基于偏好多目标蜂群算法的过热汽温控制系统优化(英文)

为了将决策者的偏好综合到多目标问题求解过程中,提出了一种偏好多目标蜂群优化算法PMABCA.在PM ABCA中,给出了一种新的偏好距离计算方法,基于非支配等级与偏好距离定义了适应度分配函数,并引入了归档集用于非支配解的存储.为了清除非支配集中多余的解,提出了改进的偏好拥挤距离算子.针对经典函数优化问题的计算结果表明,PMABCA可以在输出完整Pareto前端的基础上,确保输出大量符合偏好的最优解.将PMABCA应用于过热汽温控制系统PID参数优化问题,仿真结果表明,新算法的结果更便于决策者做出合理决策.     

Diabetes diet nutrition optimization based on particle swarm optimization algorithm

Nutrition intervention is the key to prevent and control diabetes mellitus. Diabetic patients’ nutrition intervention requires reasonably control of the intakes of the three major nutrients. A diabetes diet nutrition optimization method based on particle swarm optimization (PSO) algorithm is proposed for individual nutritional intervention of diabetes. Firstly, a nutritional optimization mathematical model is established, which meets the demand of diabetic patients’ three major nutrients intake, and then an improved particle swarm optimization algorithm is applied to solve the model. To enhance the convergence speed and search ability of the standard particle swarm optimization, the adaptive inertia weight factor and the natural selection mechanism are introduced in PSO. The performance of the proposed method is verified through an experiment, and the attainment rates of three major nutrients in the designed recipes are close to 100? according to the experimental results, which indicates that it can greatly improve the precision of diabetes nutrition recipes     

非线性随机扰动的粒子群优化算法

在惯性权重非线性递减策略的基础上,引入小阻尼振荡函数,提出一种新的非线性递减随机扰动的粒子群算法,通过2个基准测试函数对算法性能和收敛性进行了分析.实验仿真表明：相对于标准粒子群算法,新策略加快了收敛速度,在一定程度上避免了粒子群优化算法的早熟收敛问题.     

基于改进PSO的多传感器数据自适应加权融合算法

加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度.     

基于粒子群算法的太阳能电动汽车复合能源系统优化

太阳能电动汽车的复合能源系统优化匹配问题可以看成一个多目标优化问题,两个相互冲突的目标是极大化系统的峰值功率满足率和极小化系统的成本,前者关系到系统的可靠性后者涉及到样车能否量产,所以两个优化目标都很重要.本文提出了改进的粒子群算法优化配置太阳能电动汽车复合能源系统,这种改进的粒子群算法引进了遗传算法里的变异算子,并且打破常规算法里的加速因子为常数的惯例而使加速因子随时间改变.优化结果显示：改进的粒子群算法也能够很好地解决复合能源系统的多目标优化问题.     

基于PSO算法和ANSYS的变截面板簧优化仿真设计

利用智能微粒群算法(PSO)优化设计少片变截面弹簧代替原等截面板簧.文章通过ANSYS对其静态和动态特性进行有限元仿真分析,结果显示,在满足悬架性能条件下,质量比原板簧减轻了约31%.     

微粒群算法参数设置的正交试验分析

微粒群算法(PSO)提出后,由于其优越的性能和易用性而得到了广泛的应用。传统PSO在算法参数设置上主要凭研究者经验进行选择,难免存在主观随意性偏差。采用正交试验设计的方法对PSO算法的w、c_1、c_2参数设置进行试验分析,从而提出较好的参数设置。通过对4个标准测试函数的实验分析,结果显示当w=1、c_1=c_2=3时算法有较好的性能。     

基于粒子群优化算法的散乱数据光顺拟合

在散乱数据光顺拟合问题的计算中,引入了群体智能粒子群优化算法,增加了计算的自动程度以及客观性,优化中提出了优于传统罚函数法的模糊罚函数法,将模糊集合理论和粒子群优化算法有机地结合起来,并通过对节点序列内在关联性的分析,提出了适合邻域搜索类算法实施的邻域结构,以获得目标函数的全局解,最后给出了数值仿真实例。     

基于粒子群算法求解整数规划的改进方法

标准粒子群算法主要用于优化连续性,而对粒子群算法求解非线性整数规划,算法的粒子位置必须解决取整问题。基此,文章提出一种粒子位置最终取整的方法,以改进粒子群算法解决整数规划的具体过程。基准函数的仿真结果表明,改进后的取整方法的搜索成功率优于直接取整和随机取整,综合搜索效率更佳。     

基于并行粒子群优化算法的蛋白质二级结构预测

为了提高蛋白质二级结构预测的效率,对具有完全学习策略的量子行为粒子群（CLQPSO）算法进行了研究,实现了一种融合混沌优化与完全学习策略的量子行为粒子群算法;通过在粒子群进化过程中对收缩扩张因子和局部吸引子的混沌优化,提高了敛速和精度．基于统一计算设备架构（CUDA ）,利用GPU 的并行计算能力,将该算法并行化并应用到蛋白质二级结构预测中．实验表明：相比串行实现,该并行算法在对长度较短的残基序列进行蛋白质二级结构预测时,加速比可超过40．     

基于粒子群算法的BP神经网络优化在电站锅炉燃烧中应用研究

用BP神经网络对电站锅炉运行数据进行训练、测试,并在此基础上使用粒子群算法对已建立的锅炉BP神经网络模型做进一步优化。通过对网络预测输出值与实际值之间的比较,明确PSOBP可以更好地提升BP神经网络的泛化能力。     

损失规避下的指数跟踪问题及其粒子群算法求解

随着指数衍生产品日益受到重视,指数化投资组合常被传统的消极基金管理者或机构所采用,而用有限的资金按指数构成比例进行投资显然是不现实的,所以指数的最优误差追踪就显得更加重要。将追踪误差定义为证券投资组合收益率与所追踪的指数基准收益率之差的均值平方和的平方根,建立了基数约束（即总资产数不超过某个特定整数K）下考虑投资者损失规避决策偏好的跟踪误差最小化模型,并设计了一个粒子群算法求解模型。实际算例表明,所构建的模型和算法是有效的。     

粒子群优化算法发展综述

粒子群优化（PSO）算法是一种源于人工生命和演化计算理论的优化技术．PSO通过粒子搜寻自身的个体最好解和整个粒子群的全局最好解来更新完成优化．该算法原理简单，所需参数枝少，易于实现，目前已经应用到很多领域．文章阐述了基本PSO的原理。给出了各种改进技术，并展望了PSO的发展方向。     

简化粒子群优化算法改进研究

简化粒子群优化算法（sPSO）去掉了PSO中的速度项,使算法性能有了显著提高。文章以该算法为基础,讨论了sPSO的改进方向,然后提出了惯性权值优化的简化粒子群优化算法（wsPSO）以及带极值扰动和惯性权值优化的简化粒子群优化算法（wtsPSO）,并通过实验验证了改进的有效性节。     

基于元胞自动机改进的微粒群算法

该文在分析微粒群算法局部最好模型几种邻域结构特点的基础上,提出了基于元胞自动机改进的微粒群算法。该算法从元胞自动机的建模思想出发,指出了微粒群算法本身就是一个元胞自动机,从而利用元胞自动机的理论对微粒群算法进行分析改进。实验结果表明,该算法不仅在单峰函数和多峰函数的优化中表现出了较好的性能．而且还适合比较广泛范围函数的优化。     

基于双层蚁群优化算法的城市物流配送路径规划

城市物流配送路径规划问题，是配送过程中最重要的问题之一，针对现有各种配送路径规划算法在求解复杂问题时的局限性，提出了基于双层蚁群优化算法的物流配送路径规划新算法，对带有约束条件的配送网络权重模型进行了高效求解．仿真结果验证了所设计算法的实用性和有效性．     

Hybrid discrete particle swarm optimization algorithm for capacitated vehicle routing problem

INTRODUCTION The vehicle routing problem (VRP), which was first introduced by Dantzig and Ramser (1959), is a well-known combinatorial optimization problem in the field of service operations management and logis- tics. The capacitated vehicle routing problem (CVRP) is an NP-hard problem for simultaneously determining the routes for several vehicles from a central depot to a set of customers, and then return to the depot without exceeding the capacity constraints of each vehicle. In pr…     

改进沙猫群优化算法的机器人路径规划

为了寻找更优的机器人移动路径,将沙猫群优化算法与三次样条插值方法进行融合,对沙猫群优化算法进行改进。在改进的沙猫群优化算法中,利用混沌映射的均匀性初始化种群以提高种群多样性;通过融合互利共生和莱维飞行策略减少局部最优解的消极影响,提高算法的收敛速度和精度。通过两种仿真实验对比6种优化算法的实验数据,结果表明,改进的沙猫群优化算法的最优解、最差解和平均解都优于对比算法,验证了改进沙猫群优化算法对于解决移动机器人路径规划问题的有效性和工程实用性。     

一种基于粗糙集和粒子群优化算法的权重确定方法

为了克服基本粗糙集理论确定权重的不足,提出一种新的基于粗糙集和粒子群优化算法的权重确定方法.该方法先利用粗糙集和粒子群优化算法对决策表进行属性约简,对约简后的决策表再用粗糙集方法计算属性权重.运用该算法对教师职业倦怠与压力数据进行分析,得到影响教师职业倦怠的各种压力因子的权重.研究结果表明,基于粗糙集和粒子群优化算法可以对决策表的权重进行有效的分析.     

以粒子蜂群网络建立高性能混凝土坍落度模型

以粒子蜂群算法(particle bee algorithm, PBA)结合神经网络(artificial neural network, NN),发展出一套能预测高性能混凝土(high performance concrete, HPC)坍落度模型的方法。以演化运算树(genetic operation tree, GOT)及倒传递网络(back propagation network, BPN)2种已发表的方法来比较其准确度。从模型的准确度可知,粒子蜂群网络(particle bee neural network, PBNN)模型预测的准确度高于GOT,但接近BPN的准确度;从参数的影响性可知,PBNN显示水、强塑剂、粗骨材、细骨材、粉煤灰及水泥添加量对于HPC坍落度的影响性大,而高炉矿渣粉用量对HPC坍落度并不敏感,显示各项材料对于坍落度的影响仍具备高度复杂性。