基于信息素的离散PSO算法

为了将微粒群优化(Particle Swarm Optimization, PSO)算法应用到离散领域,并使算法仍具有较佳的搜索性能,以信息素积累为基础,由离散状态的信息素构成微粒编码,重新构造算法的迭代公式.微粒信息素的变化基于信息素原先的情况、个体历史最优及全局历史最优.以信息素为依据进行离散状态的选择,由此提出一种基于信息素的离散PSO算法.将该方法应用于基于时延约束的最小能耗路由优化问题,能获得较好的路由优化结果,表明该算法具有优良的收敛性能.     

基于WT和PSO的雷达脉内调制参数分析

雷达脉内调制信号分析是实现雷达辐射源信号识别的一个重要手段,雷达脉内调制信号是典型的非平稳信号,需采用非平稳信号处理方法进行分析.小波变换是处理非平稳信号的有力工具,可用来对脉内信号进行分析,但需要搜索算法搜索变换后的小波脊线.因此,在对调制信号进行小波变换后,采用微粒群优化算法搜索小波脊线.通过计算机仿真,结果表明利用小波变换和微粒群优化算法可对雷达脉内调制信号进行参数分析与提取,小波变换分析方法是有效的、合理的.     

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。     

改进的万有引力搜索算法

针对万有引力搜索算法对一些优化问题的搜索精度不高,容易出现早熟的问题,提出了改进的万有引力搜索算法.该算法借鉴生物界中雁群的飞行特征和加权平均法,扩大了搜索范围,加强了粒子间的合作与竞争.通过对6个基准函数的仿真测试,MATLAB仿真结果表明新算法能更有效地提高全局搜索能力.     

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.     

粒子群算法求解基于广义Choquet-积分的多元非线性回归模型

多元回归模型已经成为当前数据挖掘中重要的方法之一,而求解回归模型的关键问题是如何确定回归系数和模糊测度.针对以往使用遗传算法确定回归系数和模糊测度时间复杂度高和收敛速度较慢的问题,使用一种高效的搜索算法--粒子群算法求解基于广义Chtoquet-积分的多元非线性回归模型,分别在人工数据和真实数据上进行实验,对粒子群算法和遗传算法进行比较.结果表明,用粒子群算法求解该模型不仅比遗传算法收敛速度快,而且还能搜索到比遗传算法更优的解.     

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.     

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QPSO方法的足球机器人路径规划

提出了一种基于量子粒子群优化算法(QPSO)的足球机器人路径规划方法。为适应QPSO算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子(即解)的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点。与PSO算法的对比仿真实验表明,该算法在足球机器人路径规划方面是可行的、有效的。     

基于PSO的BP神经网络-Markov船舶交通流量预测模型

为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。     

全渠道零售场景下配送车辆路径问题

为研究全渠道零售的配送系统对企业物流成本的影响,综合考虑时间窗、车型选择等因素,以运输成本最低为目标,建立高度协同的全渠道零售场景下的物流配送模型。该模型采用自适应遗传算法求解,利用MATLAB进行算例分析。结果显示:全渠道零售模式下的车辆调度方案能迅速响应消费者需求,与一般配送模式相比可以减少物流成本,优化车辆配置。与粒子群优化算法相比,自适应遗传算法的运行时间更短、优化结果更好,这验证了模型和算法的可行性和有效性。     

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.     

基于最小二乘支持向量机的AIS数据修复方法

针对当前船舶自动识别系统(automatic identification system,AIS)数据存在大量错误和缺失的问题,通过匹配AIS数据丢失时间制定完备AIS数据库,采用改进的Hausdorff距离公式融合轨迹空间相似度与船舶航行速度相似度,采用相似轨迹作为最小二乘支持向量机(least squares support vector machine,LSSVM)算法的输入样本,通过数据训练得到的回归模型对AIS数据进行修复。采用实际数据进行验证。结果显示,本文提出的基于粒子群优化(particle swarm optimization,PSO)的LSSVM算法能够准确还原AIS数据。结果可以提高AIS数据的连续性和完整性。     

基于短时交通流量预测对路网微观交通仿真的研究

针对早高峰短时交通流量预测数据少、波动大的特点,提出用灰色模型进行预测。将灰色GM(2,1)改进为灰色GM(2,1,λ,ρ)预测模型,以提高预测精度。针对粒子群算法(PSO)的早熟现象,将Logistic混沌搜索嵌入到PSO算法,应用混沌粒子群算法(CPSO)寻找灰色GM(2,1,λ,ρ)预测模型最优的参数λ和ρ。结合两者提出了基于CPSO–GM(2,1,λ,ρ)的早高峰短时交通流预测模型。利用VISSIM对研究路网进行微观交通仿真,通过VISSIM–Excel、VBA–Matlab平台实现了短时交通流量预测和路网微观交通仿真数据的交互,对集成交通控制系统的架构进行了方案设计。仿真结果表明,结合流量预测的路网优于固定信号配时下的路网仿真。     

基于粒子群算法的混沌系统快速控制

对混沌系统施加微小扰动,使其自某初始点快速到达给定的不动点(目标点)邻域内,从而实现对混沌系统的快速控制。给出了求解混沌系统扰动序列值的无约束优化模型,并应用粒子群算法求解此优化问题。该算法不需要初值和导数信息,并具有控制参数少、容易实现等优点。数字实例表明,对于混沌系统快速控制问题,粒子群算法能求出满足要求的多组扰动序列值,且收敛速度较快、精度较高。     

集装箱码头装卸作业成本分摊与折扣定价

为实现集装箱码头装卸作业收益最大化,采用估时作业成本法将码头装卸作业成本分摊到客户对象(船公司)上,为后续研究收益最大化提供精确成本分摊信息.基于船公司成本分摊情况,构建带有惩罚费率的折扣机制,并利用粒子群算法对折扣价、惩罚费率、折扣点进行精确求解.以上海港某码头为例,通过求解模型得到:2015年10月的最佳折扣点为11 956 TEU,折扣价为413元/TEU,惩罚费率48元/TEU,码头在该项业务上收益增加180 771元.算例表明,该折扣机制有助于集装箱码头装卸作业实现收益最大化.