基于多粒子信息共享策略的PSO小波网络模型

针对粒子群优化算法在训练小波网络存在的早熟收敛问题,提出一种改进的粒子群优化算法.该算法通过引入多粒子信息共享策略,使种群中各粒子共享多个粒子的有用信息,以期增加种群多样性,减少各粒子在进化早期被吸引到最优粒子附近的可能性,提高小波网络的建模质量.仿真表明,相对于BP算法和标准粒子群优化算法,本文算法在训练小波网络方面估计精度更高,收敛速度更快,并有效解决了早熟收敛和局部最优问题.     

改进的多目标粒子群优化算法及其在雷达布站中的应用

为更好地解决多目标问题,提高多目标优化算法的多样性和收敛性,提出一种改进的多目标粒子群优化算法。算法将种群分为多个子种群同时进行优化搜索并改进粒子速度更新公式,扩大Pareto最优解集的覆盖面;利用反三角函数logistic映射初始化种群,使初始种群分布更均匀;并使用时变变异方法对外部档案进行变异,避免陷入局部最优。通过与标准多目标粒子群优化算法(MOPSO)和NSGA-Ⅱ在标准测试函数ZDT1、ZDT2、KUR上的仿真实验对比,验证了该文提出的改进算法的有效性,并将其应用于雷达优化布站。     

基于改进粒子群算法的输电网扩展规划

针对标准粒子群（SPSO）算法易收敛到局部最优的缺点,采用了一种改进的粒子速度更新公式,即在SPSO算法速度更新公式的基础上,加入一个平均极值项,使得各粒子能参考其它同伴的信息;此外在算法迭代过程中加入变异操作,适时初始化失活粒子的位置和速度来保持种群多样性．在输电网扩展规划中的应用结果表明,上述两个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进粒子群（IPSO）算法的有效性．     

多目标柔性作业车间调度的Pareto混合粒子群算法

针对多目标柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)的复杂性,建立了以总完工时间、所有机器总负载及最大机器负载为目标函数的多目标调度模型,提出了一种带有Pareto档案集的混合粒子群优化算法.该算法首先通过全局搜索、局部搜索和随机产生相结合的初始化方法产生高质量的初始种群,利用改进的快速排序法构造Pareto档案集,并给出了一种快速更新Pareto档案集的算法.既保持了种群的多样性,避免了算法陷入局部最优,又有效地提高了算法的收敛速度;算法中还引入逆转策略来进一步增加解的多样性.通过3个经典算例的实验仿真,验证了该算法的可行性和有效性.     

基于Levy飞行策略的自适应改进鸟群算法

针对新型生物启发式群智能算法—鸟群算法(BSA)因进化初期种群多样性不足,以及认知和群体行为调节参数的改变而导致在优化小部分多极值函数时种群收敛精度变差、收敛迭代次数偏大甚至出现早熟收敛、陷入局部最优的问题,提出了Levy自适应改进鸟群算法(LSABSA).该算法采用Levy飞行策略的随机游走模式来增加种群多样性和跳出局部最优值,并通过(0,1)随机均匀分布自适应改进惯性权重以及线性调整认知和社会系数来平衡BSA算法的全局和局部搜索能力,进而提高求解精度.最后采用10个典型测试函数对LSABSA算法以及粒子群算法(PSO)、改进粒子群算法(GPSO)和鸟群算法(BSA)进行仿真实验和分析对比,表明了LSABSA算法的收敛速度、精确度和稳定性均优于其他算法.     

一种改进的粒子群与人工蜂群融合算法

针对标准的粒子群算法和人工蜂群算法收敛性能差、在复杂优化问题易陷入局部最优的缺点,提出了一种改进的融合算法.改进融合算法拥有双种群并行进化,其中粒子群采用改进的反向学习策略,以增加群体的多样性;蜂群中跟随蜂根据个体停滞次数,自适应地改变进化策略,以平衡全局探索与局部开发能力.同时算法将交替共享两个种群的全局最优位置,通过相互引导使融合算法具有更好的寻优能力.8个经典函数和CEC2013的8个复合函数的实验结果表明,与最新的一些改进粒子群和人工蜂群算法相比,该算法的收敛速度和收敛精度均有较显著的优势.     

进化状态判定与学习策略协同更新的二进制粒子群优化算法

针对二进制粒子群算法存在收敛速度较慢及易早熟的问题,提出一种进化状态判定与学习策略协同更新的二进制粒子群优化算法(ELBPSO),将粒子群迭代过程分为收敛和跳出局部最优两个状态,在进化状态判定的收敛状态阶段采用全信息(Fully informed)学习策略来提高收敛速度,对进化状态判定的跳出局部最优状态阶段采用局部信息(Singly informed)学习策略以维持种群多样性,使算法不易陷入局部最优。实验结果表明:ELBPSO算法具有更好的收敛速度和精度,可以有效平衡收敛与跳出局部最优。     

面向离散优化问题的改进二元粒子群算法

二元粒子群算法被广泛用于求解离散组合优化问题。在求解离散优化问题时,二元粒子群算法会出现解空间利用率低,速度和状态趋同以及退化和波动等演化问题。针对这些问题,提出一种改进的二元粒子群算法。算法使用Gray码演化基编码,混沌初始化过程,改进速度和状态调整方法以及子代处理方法用于提高种群利用率和种群多样性。在不同类型的检验函数以及多选择背包问题上,和现有优化算法及其他二元粒子群算法相比,改进算法能够获得较高的收敛精度以及较快的收敛速度,体现出多离散优化问题的实际效用。     

多角色多策略多目标粒子群优化算法

针对粒子群算法在解决复杂多目标问题时存在过早收敛和多样性不足的问题,提出多角色多策略多目标粒子群优化算法(MOPSO_RS). 该算法根据粒子的角色划分指标,给不同性能的粒子赋予不同角色;提出多策略的学习参数调整方法和多策略的全局最优粒子选取方法,帮助种群执行各种搜索策略. 不同的学习参数使各角色粒子获得不同的搜索策略,以调整粒子的探索和开发能力. 不同的全局最优粒子使各角色粒子搜索不同区域,提高种群的搜索效率. 为了避免算法陷入局部最优,引入带有高斯函数的变异算子,使粒子根据其角色朝向不同的全局最优粒子变异,提高算法的求解精度. 实验结果表明,对比其他改进多目标算法,MOPSO_RS具有良好的收敛性和多样性,并验证了所提策略的有效性.     

一种具有随机变异性质的粒子群协同优化算法

给出了一种具有随机变异特性的改进型粒子群协同优化算法,该算法克服了传统粒子群算法易陷入局部最优解且后续迭代过程速度慢的缺点.在迭代过程中,粒子的变异概率取决于粒子的适应度值以及当前所有粒子的聚集度.通过变异,粒子可有效地探索新的空间领域,从而可以有效地避免陷入局部最优解.Benchmark函数实验结果表明,优化后的粒子群算法比传统粒子群算法具有较快的收敛速度和较高的全局收敛能力.     

一种新型生物地理学智能优化算法及其比较研究

生物地理学优化算法（BBO）包括迁徙模型和算法流程,在一些基准函数下,通过BBO算法与其他较为传统智能优化算法的性能比较,显示出BBO算法的优越性能.论述了算法中的某些参数的影响,指出了BBO算法有待解决的问题.     

渐进结构优化方法及算例

渐进结构优化法(ESO)是近年来兴起的一种解决各类结构优化问题的数值方法。其原理是通过将结构中无效或低效的材料逐步去掉,使剩下的结构逐渐趋于优化。与其它优化方法相比,该方法原理简单,计算效率高,工程应用方便。本文阐述了渐进结构优化法的基本原理和具体步骤,并按照各种约束条件详细介绍了该方法在国内外的研究进展和典型范例。     

基于拓扑和尺寸组合优化的ATV车身轻量化研究

针对车身结构在概念设计阶段出现的拓扑优化结果不连续,结构优化设计周期时间长等问题,基于optistruct优化软件,提出一种拓扑和尺寸组合优化模型.该模型可以同时进行尺寸优化和拓扑优化设计,得到车身蒙皮优化尺寸和最优的车身骨架加载路径,同时缩短了结构的概念设计阶段的设计周期.以ATV车身的结构优化设计为研究对象,对比优化前后的分析结果,在不降低结构性能的前提下优化后的结构减重105.5kg,验证了该方法的可行性.     

桁架结构形状优化的粒子群优化算法

为解决有应力约束、几何约束以及局部稳定性约束的桁架结构的形状优化设计,将粒子群优化(PSO)算法应用于桁架结构的形状优化设计.首先详细介绍了原始PSO算法的基本原理,然后引入压缩因子改进了原始的PSO算法,并提出了合理的参数设置值.优化计算过程中,综合考虑了节点坐标和截面面积等两类不同性质的设计变量.最后对几个经典问题进行了求解,并与传统的优化算法进行了比较.数值结果表明,改进的PSO算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的形状优化设计.     

笼型粉碎机的优化设计

本文在对笼型粉碎机结构和运动分析的基础上,建立了笼型粉碎机离散混合变量的优化设计模型,提出了离散混合变量优化问题的两步优化算法。该算法充分发挥了连续变量优化算法效率高和离散变量优化算法符合实际变量取值要求的优点,以连续变量优化的结果作为离散变量优化算法的初始点,大大提高了解决此类问题的效率。经对一实际产品的优化表明:在满足各种约束条件下,增大笼轮外径,间隙增大,生产率提高,并可最大限度地发挥原动机的潜力,优化后生产率提高了9.86 t/h,相对增加66.7%.     

弧形钢闸门结构整体优化设计

对闸门结构的优化多将其简化为平面体系或者分别对各构件进行优化,而各构件的最优往往不能等同于结构整体最优.利用APDL语言对ANSYS进行二次开发,融合了有限元法数值计算的准确性和优化方法求极值的高效性,按真实的三维情况对闸门进行优化设计,成功解决了弧形钢闸门的三维优化问题,为优化设计的工程应用提供了一种方法.     

Optimal design of dynamic and control performance for planar manipulator

k]A design and optimization approach of dynamic and control performance for a two-DOF planar manipulator was proposed. After the kinematic and dynamic analysis, several advantages of the mechanism were illustrated, which made it possible to obtain good dynamic and control performances just through mechanism optimization. Based on the idea of design for control (DFC), a novel kind of multi-objective optimization model was proposed. There were three optimization objectives: the index of inertia, the index describing the dynamic coupling effects and the global condition number. Other indexes to characterize the designing requirements such as the velocity of end-effector, the workspace size, and the first mode natural frequency were regarded as the constraints. The cross-section area and length of the linkages were chosen as the design variables. NSGA-II algorithm was introduced to solve this complex multi-objective optimization problem. Additional criteria from engineering experience were incorporated into the selecting of final parameters among the obtained Pareto solution sets. Finally, experiments were performed to validate the linear dynamic structure and control performances of the optimized mechanisms. A new expression for measuring the dynamic coupling degree with clear physical meaning was proposed. The results show that the optimized mechanism has an approximate decoupled dynamics structure, and each active joint can be regarded as a linear SISO system. The control performances of the linear and nonlinear controllers were also compared. It can be concluded that the optimized mechanism can achieve good control performance only using a linear controller.     

渐进演化类拓扑优化算法的优化准则对比研究

渐进演化类拓扑优化算法的优化准则是影响结构优化结果的关键因素之一。以不同荷载和边界条件下的深梁模型为数值算例，比较了基于不同优化准则的3种算法在优化解和优化效率上的差别。结果表明：对于荷载和边界等条件较简单的构件，采用单向和确定性优化准则的渐进演化类拓扑优化算法能高效地得到最优拓扑，采用概率性优化准则和采用双向优化准则的渐进演化类拓扑优化算法有着更广的适用范围，在荷载和边界等条件较复杂的构件上，同样表现出较强的避免优化畸变的能力和全局寻优能力。对结合概率性优化准则和双向优化准则的遗传双向渐进演化结构优化算法建立了流程图，并进行初步讨论，以期进一步提高渐进演化类拓扑优化算法的实用性和寻优能力。     

不压井井口装置的结构优化设计

采用拓扑优化和尺寸优化对不压井装置进行结构优化设计。首先利用基于变密度法的拓扑优化,以柔度最小为优化目标,体积分数作为约束条件,得到设计空间内最优的材料分布路径。然后根据得到的拓扑结构重新设计不压井装置结构。利用最终得到的不压井装置的拓扑结构建立新的有限元模型,利用尺寸优化工具,以最小质量为优化目标,最大位移与最大应力为约束条件,实现不压井装置的减重。通过综合两种优化方法,不仅提高了不压井装置的性能,而且大大降低了不压井装置的质量,为工程结构提供了一种新设计思路。     

抗震结构的优化设计

本文以近十年来我院抗震结构优化设计的研究成果为例简要地介绍了抗震优化的理论和方法。首先指出了抗震结构优化设计的数学模型是有时间参数约束的非线性规划问题,它可以简化为不含参数约束的问题来求解.然后,以剪切型框架抗震优化为例给出满约束设计的概念和方法;以平板网架抗震优化为例介绍了用最大总应变能为优化目标的一种抗震优化方法;以桁架与钢筋混凝土烟囱抗震优化设计为例阐述了抗震优化设计非线性规划解法的特点.最后用剪切型框架抗震优化设计为例介绍了如何建立和应用抗震经验优化规律。