基于改进人工鱼群算法的三江平原投影寻踪旱情评价模型

针对现有的旱情评价方法容易出现评价等级离散和结果不易分辨等问题,提出了基于人工鱼群的投影寻踪旱情评价模型,利用人工鱼群算法优化投影指标函数寻求最佳投影方向,同时采用自适应人工鱼步长和拥挤度因子对人工鱼群算法进行改进,克服其易陷入局部最优等缺点,提高了全局搜索能力和收敛速度。以三江平原红兴隆分局为例,选用降雨距平百分率、Z指标和降水温度均一化指标3个指标综合计算投影值,建立了基于改进人工鱼群算法的三江平原投影寻踪旱情评价模型。结果表明,该模型有效避免了单项指标评价的不相容性,用于区域旱情评价是切实可行的,为旱情评价提供了参考。     

面向服务的网络化协同制造资源多目标重组优化调度

针对网络化协同制造资源重组优化调度所存在的问题,综合考虑影响网络化协同制造资源重组优化调度的4个主要因素:最小化生产作业时间、最小化生产作业成本、最优化生产加工质量、最优化资源服务质量,建立了网络化协同制造资源多目标优化调度的数学模型。提出了一种基于Pareto多目标免疫遗传算法的网络化协同制造资源重组优化调度方法,该算法综合运用了小生境技术、群体排序技术和精英保留策略,并对遗传算子进行改进,自适应地调整交叉和变异算子,结合免疫算法的免疫选择淘汰了相似个体,保证了种群多样性,避免了早熟现象的发生。免疫记忆对近似最优解进行动态邻域搜索,提高了算法的局部搜索能力。实例仿真表明了该算法的有效性。     

基于CAFSA的水库发电优化调度双层并行计算

应用于水库发电优化调度的人工鱼群算法(AFSA)后期搜索能力较弱,易陷入局部求解困境,并且运行时间相对较长;增加单体鱼的混沌优化搜索功能后,虽可提高最优求解精度,但计算耗时有所增加的问题也随之而出。依托互联多核计算机群,对水库发电优化调度中的混沌人工鱼群算法(CAFSA)展开双层并行计算架构设计,水库实例仿真的计算结果表明该并行策略能够有效保持CAFSA较高质量寻优的同时,可以大幅减少计算耗时,为提高调度模型求解效率提供了一定方向。     

基于改进自适应遗传算法的新安江模型参数率定研究

模型参数率定是提高水文模型模拟效果的重要手段，通过研究一种改进的自适应遗传算法（IAGA）对新安江模型参数进行优化率定，解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点，随机生成初始种群并选优，提高初始种群的个体质量；针对交叉与变异的进化过程，设计了反映种群离散程度的种群目标函数离散系数，利用该系数构建了自适应调整交叉与变异概率算子，防止遗传算法过早收敛；依托环形交叉算子，提高算法全局搜索能力；采用自适应非均匀变异算子，实时优化算法的局部搜索能力，避免陷入局部最优。将自适应遗传算法、传统遗传算法（GA）和自适应遗传算法（AGA）应用于秦淮河流域新安江模型的参数率定，并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较，结果表明：IAGA算法具有更优的寻优能力，更好的收敛结果，更高的稳定性和精度，场次洪水的模拟效果优于GA算法和AGA算法，率定期与验证期确定性系数（R2）均在0.85以上，纳什效率系数（NSE）均在0.8以上，总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的，改进后的IAGA算法具有良...     

基于混沌人工鱼群算法的水库发电优化调度研究

针对人工鱼群算法后期搜索盲目性较大，容易陷入局部最优值的缺点，结合混沌优化算法的遍历性优势，提出了适用于水库中长期发电优化调度的混沌人工鱼群算法。实例仿真结果表明该混合算法能有效应用于水库中长期发电优化调度中，具有收敛速度快和寻优质量高等特点，为该模型求解提供了一种新思路。     

基于PEM-ABC算法的小型无人直升机系统辨识

针对小型无人直升机在悬停状态下飞行动力学模型的系统辨识问题,提出了一种基于预测误差法与人工蜂群算法(PEM-ABC)结合的辨识算法。该算法将系统辨识问题转化为优化问题,用PEM算法确定搜索空间的范围;雇佣蜂搜索阶段采用改进的自适应搜索策略加快收敛速度;跟随蜂搜索阶段引入一种新的概率选择方式保证种群多样性;侦察蜂搜索阶段利用混沌算子来提高全局搜索能力。通过机载设备采集到的飞行实验数据,对辨识获得的模型进行了分析与验证。结果表明:采用该辨识方法,估计出了无人直升机动力学模型的未知参数,与PEM算法和传统人工蜂群算法相比,所提算法的辨识精度更高,具有重要的工程使用价值。     

改进PSO算法在电力系统无功优化中的应用

介绍一种改进粒子群的无功优化方法。采用简化粒子群优化方程和添加极值扰动算子两种策略加以改进,提出简化粒子群优化（SPSO）算法、带极值扰动粒子群优化（DPSO）算法,并将二者结合起来提出带极值扰动的简化粒子群优化（DSPSO）算法。以IEEE6节点系统为例进行无功优化计算,并与其他算法进行比较,结果表明：该算法具有较快的收敛速度及较强的全局搜索能力,可较好地解决电力系统的无功优化问题。     

基于势场蚁群算法的移动机器人全局路径规划方法

针对移动机器人路径规划蚁群算法收敛速度慢和人工势场法易陷入局部最优的问题,提出一种以栅格地图为环境模型,在蚁群算法搜索过程中加入针对具体问题的人工势场局部搜索寻优算法,将人工势场法中力因素转换为局部扩散信息素,使蚁群倾向于具有高适应值的子空间搜索,减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁"迷失"数量,提高了蚁群对障碍物的预避障能力。对不同参数组合下2种算法及其它改进算法仿真结果做了比较,验证了基于势场蚁群算法的全局路径规划能够加快寻优过程且具有较强的搜索能力,收敛速度提高近1倍。     

基于混沌人工鱼群混合算法确定含水层参数

以泰斯公式为基础,将混沌人工鱼群混合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。人工鱼群算法是一种群智能全局随机优化算法,收敛速度快,但存在早熟收敛现象;混沌序列具有遍历性和随机性等特点。为此将混沌系统与人工鱼群算法结合,构造了混沌人工鱼群混合算法。数值实验结果表明:混沌人工鱼群混合算法能成功用于确定含水层参数的函数优化问题,且与人工鱼群算法相比较具有收敛快、效率高和结果精度高等优点,从而为确定含水层参数提供了一种新方法。     

基于正交设计模型的多目标进化算法

为提高多目标进化算法在求解复杂多目标问题上的收敛性和解集多样性,提出了一种基于正交设计模型的多目标进化算法。该算法在基于分解技术的多目标进化算法框架下,将正交实验设计方法同分解技术相融合。利用正交实验设计方法,有针对性地对父代个体进行重组,并生成多个保留优良基因的子代个体,避免了盲目性搜索以提高算法收敛性,并应用分解技术选择优秀个体来维持全局搜索和局部寻优的动态平衡。将该算法与目前典型的优异算法在18个标准测试函数集上进行对比测试,仿真结果表明所提算法相比另外4种算法具有良好的竞争力,在保持良好收敛性的同时,所获得的Pareto前端分布更加均匀,尤其在求解具有复杂Pareto解集的问题时,能保持较好的搜索性能。为了测试算法在求解含有约束问题的性能,将其应用于I型主梁多目标优化设计中,获得的Pareto前沿较均匀,且解集域较宽广,对比分析表明了算法的工程实用性。     

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。     

基于改进人工蜂群算法的水电站水库优化调度研究

首先建立了水电站水库优化调度模型。在对人工蜂群算法描述的基础上,为有效避免标准人工蜂群算法局部搜索能力差等缺点,提高寻优能力,本文设计了一种以反向学习策略搜寻初始解、以自适应比例选择策略代替轮盘赌法、以基于指数分布突变策略更新蜜源位置的改进人工蜂群算法。应用MATLAB软件将改进后的人工蜂群算法应用于新安江电站水库优化调度中。仿真结果表明,改进人工蜂群算法具有更好的全局搜索能力,调度结果显著优于人工蜂群算法和粒子群算法。     

复杂环境下果园机器人路径规划方法研究

果园机器人在复杂环境中的工作效率的高低主要是由机器人的路径规划决定的,基本人工势场算法存在的问题很多,比如死锁现象、运行时间长等等。基于此提出一种新的算法,对基本人工势场算法进行改进。首先是重构识别路径,引入障碍物检测算法,可以识别出有效障碍物,同时还计算出有效的路径中间点;然后进行优化斥力作用,引入障碍物有关的边界条件,进而地图信息矩阵力向矩阵,计算出受力最大的方向,同时按此方向从起点重新检索,并且把中间点设为新起点反复迭代,这样就可以得到一个局部最优路径,最终的全局路径就是由各个局部最优路径构成。通过Matlab进行对比测试,测试结果表明:本文算法和基本人工势场算法相比,路径长度减小0.586 m,迭代次数减少19次,算法运行时间减少8.662 s,在复杂的环境中,本文算法路径规划优势明显。     

基于鱼群算法的极限学习机影像分类方法优化

在传统极限学习机(ELM)研究的基础上,考虑到传统ELM参数的不确定会导致整体分类精度下降,利用仿生鱼群算法(AF)对ELM的小波核参数和正则化参数进行寻优,并构造参数优化后的小波ELM影像分类模型(AF-ELM)。通过实验比较了该算法与人工神经网路(ANN)、支持向量机(SVM)、极限学习机(ELM)等标准分类器在遥感影像分类上的精度与速度差异,并且与ELM多项式核、RBF核分类算法进行比较分析,验证了AF-ELM在分类速度和精度上的优越性。实验结果表明,AF-ELM分类方法分类速度较快,精度较高,均优于其他分类方法。能较好地应用于遥感影像上各类地物要素的自动提取。     

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.     

遗传算法参数对优化灌溉模型寻优过程的影响

通过研究不同遗传算法参数对优化灌溉模型寻优过程的影响,得到一组最优的遗传算法参数.结果显示初始群体n=20,交叉率ρc =0.5,变异概率Pm=0.01时遗传算法寻优效率最高.同时在该组最优组合参数下,对模型的5种灌水量水平进行了优化求解,并得到了模型的最优解.     

线性递减权重粒子群优化投影寻踪模型及应用

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,为了有效地控制粒子群算法的全局搜索和局部搜索,提出了将线性递减权重引入到粒子群优化算法中.该算法是从随机解出发,通过追随当前搜索到的最优值来寻找全局最优解,增加了粒子群算法的局部搜索能力.将其算法优化投影寻踪模型,以此构建了线性递减权重粒子群优化投影寻踪模型,将该模型应用到土坝护坡模式优化评价中,选取9个指标作为评判因子,提出适合该地区的土坝护坡优化模式.结果表明:线性递减权重粒子群优化投影寻踪模型可以有效地找到最佳投影方向,计算投影值,根据投影指标值的大小可对方案进行优选.利用该模型对土坝护坡模式进行综合评价是切实可行的.该算法以其实现容易、精度高、收敛快等优点,并且在解决实际问题中展示的优越性,在工程优化领域具有广泛的应用前景.     

基于粒子群优化的嗅—味融合技术在啤酒辨识中的应用

利用电子鼻/舌融合系统对啤酒香气、滋味进行检测,基于其融合后的嗅/味综合信息实现啤酒的分类。由于传统K均值聚类结果依赖于初始值的选取,且易陷入局部最优,依据融合数据特点提出一种改进的基于粒子群优化的K均值聚类算法,该算法在运行过程中优化了权重系数,随着迭代次数增加同时调整收敛速度,使粒子的搜索更趋于平衡化,同时引入压缩因子,平衡全局与局部矛盾。将该算法与K均值聚类算法进行比较,实验数据证明该算法具有较好的全局收敛性,能克服易陷入局部最优的缺点而收敛于最优解,结果显示:该算法对5种啤酒聚类效果明显,正确率稳定在93.3%。     

基于蜂群进化机制的产品配置技术研究

分析了蜂群进化机制给产品配置带来的启示,提出了基于蜂群进化机制的产品配置模型;采用新定制产品与历史实例的需求相似度评价实现选择算子,确定蜂王和雄蜂;通过构件遍历实现交叉算子,完成蜂王和雄蜂的构件继承;提出了约束有向图的概念,探讨了基于约束有向图拓扑排序算法的变异算子,解决定制件的差异性配置问题;通过构造评价基元,实现对产品配置结果的适应度评价。以桥式起重机产品配置为例,证明了所提方法的有效性和先进性。