全局最优退火的PSO算法及在交通控制中的应用

为进行区域交通的协调控制,针对微粒群算法的优缺点,提出基于全局最优退火的微粒群算法.该算法能增强算法探索和开发的能力,避免计算量过度增加.典型测试函数结果显示,能提高算法搜索速度、搜索精度.仿真结果表明,该方法应用于区域交通协调控制信号配时,可获得更低的车辆平均延误和平均停车率.     

基于蚁群算法的无线传感网路由协议的应用研究

文章针对传统蚁群算法在无线传感网中路由收敛速度慢、网络平均能耗大等问题,在已有无线传感网算法的基础上提出了改进的蚁群算法。该算法将相邻节点的能耗作为影响转移概率的一个因素,同时限定所经路径上的最大信息素和最小信息素。实验结果表明,该算法在不损失精确度的情况下,提高了网络传输的实时性,降低了网络的平均能耗,在一定程度上延长了无线传感器网络的生命周期。     

基于改进PSO算法的酒精发酵过程补料优化

针对基本粒子群优化算法存在的早熟收敛问题,提出了一种保持粒子活性的改进PSO算法:当粒子失活时,对粒子进行变异或扰动操作,重新激活粒子,使粒子能够有效地进行全局和局部搜索,并将改进的PSO算法应用到酒精流加发酵过程的补料优化.实验结果表明,运用改进的PSO算法在进行流加发酵过程的补料优化时,它的寻优性能良好,而且寻优速度很快,可以提高最终产物14%的产量.     

基于免疫的无线传感器网络拓扑算法

无线传感器网络是新兴的下一代传感器网络,对无线传感器网络的拓扑优化研究具有重要的现实意义。利用网络节点的能量信息和位置信息对拓扑结构进行整体优化,提出了一种基于免疫原理的无线传感器拓扑控制算法,仿真试验表明该算法可有效地延长WSNs生命周期。     

改进微粒群算法在机组组合问题中的应用

提出一种求解机组组合问题的改进微粒群优化算法.将机组启停状态变量和机组输出功率连续变量融合为一个变量,提出伪输出功率编码,降低计算的时间复杂度;对机组分类动态调整,对多时段有效地直接优化;对各种约束进行数学处理、修复处理,提高种群质量.优化结果显示该方法有效可行.     

改进PSO算法应用于级联多电平逆变器谐波限制

为限制级联多电平逆变器输出电压谐波,提出一种改进粒子群优化(PSO)算法.在考虑三倍次谐波的情况下,给出最优化阶梯波法的目标函数.粒子群优化算法的惯性权重按负反正切规律变化,加速常数按反正切规律变化.通过提高算法前期全局探索能力和后期局部开发能力,算法搜索能力增强,而算法计算量几乎未增加.分析该方法的参数范围和粒子轨迹收敛速度,并将该方法应用于十一电平逆变器谐波限制问题,获得较佳的开关角设置方案,表明该方法具有优良的收敛性能。     

无线中继网络的联合路由与调度的近似最优算法

在基于802.16j的无线中继网络中,考虑路由和调度的联合优化问题,最小化系统总调度时间. 首先采用线性规划的方法建立路由,进行链路业务速率分配,然后基于平移和交换思想提出一种链路调度算法. 理论分析证明所提算法的性能在最坏情况下,不会超过最优性能的1.5倍. 仿真结果表明,所提算法的平均性能非常接近最优性能.     

基于测距的无线传感网络定位方法

为了在无线传感网络中实现简单可靠的定位,采用节点与节点间直接测距的方式.研究了使用双边对称测距法来进行两点间的测距,并建立了一种测距同步的机制.根据测得的锚节点与目标节点间的距离,使用一种几何算法,来对目标节点的位置进行解算.     

基于量子竞争决策算法的网络路由算法的研究

基于量子竞争决策算法并将其应用到网络路由算法的优化中,再通过无线传感器网络中利用该算法机制提出一种新的SL-MAC算法。经过对比研究发现,该算法能够满足网络路由的节能需要,是一种十分有效的全局优化算法。     

离散粒子群算法在矩形排样问题上的应用研究

针对矩形排样问题可以通过规定的排样规则(剩余矩形排样法)将问题转化为可以求解的组合优化问题和解空间是离散型的特点,提出了一种改进的离散粒子群优化算法。文章根据组合优化问题及离散量的特点,对粒子的位置、速度及其运算规则进行了重新定义,然后利用改进的离散粒子群算法来搜索出最优解从而解决问题。通过与其他典型算法进行的仿真比较,结果表明,该算法具有很好的性能。     

基于改进粒子群的BP神经网络WSN数据融合算法

针对无线传感器网络（WSN）数据融合算法中传统反向传播（BP）神经网络收敛速度慢、对初值敏感和易陷入局部最优解的问题,提出基于改进粒子群的BP神经网络WSN数据融合算法（BSO-BP）。用天牛须搜索（BAS）算法对粒子群算法进行改进,利用改进后的粒子群算法优化BP神经网络权值和阈值,引入WSN数据融合中,簇首节点通过优化训练后的BP神经网络对采集数据进行特征提取,将融合后的数据发送至汇聚节点。仿真实验表明,BSO-BP算法能有效地提高融合精度和收敛速度,减少冗余数据传输,延长网络生命周期。相较于传统BP数据融合算法和PSO-BP算法,BSO-BP算法减少了至少11%的平均相对误差和13.89%的均方根误差。     

基于改进的无尺度网络的高斯动态粒子群优化算法在舰船电网故障重构中的应用

针对当前优化算法在处理大规模舰船电网重构问题时易陷于局部极值的缺点,提出一种基于改进的无尺度网络的高斯动态粒子群优化(Gaussian Dynamic Particle Swarm Optimization,GDPSO)算法.该算法融合无尺度网络理论与种群拓扑结构,采用改进的无尺度网络BA模型随机地逐渐增加种群拓扑规模,增加种群多样性,提高种群跳出局部极值的能力.以某20节点和扩充为60节点的舰船电网为例进行故障后重构测试.结果表明,该算法对多维度舰船电网重构有效.     

基于非线性函数和简化粒子群优化的盲源分离算法

针对现有盲源分离方法存在的源信号类型和高斯信号个数受限制问题,提出一种基于非线性函数和简化粒子群优化的盲源分离新算法.算法采用依据源信号类型选取的非线性函数作为目标函数,运用简化粒子群优化算法对目标函数进行优化,实现多类型源信号同时混合的盲源分离.仿真结果表明,本算法能够有效实现源信号为多类型和含有2路高斯信号的盲源分离.与其他算法相比,本算法收敛速度更快,分离精度更高.     

基于粒子群算法的卫星任务地面站资源调度方法

针对卫星数传、测控任务的地面站资源调度问题,提出一种结合启发式方法的粒子群改进算法,对卫星的数传、测控任务进行一体化调度。首先分析卫星任务及地面站资源的约束条件,建立基于启发式规则的约束满足模型,筛选出较优的初始种群,然后设计一种结合启发式规则的粒子群算法求解。仿真对比实验表明,相对于常规调度算法(如遗传算法),粒子群算法具有较好的寻优能力和收敛速度;相对于传统粒子群算法,结合启发式方法的粒子群改进算法具有更好的寻优能力、收敛速度和稳定性。     

基于改进自适应粒子滤波的无线传感网船舶追踪

针对无线传感网(wireless sensor network,WSN)节点在海上动态环境下利用接收信号强度指示器(recieved signal strength indicator,RSSI)对船舶追踪精度不高以及计算量大等问题,提出改进的自适应粒子滤波算法。该算法采用优化边界阈值的方式,在重采样阶段采用KL散度(KullbackLeibler divergence,KLD)采样方法实现自适应选择采样粒子,这使得节点采样的计算量减少,从而缩短采样的计算时间。仿真结果表明:该算法可在保障追踪精度的同时,提高自适应度,减少节点计算量,并且能很好地适应海上环境。     

基于列生成算法的集装箱班轮运输网络优化

为使集装箱班轮运输公司在相对较为稳定的航运网络上进行适时调整和优化,以适应航运市场的变化获得最大利润,以CKYH联盟为例,将联盟利润最大作为目标函数,将每段航线和港口货物运量、船队运能、运输需求以及承运人船舶数量作为约束,建立混合整数规划模型.通过对联盟在亚洲-地中海的航运网络进行优化,得出需要挂靠的港口、挂靠港口顺序以及每条航线单次货物运量.对于混合整数规划模型,运用列生成算法对模型进行分解,然后运用CPLEX软件进行编程求解,得到航运网络优化的最终结果.该解法提供了一种航运网络优化的新方法.     

一种面向随机调度无线传感器网络的路由方法

休眠机制是无线传感器网络中节省能量、提高网络寿命的主要方法之一,但同时也带来了端到端延迟性能的下降.尤其对于低占空比无线传感器网络,不同路由方法对网络性能特别是延迟性能的影响很大.提出一种基于随机调度的分布式逐跳路由方法:根据邻居节点的位置信息及其随机调度种子信息,在下一跳选择中以前进距离与延迟之比作为转发测度.理论分析和仿真结果显示,对比已有方法,该方法在端到端分组投递延迟和转发跳数方面具有优势.     

出口跨境电商海外仓选址双目标优化

为研究距离、仓储成本、仓库建设成本、国家税收政策对海外仓选址的影响,建立实现总运营成本最小与客户满意度最大的双目标优化模型.该模型采用粒子群优化算法进行求解,运用MATLAB实现,构建有23个节点的物流运输网络验证模型与算法的可行性.结果表明:采用双目标优化模型能得到不同的选址方案,对海外仓选址问题的解决有一定的现实意义;各节点间的距离和海外仓的仓储成本对海外仓选址有显著影响.