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。     

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.     

一种新的自适应混沌粒子群算法

提出了一种新的自适应混沌粒子群算法。在标准粒子群算法中引入An混沌映射,以特殊的方式,利用An混沌映射来初始化粒子的位置和速度,并且每隔一定的代数就用An混沌扰动部分粒子的位置和速度。数值仿真的结果表明,该算法的收敛性和全局搜索能力得到提高,能有效避免早熟收敛。     

一种带压缩因子的自适应权重粒子群算法

结合对粒子群优化算法收敛性的分析,针对算法在寻优过程中容易出现的早熟现象,提出了一种带压缩因子的自适应权重粒子群算法.该算法以目标函数值的改变为信息,动态设置惯性权重值,使算法达到全局寻优和局部探索之间的有效平衡.仿真实验表明该算法能有效抑制寻优过程中的早熟现象.     

一种新的变分问题直接解法

基于Ritz法的思路建立了一个优化模型,将粒子群优化算法运用到变分问题的求解中,提出了一种新的变分问题直接解法.数值实验的结果证明了该模型的可行性,同时也拓展了粒子群优化算法的应用领域.     

基于粒子群优化算法的组合算子水质评价模型

根据参数化组合算子方法建立了水质评价模型,应用粒子群优化算法确定模型中的参数,并将该模型分别应用于富营养化海水、地下水与地表水的水质评价.案例分析结果表明,基于粒子群算法的参数化组合算子水质评价模型对各类水体的水质评价结果与传统方法基本一致,具有方法简单、计算量小和适用于非线性水质评价问题的特点.     

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。     

基于改进粒子群优化算法的BOD-DO水质模型参数确定

【目的】将改进的粒子群优化算法应用于BOD-DO水质模型参数求解,为水质模型参数求解提供支持。【方法】通过差异演化算法对各个体历史最佳位置进行变异,以保持种群多样性,并在搜索后期加入局部搜索能力强的单纯形算法,建立改进的粒子群优化算法,并用该算法对BOD-DO水质模型参数进行求解。【结果】改进的粒子群优化算法能有效地确定BOD-DO水质模型参数;参数取值范围的放宽对算法的收敛性影响较小,但迭代次数有所增加;均匀分布法生成的初始种群可以有效地提高算法的收敛率,加快收敛速度;交叉概率和缩放因子的随机选取策略,可以有效地提高算法的收敛率并加快收敛速度;比较计算结果可知,改进的粒子群优化算法的收敛精度有所提高,收敛率可达到100%,收敛速度可提高5倍以上,标准差约是粒子群优化算法的10%。【结论】改进的粒子群优化算法有效地避免了原算法的早熟或停滞,为不同类型的水质模型参数求解提供了一个可靠的方法。     

一种基于双子群的改进粒子群优化算法

针对粒子群优化算法易于陷入局部最优解并存在早熟收敛的问题，提出了一种基于双子群的改进粒子群优化算法（TS IPSO)，通过2组搜索方向相反的主、辅子群之间的相互协同，扩大搜索范围，借鉴遗传算法的杂交机制，并采用惯性权值的非线性递减策略，加快算法的收敛速度和提高粒子的搜索能力，降低了算法陷入局部极值的风险.实验结果表明该算法较标准PSO算法提高了全局搜索能力和收敛速度，改善了优化性能.     

自适应粒子群算法的整定模糊PID控制器的参数优化

提出了一种基于自适应粒子群算法（APSO）优化模糊PID控制器隶属函数的方法以及基于模糊控制规则的权值来消减规则数目的参数优化方法.仿真实验表明,该方法相比传统方法能得到具有更快响应速度和更小的超调量的模糊PID控制器.     

蚁群算法在土地利用结构优化模型中的应用

将蚁群优化算法引入土地资源规划,构建基于蚁群算法的资源规划数学模型,克服了传统优化模型的缺陷,选择张家口地区进行实证分析,得出了该地区最佳的土地利用结构优化方案。     

基于高斯混合模型的类人机器人果实辨识研究

针对类人机器人的特点,设计了一个具有果实辨识功能的类人机器人系统。类人机器人自带的摄像头作为视觉系统,通过视觉系统收集彩色果实图片,将RGB颜色转换成HSV颜色,结合高斯混合模型算法,通过训练得到每类果实所对应的分类器模型参数,构造分类器,实现类人机器人对果实准确高效的识别。     

基于直接积分最小二乘法的同步发电机的参数辨识

针对同步发电机模型参数中多个不可观测量的存在使得需要求解复杂的微分方程组对电机参数进行辨识,进而导致了辨识困难,提出了一种完全由可观测量表示的同步发电机辨识模型,即状态量均为由发电机出口电流、励磁电压、励磁电流以及功角,转速变量增量表示的可量测量,并基于该模型提出用直接积分最小二乘原理（DILS）来辨识发电机参数.这样既避免了复杂微分方程的求解过程,简化了参数辨识方法,又提高了辨识效率.辨识后,利用MATLAB进行算例仿真,通过实测曲线和辨识曲线的拟合表明了所采用的辨识模型与算法是正确、有效的.     

基于自适应GA-SVR的中密度纤维板施胶比例辨识方法

针对中密度纤维板(MDF)生产过程中施胶比例直接影响产品质量和生产成本的问题,提出了MDF施胶比例的自适应GA-SVR辨识算法。算法采用浮点数与二进制混合编码方式实现优选参数的解空间映射,设计并利用适应度函数完成交叉概率与变异概率的自动调整,通过数代进化实现模型输入参数的优选与支持向量回归参数的优化。为了验证算法的准确性,将辨识算法预测下的施胶比例与比例模型计算出的施胶比例分别用于制板试验,结果表明:基于自适应GA-SVR算法的预测结果与期望值相一致,算法实现了施胶比例的准确预测。     

求解各向异性扩散LLT模型的新的图像去噪算法

基于四阶各向异性扩散的图像去噪LLT模型,提出了一种修正不动点迭代算法. 该算法以最速下降方向为搜索方向,以避免直接计算逆矩阵,减小了舍入误差,提高了算法的收敛速度.利用矩阵的谱性质证明了该算法的收敛性. 数值实验结果表明：对于256×256的“Lena”图像,在标准差为15的高斯白噪声情况下,本文提出的算法将信噪比由SNR=11.208 8提高到SNR=16.511 1.     

基于实码遗传算法的河流水质模型的参数估计

针对理想条件下采用解析法往往导致水质参数估计较大误差的问题，以及针对含有多参数的二维水质模型的参数估计问题，具体介绍了采用有限单元法和实码遗传算法求解二维水质模型未知参数的基本步骤，对水质参数(包括纵向、横向弥散系数和衰减系数)分别进行编码，通过计算机模拟浓度输出，并与实测值比较从而得出最优的水质参数估计值．算例表明，采用有限单元法-遗传算法估计河流水质模型的参数是可行的．     

禽腺病毒血清 2 型分离鉴定及感染 SPF 鸡发病模型建立

【目的】建立禽腺病毒血清 2 型（FAdV-2）的发病模型,为评价 FAdV-2 的免疫原性和疫苗有效性提供参考。【方法】对疑似禽腺病毒感染的样品进行分离鉴定,对分离株 Fiber 基因和 Hexon 基因序列进行遗传演化分析,使用 DNAStar 和 MEGA7.0 软件对分离株和其他 FAdV 代表株进行核苷酸和氨基酸同源性比较。在确定分离到的病毒为 FAdV-2 后,通过动物实验分析分离株在不同感染途径和不同感染剂量下对 6 周龄 SPF鸡的致病性,筛选出建立 FAdV-2 血清型发病模型的最佳感染方式和最佳感染剂量。【结果】从发病鸡组织样品中成功分离得到 1 株 FAdV-2 血清型毒株,命名为 KM 株。遗传演化分析表明,KM 株和 GX01 株同属于禽腺病毒Ⅰ群 D 种中的 FAdV-2 血清型;同源性分析结果显示,KM 株和 GX01 株的 Fiber 基因和 Hexon 基因核苷酸序列同源性分别为 98.9% 和 99.3%,推导出氨基酸同源性分别为 98.9% 和 98.8%。KM 株静脉注射感染途径的致病性高于肌肉注射,试验鸡出现明显的心包积液 - 肝炎综合征;KM 株发病模型的感染途径为静脉注射,感染剂量为 108.0 TCID50,感染后鸡群死亡率为 50%,剖检病死鸡可见明显的病理变化,鸡群感染后 1 d 泄殖腔排毒阳性。【结论】首次验证了 FAdV-2 能引发心包积液 - 肝炎综合征,建立了 FAdV-2 感染 SPF 鸡的发病模型,可为药物研发和疫苗评价提供一定参考,将有效预防和减少 FAdV-2 传播。