基于混合粒子群优化算法的矿山生产配矿

为了提高矿山低品位矿产资源的利用率, 确保生产过程中矿石质量的稳定性和均匀性, 建立了一种矿山多目标配矿优化模型, 并将标准遗传算法中的交叉和变异操作与标准粒子群算法融合, 提出求解该优化模型的混合粒子群算法。以国内某地下铝土矿为例, 分别运用混合粒子群优化算法、标准遗传算法和标准粒子群算法3种方法对建立的多目标配矿优化模型进行求解, 通过对比优化结果发现: 混合粒子群优化算法求解的各采区月出矿量完全满足矿山实际生产要求, 而标准遗传算法和标准粒子群算法求解结果存在误差, 分别达到9.92%和14.94%, 且易陷入局部最优值; 从迭代进化曲线可知, 混合粒子群优化算法收敛速度快, 稳定性和鲁棒性较高, 具有一定科学研究和实际应用价值。     

基于IPSO-ELM的边坡稳定性分析

边坡稳定性受多种复杂因素影响,传统算法很难得到高精度预测结果,为了及时准确地对边坡稳定性做出可靠性分析,提出了改进粒子群优化极限学习机(IPSO-ELM)模型并应用于边坡稳定性预测实例中.首先在粒子群算法(PSO)的基础上,为克服在寻优过程中易出现局部最优的问题,引入自适应权重法,将改进粒子群算法(IPSO)对极限学习...     

基于MPSO算法的RBF网络学习算法

针对标准粒子群优化(PSO)算法存在早熟收敛,易陷入局部极值的缺陷,提出了一种利用混沌优化算法确定PSO算法参数的改进粒子群优化(MPSO)算法。为了提高径向基函数(RBF)神经网络的精度和性能,提出了一种基于改进粒子群优化(MPSO)算法的RBF网络学习算法。RBF网络隐层节点个数用对手受罚的竞争学习(RPCL)算法确定后,基函数的中心矢量、方差和网络权值用MPSO算法在全局空间动态确定。采用Iris分类问题做仿真实验,并与基于标准PSO算法的方法和单纯BP网络训练进行比较。实验结果表明,该算法性能优于所比较的2种算法,并且具有良好的收敛性和模式分类能力。     

基于随机权重法改进PSO-ELM的露天矿边坡稳定性分析

为提高极限学习机(ELM)模型在弓长岭露天矿边坡稳定性预测中的精度,有效解决ELM模型在训练过程中随机产生的连接权值和隐含层阈值而导致模型稳定性差的问题,引入基于随机权重法改进的粒子群算法(IPSO)进行优化,提出了改进粒子群算法优化极限学习(IPSO-ELM)模型,将该模型应用到弓长岭露天矿边坡监测的数据中,把预测结果与ELM模型和PSO-ELM模型的预测值进行对比分析,结果表明：IPSO-ELM模型预测值接近于实测值,预测精度高、预测速度快,模型构建合理,在露天矿边坡预测中具有较高的可行性,可作为露天矿边坡预测的一种参考方法。     

爆破震动参数的算法比较及工程应用

针对目前优化爆破震动参数存在的问题,结合矿山实际工程爆破测震数据,分别采用最小二乘法与粒子群算法对测震数据进行了分析处理,得到粒子群算法处理结果的残差绝对值之和为0.870,相对于最小二乘法的2.188减小了1.318,说明粒子群算法在小样本寻优过程中具有技术优势。     

动态权重差异演化PSO优化PID算法在带钢对中控制系统中的应用

以带钢冷连轧对中控制系统为研究对象, 通过分析比较ZN法、遗传算法、标准粒子群优化算法(PSO)以及改进型粒子群优化算法(MPSO)来优化PID控制算法优劣, 最终确定动态权重差异演化的粒子群(MPSO)优化PID控制算法最优, 从而设计了MPSO-PID控制器, 结果表明其能达到系统预期精度要求, 能使系统更快速、更稳定地运行。     

模拟进化计算理论及设计方法

模拟进化计算(Simulated Evolutionary Computation，简称SEC)技术是模拟自然界生物进化过程与机制求解优化与搜索问题的一类自组织、自适应技术。     

基于改进粒子群优化算法的遥感图像阈值分割

针对粒子群优化算法在其优化过程中所存在的一些问题,引进了恰好可以弥补其不足的捕食搜索算法,从而提出了一种基于捕食搜索策略的粒子群优化算法;进而将基于捕食搜索策略的粒子群优化算法和基于最大熵的多阈值图像分割方法相结合,实现了改进的智能优化算法对遥感图像的分割。     

基于CPSO-BP神经网络的冲击地压预测

针对预测冲击地压的传统方法存在的弊端,提出了一种基于混沌(Chaos)优化粒子群的BP神经网络算法。该算法将混沌、粒子群、BP神经网络结合起来,通过混沌粒子群算法寻优得到BP神经网络的最优权值和阈值初始值,然后进行网络训练和测试。该算法对冲击地压的预测取得了较好的效果。     

混合PSO算法优化异步电机矢量控制参数在矿井提升机的应用

在矿井提升机异步电机的矢量控制技术中,对于采用PI控制的电流闭环控制方式,PI控制器的参数的优化尤为重要。利用一种混合粒子群(PSO)算法对异步电机速度控制器的参数进行优化,并与常规控制器参数以及标准粒子群算法优化后的速度控制器参数进行比较,实验结果表明,用混合粒子群算法优化的参数,可以提高系统的控制速度、动态性能,对矿井提升机异步电机矢量控制的研究具有一定的理论和现实意义。     

基于改进粒子群算法在矿山车辆配送路径中的应用

针对基本粒子群算法全局寻优能力弱,容易陷入局部最优等缺陷,提出了一种改进的算法,并将该算法应用到车辆配送路径中。并通过实验进行验证,文中提出的算法明显的优于标准粒子群算法,有效的解决了矿山配送车辆路径问题。     

基于TS-IPSO混合算法的大型配电网扩展规划

配电网优化扩容是配电网扩展规划中的常见问题,利用优化算法在技术约束条件下使总成本降到最低。提出了一种禁忌搜索（TS）和改进粒子群优化（IPSO）混合算法来优化配电网扩展规划,利用TS算法改进了PSO算法中的粒子运动,得到了TS-IPSO混合算法,兼容了增加变电站扩建等低维问题和配电网馈线扩建等高维问题。在IPSO算法中,加入了局部搜索作为智能变异来改善算法在收敛条件下的馈线扩建。并将所提出的TS-IPSO混合算法应用于3种不同的配电网进行了实例分析。结果表明,在大型配电网扩建规划中,TS-IPSO混合算法比其他算法具有更强的运算能力。     

粒子群算法在烧结矿配料优化中的应用

运用粒子群算法和MATLAB语言,编制钢铁烧结矿配料优化计算仿真程序并经实践检验。结果表明,计算机仿真计算符合实际生产工艺要求,数据直接应用于生产,提高各种烧结矿的综合利用率,降低成本10．32％。该算法为钢铁烧结矿配料问题的优化求解提供了新的思路和方法。     

基于可靠度的桁架结构形状优化设计应用研究

传统的基于安全系数的半经验结构设计法并不能定量反映结构的可靠程度,而以概率统计理论为基础的结构可靠度设计因其能够定量反映结构的可靠程度而逐渐被推广应用.首先,讨论运用改进的一次二阶矩法建立针对桁架结构的可靠度计算模型;其次,建立以可靠度为约束条件的桁架结构形状优化设计模型;最后,通过运用应力信息熵改进的混沌粒子群算法求解.通过一个25杆桁架优化设计的算例表明,文中提出的模型和算法更具有合理性,能为实际工程结构形状优化设计提供理论和应用上的借鉴.     

改进的混合粒子群算法

根据近代数学的随机优化原理,针对基本粒子群算法前期精度低,易发散,后期收敛速度较慢,易陷入局部最优的局限性,通过引入高斯算子和交叉算子,提出了改进的混合粒子群求解算法,改进的算法具有更高的精度和全局收敛性。     

一种新型煤矿底板破坏深度预测模型

为有效预防煤矿底板突水风险,在传统的粒子群优化算法中增加自适应权重,结合遗传算法的交叉、变异步骤改进传统的粒子群优化算法,并用其优化SVM模型,建立改进的GA-PSO-SVM煤矿底板破坏深度预测模型,选取采深、煤层倾角、采高、工作面长度、煤层底板承压水水压和煤层底板损伤变量作为影响底板破坏深度的主控因素,通过15组煤炭生产单位采集底板破坏带深度相关数据,测试改进的GA-PSO-SVM模型的性能,并与FOA-SVM模型、BP模型的预测结果进行对比,研究表明:改进的GA-PSO-SVM模型预测结果与实测结果的误差范围为0.36%~5.22%,FOA-SVM模型预测结果的误差范围为1.60%~12.49%,BP模型预测结果的误差范围为1.01%~20%,改进的GA-PSO-SVM模型预测结果的误差范围更小,更适合煤矿现场的应用要求。     

基于粒子群优化算法的WSN节点定位方法研究

为提高无线传感器网络的节点定位精度,将惯性权重的粒子群优化算法应用到无线传感器网络节点定位中。定位方法以未知节点与其邻近锚节点之间的估计距离和测量距离的均方误差为适应度函数,采用基于惯性权重的粒子群优化算法对适应度函数进行优化,从而得到最优解,实现节点有效定位。仿真实验结果表明,与传统的最小二乘定位算法相比,基于惯性权重的粒子群优化算法的定位精度更高,稳定性更好,具有较好的定位效果。     

混合粒子群优化算法的新能源电网规划研究

以合理规划新能源电网,降低电网电能损耗,提升新能源消纳能力,设计了混合粒子群优化算法的新能源电网规划方法。以最小电能损耗与最大新能源消纳为目标函数,潮流功率、容量、线路输电能力、风能与太阳能出力为约束条件,建立新能源电网规划模型;通过结合自然选择机理与粒子群算法,设计混合粒子算法,在混合粒子群算法内引入混沌扰动与变异策略,避免惰性粒子陷入局部最优,优化混合粒子群算法,利用优化混合粒子群算法求解规划模型,获取最佳规划方案。实验表明,该方法可有效获取最佳规划方案,降低电能损耗,提升新能源消纳能力,提升电网断面利用率;规划后的电网日累计发电量显著提升、碳排放量显著下降。     

基于改进型模拟退火算法的数控加工切削参数优化

介绍了模拟退火算法及其改进型的原理、模型和算法实现过程 ,并采用改进型算法对数控加工切削参数优化模型进行了优化计算。计算结果表明算法符合实际情况 ,证明基于改进型模拟退火算法的优化设计切实可行 ,为复杂的数控机械优化计算提供了一种优化方法。