求解一类非线性二层多目标规划的粒子群方法

采用以下层问题的最优性条件代替下层问题的方法,将上层为向量优化、下层为凸标量优化的一类非线性二层多目标规划问题转化为带互补约束的不可微多目标规划问题,分析了2者在最优解方面的关系,并设计了求解相应不可微多目标规划问题的粒子群算法.数值结果表明所设计的粒子群算法是可行、有效的.     

一种求解线性二层多目标规划的粒子群优化方法

粒子群算法是一种新兴的优化技术。由于粒子群算法实现简单,可调参数少,已得到广泛研究和应用。根据粒子群算法能够有效获得不可微多目标规划Pareto最优解的特点,设计了线性二层多目标规划的粒子群算法:采用以下层问题的K-T最优性条件代替下层问题的思想,将线性二层多目标规划转化为带互补约束的不可微多目标规划问题,然后对所得到的不可微多目标规划问题设计粒子群算法,从而得到线性二层多目标规划问题的Pareto最优解。数值结果表明所设计的算法是可行、有效的。     

基于灰色粒子群算法的温室环境多目标优化控制

引入人工控制因素,以扩展的自回归模型(ARX)为基础,构建茶树育苗的温度、相对湿度及耗电量多目标模型函数,采用灰色关联理论和粒子群优化算法(PSO),面向茶树育苗温室环境模型进行多目标优化控制。仿真结果表明,运用多目标灰色PSO算法将育苗温室内温度值从31.5℃降为24.51℃,相对湿度从47.2%提升为59.35%,耗电量降低17.6%。与线性加权和法、单目标PSO算法相比,选取多目标灰色PSO算法对温室进行优化,得到在开启遮阳与喷淋组合调控的情况下,经过20 min温室内温度和相对湿度调控,即可达到茶苗生长的要求。     

一种求解二层多目标规划问题的改进模拟退火算法

基于求解多目标规划问题的模拟退火算法,将求解二层多目标规划问题转化为交互求解下层多目标规划问题和上层多目标规划问题,然后结合求解多目标规划的精英策略,提出了求解二层多目标规划的改进模拟退火算法。最后,通过数值试验验证了算法的可行性和有效性。     

求解多目标优化问题基于相对熵的Pareto解演化算法

提出了一种求解多目标优化问题的基于相对熵的Pareto解演化算法，首先分析了多目标优化中各目标间的补偿模式和非补偿模式。以及它们对应的Pareto解演化算法和经典加权求和算法，指出实际问题中，并不存在完全的补偿模式或完全的非补偿模式。往往是需要补偿，但要避免目标间极端不均衡解的产生。故需在Pareto解演化算法基础上引入目标间均衡性的评价。然后利用相对熵作为均衡性的评价指标。在MOGA算法的基础上引入相对熵。形成了EPEA算法，算法避免了各目标间极端不均衡性的评价指标。在MOGA算法的基础上引入相对熵，形成了EPEA算法，算法避免了各目标间极端不均衡解的产生。为方便寻找偏好解提供了途径，数值实验证实了算法的有效性。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识，并结合粒子群算法，提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强，容易跳出局部最优陷井及启发式算法局部搜索能力强的优点，快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

多目标博弈优化方法在工程设计中的应用

现代工程设计常常涉及多目标优化问题,传统求解多目标问题的方法主要是基于数学规划理论,近年来,国内外开始将博弈论应用于多目标优化问题的研究,本文将基于博弈论的优化方法应用于工程设计,取得了较好的优化结果.     

一种求解二层单目标规划问题的基于KKT背离度量方程的粒子群优化算法

下层规划问题最优解的精确性对成功求解二层单目标规划问题具有决定性作用。基于单目标规划问题的KKT条件,引入KKT背离度量方程,利用该度量方程控制下层问题最优解的精度;然后以下层问题最优解的精度控制值为终止条件,设计求解二层单目标规划问题的粒子群算法;最后利用6组带箱式约束的经典算例对算法进行了评估,结果表明该算法能够提高计算效率并能加速算法收敛速度。     

基于多目标粒子群算法的土地优化配置——以兰州市七里河区为例

本文采用粒子群算法构建了土地利用优化配置模型,在分析了兰州市七里河区近19年来土地利用现状和景观格局的基础上,指出了土地利用过程中存在的特点,运用粒子群算法算法得出了兰州市七里河区2014年土地利用优化配置结果,并与2014年土地利用/覆盖分类结果进行了精度分析与景观格局分析,结果表明此算法有效的优化了七里河区土地。     

一种量子粒子群算法的改进方法

针对量子粒子群算法存在的问题,设计基于公共历史的两种群并行搜索的量子粒子群算法.在利用群体历史优质解及最优粒子变异的基础上,对粒子群进行筛选,加快粒子群的收敛速度,并采用两种群并行搜索,防止同时陷入局部极值.通过多个函数的测试,该算法在收敛速度及寻找全局最优方面,都表现出较好的效果.     

粒子群算法及其应用研究

粒子群优化算法(PSO)源于对鸟群捕食系统的模拟,是近年来被广为关注和研究的一种智能优化算法。PSO算法属于进化算法的一种,比遗传算法(GA)更简单易实现,且没有交叉和变异操作,需要设定的参数也不多,收敛速度快。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法等领域。目前PSO的研究主要集中在算法本身和算法的应用研究两个方面。     

基于改进粒子群算法的再入飞行器轨迹优化

采用基于距离量度和自适应惩罚相结合的约束处理技术的改进粒子群优化算法（PSO）应用于再入飞行器轨迹优化,避免适应值函数中复杂的罚函数及罚因子的设计,提高优化算法的通用性。以高超声速飞行器最小控制量再入轨迹优化为例,并对飞行器运动模型进行简化及控制量参数化。对两种不同的高超声速飞行器模型进行优化,仿真结果验证算法的有效性及通用性。     

基于遗传思想的改进粒子群优化算法

传统的粒子群优化算法(Particle Swarm Optimization,PSO)在解决有关离散优化的问题时,容易发生早熟收敛,陷入局部最优等现象,从而得不到最优解。为了克服这种现象,提出了一种基于遗传思想的改进PSO算法:利用繁殖法更好的搜索粒子的空间,经过繁殖后的粒子可以更好的从局部最优逃离,并对经典的测试函数进行了测试。测试结果表明,与传统的PSO算法相比,改进算法的寻优效果较好,不仅能加快收敛速度,而且能找到同样甚至更好的解。     

求解TSP问题的混合离散粒子群算法

重新定义了离散粒子群算法DPSO的速度和位置公式,使其适宜求解离散问题．针对DPSO易早熟、收敛慢的缺陷,建立局部极小区域的扰动机制,在结合局部搜索算法PSEC后,提出了一种混合离散粒子群算法HDPSO．     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

多目标优化问题的差分进化算法研究

为保持所求得的多目标优化问题Pareto最优解的多样性,提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法.对排序策略中目标函数的选择方式进行了分析和比较,并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法.用多个经典测试函数进行了实验分析,并与NSGA-Ⅱ算法进行了比较.实验结果表明,该方法收敛到问题的Pareto前沿效果良好,能有效保持所求得的Pareto最优解的多样性.     

基于改进粒子群优化算法的可用输电能力求解

针对可用输电能力问题的复杂性,非线性及控制变量的多样性,使用一种改进的粒子群优化算法求解,建立了基于最优潮流的可用输电能力的求解模型.建立了自适应惯性权重策略,使用动态压缩搜索空间策略对控制变量的约束空间进行动态的调整.IEEE_30节点算例验证了所提算法的有效性和准确性,结果表明:在保留了标准粒子群算法的固有优势的前提下,进一步增强了算法的收敛能力,提高了算法的适应性和收敛速度.     

基于多目标粒子群与模糊控制的AMT自适应换挡规律研究

搭载自动机械变速器(AMT)的车辆，其换挡规律是提升动力性与经济性的关键.本文以3挡AMT纯电动城市客车为研究对象，基于多目标粒子群算法(MOPSO)对不同加速踏板开度下的换挡车速进行优化，建立了兼顾动力性与经济性的双参数MOPSO换挡规律，并构建了以车辆载荷与加速度变化为输入，车速调整量为输出的模糊控制器对MOPSO规律进行自适应调整，得到了自适应换挡规律Fuzzy-MOPSO.最后，对Fuzzy-MOPSO规律开展了动力性与经济性验证，并与其他换挡规律进行比较.结果表明，Fuzzy-MOPSO规律的加速性能比经济性规律提升了15.3%,其动力性能比MOPSO规律更优越.经济性方面，在4段实际道路工况下，Fuzzy-MOPSO规律的经济性比动力性规律分别提升了6.08%、 7.28%、 6.88%、 5.63%,比MOPSO规律更具节能潜力.此外，Fuzzy-MOPSO规律在实际道路工况下的换挡频率与MOPSO规律相当，节能的同时能够有效抑制频繁换挡，提升传动系统的寿命.     

基于粒子群算法的综合暴雨强度公式

[目的]简化传统方法,得到直接推求综合暴雨强度公式的方法。[方法]采用粒子群算法优化各重现期统一的综合暴雨强度公式的参数,直接推求综合暴雨强度公式,并通过对芜湖市降雨历时资料建立的综合暴雨强度公式的计算结果与传统方法进行了比较。[结果]采用粒子群算法直接推求的综合暴雨强度公式比传统方法的计算结果精度更高,且推求过程更简便。[结论]说明采用粒子群算法直接推求综合暴雨强度公式是可行的。