遗传算法在农村电网重构中的应用

在进行负荷预测的基础上实现了对农村电网的实时重构,首先对历史数据做了初步的处理,剔除其中的伪数据,得到负荷数据序列;再给出农村电网重构的数学模型,得到以网损最小为目的的目标函数;最后用遗传算法搜索问题的最优解。实际运行表明,通过农村电网重构降低了网损,改善了电压质量,并且使负荷在各个馈线和变压器之间合理分配,避免了线路和变压器过载,改善了系统的运行条件,提高系统运行的安全性。     

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。     

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。     

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。     

基于改进粒子群算法求解马蹄形断面正常水深

为了解决马蹄形断面正常水深无显函数计算方法的现状,通过对明渠恒定均匀流方程进行数学变挟,得到了标准Ⅰ,Ⅱ型马蹄形过水断面正常水深求解的分段非线性约束优化问题．将粒子群算法中的权重函数随着迭代次数和不同粒子与最优粒子之间的距离大小进行调整,用以加速算法的收敛速度和提高粒子的搜索能力,并将调整惯性权重模型的粒子群优化算法运用到马蹄形断面正常水深的求解中．通过实例计算及误差分析表明：分段优化模型在水深特征点连续,且该法能100％收敛到全局最优解,故该方法求解马蹄形断面正常水深适用性强、计算精度高、算法实现简单,为马蹄形过水断面水力计算提供了一条新途径．     

基于改进粒子群优化BP网络的发动机故障诊断方法

使用BP神经网络进行故障诊断过程中,随着输入变量的增加会造成维数灾难,导致训练效率不高,而且易陷入局部极小的问题。基于粗糙集的约简是常用的降低维数的方法,但约简是NP问题,随着信息量增多计算量会随之剧增;本文采用基于属性重要度的启发式值约简算法进行属性约简,建立了一种模糊信息知识发现方法结合粒子群优化BP网络的故障诊断方法。通过实验表明此方法不仅能有效获取规则,降低网络的输入维数,还能有效避免陷入局部极小,从而提高故障诊断的效率。     

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.     

改进PSO的多目标约束项目进度计划问题研究

在项目进度计划问题的研究中,为实现在多执行模式和多资源约束条件下,对项目活动的执行顺序和执行模式进行合理安排的目标,以使项目工期最短,建立了多目标进度计划的目标函数,确定了约束条件.结合微粒群算法求解该组合优化问题.并通过对标准微粒群算法的改进,引入了交换子和交换序的概念,提高了算法的寻优速度和寻优能力,并结合具体的实例验证了改进算法的有效性.