基于多目标微粒群优化算法的土地利用分区模型

土地利用分区实质上是一个多目标的土地利用空间优化问题,将传统分区方法用于解决多目标优化问题明显不足。该文提出了一种基于多目标微粒群优化的土地利用分区模型,构建了土地利用分区的属性约束指标,提取4个能够体现土地利用分区目的及意义的目标函数,即分区间差异性最大区内相似性最强、空间分区集中连片、土地利用效益最大化、土地适宜性评价指数最高,同时考虑了土地利用分区图上最小图斑面积、用途区面积、用途转换规则3类约束条件,并详细阐述了算法的核心思想、编码策略、状态更新机制及其算子等内容,最后以湖北省宜城市为例,对模型的可行性和有效性进行验证,结果表明通过对目标的权重调控可以得到不同目标偏好的土地利用分区方案,该文所构建模型在土地利用规划实践中具有可操作性。     

基于微粒群算法的大豆生育期内有限水量的最优分配

粒子群优化算法(PSO)是基于群体智能理论的优化算法.该算法利用生物群体内个体的合作与竞争等复杂性行为产生群体智能,对解空间进行智能搜索,从而发现最优解.通过水肥互作盆栽试验,应用Jensen模型对大豆水分生产函数进行拟合,计算出不同氮肥条件下的各生育阶段的水分敏感指数.利用PSO收敛速度快、预测精度高等优势,建立一种大豆灌水量优化分配模型,旨在准确预测大豆灌水量.结果表明,粒子群算法应用于灌溉制度优化中是可行的,既拓宽了PSO应用领域,又为制定合理的灌溉制度与提高水分利用效率提供新思路.     

群智能在农业生产等方面的应用研究综述

群智能是一种模拟自然界动物觅食筑巢行为的新兴演化计算技术。微粒群算法作为群智能算法的一个分支,在解决农业生产中的大规模组合优化问题方面表现出强大的优势。本文分析了目前应用于电网构建和农田水利灌溉等工程中的微粒群算法,并提出了一些展望。     

基于改进粒子群算法的农产品召回优化

农产品加工是食品供应链质量控制的关键环节。该文针对农产品加工环节的产品召回优化问题,给出了批次分散优化模型并分析了其算法复杂度。针对优化模型为NP难度(non-deterministic polynomial hard),难以求解的问题,指出了采用粒子群优化进行求解的途径。针对粒子群优化算法在进化的初期收敛速度快,易引起早熟;在进化后期收敛速度慢,易引起振荡的问题,提出了一种基于分段门限粒子替换策略的改进粒子群优化算法。采用相关算例对该文提出的改进粒子群优化算法进行优化性能验证,并与类似智能优化算法进行性能对比。算例仿真和性能对比的结果表明,该算法运算开销约为同类算法的10%,且可以降低潜在的召回规模约30%,适用于农产品加工环节的产品召回优化。     

基于热流量积分的混凝土温控水管冷却边界模拟算法

以往用冷却水管离散模型迭代计算混凝土温度场时,水管边界被近似认为是第三类边界条件,此类边界条件的参数获取要通过试验并进行反演,试验费用较大且有时候可靠性不高。针对该问题,在热量平衡条件的基础上提出由与水管接触混凝土的热流量、水管的导热系数、管壁厚度和水管内壁温度推算水管外壁温度的新算法,并对原有迭代方法进行改进,解决迭代次数多和迭代可能无法收敛的问题。对比算例中,采用传统算法,模型边界处的误差可达到1.67℃,而采用该新算法,误差仅为0.3℃。应用所提方法对某混凝土块施工期混凝土温度场进行了仿真计算,计算值与实测值吻合较好,且迭代收敛速度较快,一般的迭代方法,需要迭代15次,而采用改进的迭代方法,只需迭代7次即可以达到稳定值。该算法能明确通水冷却的边界条件,节省试验费用,提高计算效率,有较好的工程应用价值。     

基于改进粒子群算法的车辆转向梯形机构优化

通过对车辆转向机构的尺寸和定位参数进行优化,能有效减小车辆转向机构的实际运动轨迹和理论运动轨迹间误差,进而有效改善车辆的操纵性能和提高转向安全性。该文研究了转向梯形机构的工作原理及其对车辆转向性能的影响,建立了转向梯形机构的非线性优化模型;然后引入越界检测函数改进传统粒子群优化算法,并给出了求解转向梯形机构非线性优化模型的方法;编制了改进粒子群算法的实现程序,并对3款不同车型的转向梯形机构进行了优化设计;最后选取3种不同智能算法分别对途乐GRX转向梯形机构进行多组优化试验。试验结果表明,改进粒子群算法的收敛速度快于传统粒子群算法和基于模拟退火的粒子群算法,求解精度略逊于基于模拟退火的粒子群算法,但仍能保证求解精度。     

基于改进粒子群算法的低碳型土地利用结构优化——以重庆市为例

探讨了如何在低碳经济背景下进行区域土地利用结构优化,并以规划区域土地利用经济效益目标和各类土地碳排放总量作为环境效益目标建立了相应的优化数学模型;采用针对多目标优化的改进粒子群算法进行土地利用结构优化多目标求解,以重庆市土地利用结构优化为例进行了实证研究。结果表明:基于向量评价的改进粒子群优化算法对土地利用结构多目标优化是适用有效的,优化结果兼顾了经济效益和生态环境效益,为土地利用结构优化提供一种良好的思路和方法。     

基于粒子群参数优化和BP神经网络的颗粒饲料质量预测模型

针对颗粒饲料产品受配方原料、加工参数变化而带来的质量波动问题,提出了一种以误差反向传播算法神经网络（back-propagation neural network,BPNN）为核心,平均影响值法（mean impact value,MIV）为数据预处理方法,粒子群算法（particle swarm optimization,PSO）为关键参数优化算法的颗粒饲料质量预测模型。基于面向实际建立的输入输出指标体系,使用实地采集的颗粒饲料生产数据对模型进行训练和测试,测试结果显示实际值与模型预测值呈显著正相关,决定系数R2均在0.94以上;平均绝对误差、平均绝对百分比误差及均方根误差显示预测精度达到较高水平,各误差平均值依次达到0.442、2.185%和0.5481。以多元线性回归模型及基本BPNN模型预测结果对比可以发现,MIV-PSO-BPNN预测模型预测性能有显著提升,各输出误差优化幅度从39.55%～91.80%不等,平均优化幅度分别达到84.99%和56.95%;同时相对误差变化趋势图显示MIV-PSO-BPNN预测模型具有更优的预测稳定性,相对误差极值差降幅均值达91.46%。该研究为颗粒饲料质量控制提出了一种新思路,可为饲料行业高效低耗生产提供理论依据。     

基于改进杂交粒子群算法的农村微能网多能流优化调度

西部农村地区电网薄弱,光伏和风电扶贫投资未考虑配套输配电设施,用以处理生物质废弃物的沼气受季节性温度变化影响运行经济性不佳,为解决上述问题,该文提出利用沼气作为气源含可再生能源的冷-热-电-气多能流农村微能网供能架构,建立相应的多能流微能网调度模型,针对粒子群算法早熟、容易陷入局部最优的问题,提出采用动态调整惯性权重的杂交粒子群算法进行求解,算例结果表明,通过对系统内各设备的调度,有效降低系统日运行成本,在冬季,采用改进型杂交粒子群算法所得日运行费用相比采用基本型粒子群算法降低7.6%,其相比系统未优化所得日运行费用降低79.1%;在夏季,相比基本型粒子群算法与未优化分别降低17.0%、71.2%,实现微能网的经济运行,证明了本模型和算法的正确性。     

设计洪水频率曲线的粒子群优化适线法研究

应用现代智能优化算法，按照不同适线准则进行了设计洪水的频率计算。根据我国水利水电工程设计洪水计算规范，应用粒子群算法按照离（残）差平方和最小，离（残）差绝对值最小和相对离（残）差平方和最小准则，进行了设计洪水频率曲线参数的优化估计研究。通过实例验证，认为粒子群算法进行设计洪水频率曲线参数估计优于传统的经验适线法。与传统优化方法相比，粒子群算法对优化目标函数要求低，避免了大量的求导计算，是一种推求设计洪水频率曲线统计参数的新途径。     

基于微粒子群优化算法的差速器壳体轻量化设计

针对汽车差速器的轻量化,提出了基于微粒子群优化算法和参数化模型相结合进行优化的设计方法.通过计算模态和试验模态相结合,验证了差速器壳体有限元模型的准确性;基于微粒子群算法,建立了以质量最小和安全系数均方根值最大为目标的优化模型,进行了轻量化设计.优化结果显示:壳体质量由优化前的6.26 kg下降到5.67 kg,减轻了10.4%;优化后壳体的最大应力、最大应变和最小安全系数等性能指标均有不同程度的提高,验证了轻量化是成功的.     

基于粒子群算法的电动汽车DCT升档动力协调控制

该文建立了纯电动汽车双离合器自动变速器(DCT,double clutch transmission)升档过程动力学模型,以滑摩功与冲击度为评价因素,建立两者加权和形式的评价指标。针对纯电动汽车动力协调换挡优化对象强非线性,在基于梯度寻优的传统优化算法难以奏效情况下,利用粒子群优化算法对电机参与下的双离合器升档过程进行优化。优化过程中,使用傅里叶基向量分解方法将离合器转矩轨线、电机转矩轨线分解为基向量的线性组合,使用粒子群优化算法优化基向量系数,实现对双离合器传递转矩轨线与电机输出转矩轨线的规划,藉此提出了电动汽车双离合器变速器升档过程中离合器和电机转矩协调控制方法。最后,经过实车试验进行验证,结果表明该方法能够有效减少9%的滑摩功,使冲击度控制在国家标准之内,并缩短换档时间,改善换档品质。     

基于粒子群算法的城镇土地利用空间优化模型

土地利用结构优化是土地资源优化配置的核心,包括数量结构优化和空间结构优化。针对传统的优化模型如线性规划、多目标、灰色系统和景观生态等不能实现土地数量结构和空间结构的有效统一,在研究现有智能优化模型如元胞自动机、遗传算法的基础上,采用近年来新兴的粒子群优化算法,利用其空间飞行搜索特性和较强的全局优化能力,构建了基于粒子群算法的土地利用空间优化模型。研究表明,该模型能利用粒子的群体空间分布模拟土地利用空间格局,并能在多目标控制下进行全局优化处理,实现土地利用数量结构和空间结构的有效统一。     

粒子群算法在农业工程优化设计中的应用

运用改进型粒子群算法对农村的两个应用实例，农村泵房钢结构数学模型和农村电站无功补偿优化数学模型进行了优化计算，采用MATLAB语言编制了泵房钢结构优化、配电网络无功补偿的计算机仿真程序。通过两个实例的计算机仿真，优化后的泵房钢结构质量比原设计减少了27.37%；有效地搜寻到电站无功补偿费用最低的优化补偿点，结果符合实际应用情况，表明粒子群算法应用于农业工程优化设计计算切实可行，为复杂的农业工程优化设计问题提供了新的思路和方法。     

基于粒子群优化算法的土壤养分管理分区

土壤养分管理分区的划分为变量施肥技术提供依据,是精准农业实施变量施肥管理的重要环节。在对7种土壤养分的空间变异特征和变异结构进行分析的基础上,以其中6种养分作为变量进行土壤养分管理分区的研究,最后用基于粒子群优化属性均值聚类来划分管理分区,并引入3种指标确定合理的分区数目。通过计算得出,试验区的合理分区数目为2个,对各管理分区实际采样点的土壤养分数据进行单因素方差分析,除速效磷外各土壤养分均在99%的置信水平上具有极显著差异,其中分区2土壤肥力水平较高,分区1较低。基于粒子群优化属性均值聚类算法可以很好地划分土壤养分管理分区,分区结果能够为精准农业变量施肥提供决策依据。     

基于随机粒子群算法的Van Genuchten方程参数优化求解

使用随机粒子群算法拟合土壤水分特征曲线并以此求解出Van Genuchten方程参数。通过算例与其他优化算法比较，结果表明：随机粒子群算法具有运算速度快，编程简单，初值无关性，全局收敛和计算精度高等优点，可以作为计算Van Genuchten方程参数的新方法。     

基于粒子群优化投影寻踪的玉米单产估测

为了提高玉米单产估测精度,以河北省中部平原为研究区域,以与玉米长势和产量密切相关的条件植被温度指数(vegetation temperature condition index,VTCI)和叶面积指数(leaf area index,LAI)为遥感特征参数,通过投影寻踪法确定玉米主要生育时期VTCI和LAI的权重,进而构建基于县域尺度加权VTCI和LAI与玉米单产间的线性回归模型。结果表明,同时构建加权VTCI和LAI与玉米单产间的回归模型的精度最高,达到极显著水平(P0.001)。与变异系数法相比,基于投影寻踪法所建双参数回归模型的精度较高,研究区域各县(区)估测单产与实际单产的平均相对误差降低了0.88个百分点,均方根误差降低了50.56kg/hm2。通过投影寻踪法构建的双参数回归模型对研究区域玉米单产进行估测,结果表明研究区域玉米单产具有西部单产最高、北部和南部次之、东部最低的空间分布特征,以及在研究年份间玉米单产在波动中呈先下降后上升趋势的时间演变特征。