基于改进微粒群算法的无人机姿态控制参数智能整定

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.     

求解线性规划的宽邻域不可行内点算法

提出了一个求解线性规划的不可行内点算法.该算法的特点是:一方面使用了宽邻域,因此数值实验表明具有较好的计算效果;另一方面,通过分析获得它的多项式复杂度为O(n~(1.5)L),这是宽邻域不可行内点算法的最好复杂度.     

一种基于PSO-RBF神经网的入侵检测方法

针对传统基于K-均值聚类的RBF神经网络训练方法中,隐层参数训练结果易受初始值影响而陷入局部极小解,最终导致整个网络收敛速度慢、性能下降等问题,提出了基于粒子群算法(PSO)和K-均值相结合的径向基神经网络(RBF)训练算法.该算法利用PSO的全局搜索能力形成最优解邻域,K-均值算法在该邻域进行局部搜索,这样既利用了PSO算法的全局最优解搜索能力,同时也利用了K-均值算法收敛速度快的优点.试验结果表明该算法有效地解决了基于K-均值训练算法易陷入局部极小解的不足.文中将基于上述训练方法的RBF神经网应用到入侵检测系统中,试验结果同基于传统K-均值、遗传算法和RPCL算法训练的RBF方法进行比较,结果表明本文建议的方法在检测性能和训练时间上都有明显提高.     

基于森林空间收获问题的模拟退火算法邻域搜索技术比较

邻域搜索是当前提高启发式算法求解效率的核心技术之一,然而近期关于该搜索策略的性能却产生了较大争议。模拟退火算法作为一种典型的启发式算法,已广泛应用于一系列的林业规划问题。为此,本研究以模拟退火算法为例,系统评估2种不同邻域搜索技术在森林空间收获安排问题中的应用效果。规划模型以50年规划周期(10个规划分期)内的最大化木材收获为目标函数,以蓄积均衡收获、蓄积期末存量、单位限制模型和绿量限制等为主要约束条件。测试方法以模拟退火算法为原型,以每次优化过程中随机选择的小班数量为标准,共包括1-邻域和2-邻域2种不同的搜索技术。模拟规划数据由3个假设的栅格数据集组成,其共产生了3293个(林分Ⅰ)、29536个(林分Ⅱ)和81625个(林分Ⅲ)0-1型决策变量。研究结果表明:模拟退火算法2-邻域搜索技术能够提高各规划问题的最大目标函数值;但当规划问题的决策变量数(或小班数量)较大时(即林分数量≥3600),单纯增加邻域范围并不能提高规划问题的平均目标函数值。因此,鉴于模拟退火算法的优化结果对规划问题具有较高的敏感性,因此森林经营决策人员应慎重选择模拟退火算法邻域搜索作为相关规划问题的优化求解技术。      

供应商优选与订货量分配的多目标微粒群算法

分析了供应商优选与订货量分配问题的特性,构建了带界约束的多目标优化模型,并设计具备有综合学习机制的多目标微粒群优化算法以求解该模型．实验结果表明,该多目标微粒群优化算法是有效的．     

基于多目标优化的无线传感器网络覆盖控制算法

针对随机部署的混合无线传感器网络覆盖性能及网络使用寿命的问题,在冗余节点检测策略基础上,提出基于邻域扰动的多目标粒子群算法控制移动节点的部署.每一个粒子表示所有可移动节点的一种部署,基于非支配排序策略定义最优粒子的寻找方法,在经典粒子群算法基础上,引入自适应邻域扰动操作,从而有效避免陷入早熟陷阱.通过与其他算法的对比仿真实验,表明该优化算法能更有效地提高网络覆盖性能和降低网络能耗.     

基于改进蜂群算法的模糊需求冷链物流车辆路径优化

针对基本人工蜂群算法容易早熟收敛等问题,提出了3种邻域生成策略,并对当前解进行局部搜索和进化。仿真试验表明,该算法在求解相关问题上具有有效性,对求解用户模糊需求下的冷鲜品冷链物流车辆路径优化问题具有一定的参考价值。     

一种新型的动态粒子群优化算法

为了改进标准粒子群优化算法全局搜索性能,提出了一种种群动态变化的多种群粒子群优化算法。当算法搜索停滞时,把种群分裂成两个子种群,通过子种群粒子随机初始化及个体替代机制增强种群多样性,两个子种群并行搜索一定代数后,通过混合子种群来完成不同子种群中粒子的信息交流。收敛性分析表明,本文算法能以概率1收敛到全局最优解。实验结果表明,本文算法具有较好的全局寻优能力和较快的收敛速度。     

桁架结构多目标优化的免疫克隆选择算法

为了解决带有约束的结构多目标优化问题，将免疫克隆选择算法应用于桁架结构的多目标优化设计中. 根据免疫学基本原理，采用非支配邻域选择机制、比例克隆和精英策略，使算法很好地保持了所得解的多样性、均匀性和收敛性.在桁架结构优化的数学模型中，采用惩罚函数法处理违反约束的情况.为了验证所提算法的可行性和有效性，对经典桁架进行了优化，并与其它方法作比较，数值结果表明，该算法在收敛速度、时间消耗和求解质量上均具有一定的优势.     

土壤水分特征曲线模型参数识别的多邻域粒子群算法

Van Genuchten模型(简称VG模型)是目前运用最为广泛的土壤水分特征曲线模型,提出适宜的优化算法进行模型参数识别也是一个非常重要的研究方向。针对标准的粒子群算法易陷入局部最优的缺点,给出了一种多邻域粒子群算法,可以有效地克服粒子群算法易陷入局部最优的缺点,并利用该算法对VG模型参数进行识别,最后用所求解的参数对不同类型土壤持水性能进行了试验。数值实验结果表明,多邻域粒子群算法能够有效地应用于VG模型的参数识别,与其它算法相比在性能和精度上都有所提高,而且对参数的取值范围也可以较大地放宽。因此,多邻域粒子群算法可以作为VG模型参数识别的一种新方法。