具有动态学习能力的分层进化粒子群优化算法

针对粒子群算法(PSO)在优化高维多极值问题时容易陷入局部极值的问题,结合分层进化与动态学习策略,提出一种具有动态学习能力的分层进化粒子群优化算法(DHEPSO).该算法首先根据粒子适应度值将粒子划分为不同层级,对不同层级粒子采取不同的进化策略,避免迭代后期种群多样性快速消失;然后根据粒子所属层级的不同动态调整粒子学习...     

承压水下振动环境下矿床塌方风险监控模型分析

提出了一种基于承压动态微粒群的矿床塌方风险监控模型,采用微粒群多目标约束的智能感知技术对塌方点进行准确的定位,将承压水振动强度最大值和压力最大值进行融合构建目标函数。粒子依据目标函数的适应值调整位置和速度,如果目标函数低于矿床塌方极限,则进行矿床塌方报警,完成矿床塌方风险的准确检测。实验结果说明,该种模型可在不同的承压水振动环境下对矿床塌方情况进行准确监控,提高了矿床塌方危险监控的精度,具有重要的应用价值。     

基于粒子群优化的神经网络实时交通信号配时

由于人工神经网络具有表征复杂输入输出系统的强大功能,将其用于城市道路交叉口的实时信号配时,是极有应用前景的尝试。文章采用三层人工神经网络建立城市道路交叉口信号配时模型,并把粒子群优化算法作为神经网络的学习算法。该算法具有极高的全局优化形态与计算效率。这种方法建立的模型将有助于降低交叉口的总延误,提高通行能力,使神经网络发挥更好的控制效果。     

TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

基于混沌猴群优化的LSSVM网络入侵检测模型建构

针对网络入侵数据具有高维度、数据量大的特点,引入混沌算子完成标准猴群算法的初始化操作,接着利用优化后的猴群算法对LSSVM的核函数系数以及函数的调节系数进行优化,构建一个CMA-LSSVM入侵检测模型。仿真实验结果表明,该模型对网络入侵数据具有较好的泛化能力和较高的检测精度,效果良好。     

一种大储量罐车紧急切断阀失灵检测方法研究

为了提高大储量液化石油气罐车紧急切断阀失灵检测的精度和效率,提出了基于增强模糊支持向量机的罐车紧急切断阀失灵检测方法。首先通过对大储量液化石油气罐车紧急切断阀的常见失灵类型进行分析,将其样本数据进行训练集和测试集的训练。其次利用模糊支持向量机算法进行罐车紧急切断阀失灵检测模型建立。然后利用粒子群进化算法进行该模型的最优参数、惩罚系数和隶属度的确定,最后利用优化的参数进行支持向量机的分类。通过训练集和测试集对该模型进行仿真实验,仿真实验结果表明,该方法的失灵检测准确率均在95%以上,具有较高的鲁棒性和可靠性。     

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。     

Multi-Objective Optimization of Water-Sedimentation-Power in Reservoir Based on Pareto-Optimal Solution

A multi-objective optimal operation model of water-sedimentation-power in reservoir is established with power-generation, sedimentation and water storage taken into account. Moreover, the inertia weight self-adjusting mechanism and Pareto-optimal archive are introduced into the particle swarm optimization and an improved multi-objective particle swarm optimization (IMOPSO) is proposed. The IMOPSO is employed to solve the optimal model and obtain the Pareto-optimal front. The multi-objective optimal operation of Wanjiazhai Reservoir during the spring breakup was investigated with three typical flood hydrographs. The results show that the former method is able to obtain the Pareto-optimal front with a uniform distribution property. Different regions (A, B, C) of the Pareto-optimal front correspond to the optimized schemes in terms of the objectives of sediment deposition, sediment deposition and power generation, and power generation, respectively. The level hydrographs and outflow hydrographs show the operation of the reservoir in details. Compared with the non-dominated sorting genetic algorithm-II (NSGA-II), IMOPSO has close global optimization capability and is suitable for multi-objective optimization problems. LI Hui, born in 1981, male, doctorate student. Supported by National Science Fund for Distinguished Young Scholars (No.50725929) and National Natural Science Foundation of China (No.50539060,50679052).     

模拟退火改进粒子群优化算法求解优化问题

针对粒子群优化算法后期易陷于局部最小的缺点,引入模拟退火思想,建立模拟退火—粒子群优化算法。通过求解函数优化问题对比实验,表明改进后的粒子群优化算法增强全局寻优能力,搜索成功率大为提高。     

基于PSO-SVM的电动车铅酸蓄电池SOC预测

为了提高电动车铅酸蓄电池的电池荷电状态(SOC)预测精度,将粒子优化算法(PSO)引入到支持向量机(SVM)中,建立了PSO-SVM电动车铅酸蓄电池SOC预测模型,模型输入量为电池的电压和电流,输出量为SOC。采用PSO算法对SVM的惩罚因子C和径向基函数宽度σ寻优,降低了SVM参数取值的盲目性,提高了预测精度。设计了铅酸蓄电池数据智能采集系统,并进行了实际运行车辆电池数据采集。在advisor2002软件中获取的电池数据和实际车辆电池运行数据的基础上,进行了模型训练和预测。结果表明,PSO-SVM预测模型相对传统的BP、RBF和SVM预测模型具有更好的精度和推广能力,满足了"SOC估算精度小于5%"的要求,从而表明该模型是有效的、可行的,并具有较好的工程实用价值。