改进粒子群算法在二维排样中的研究与应用

针对服装行业二维不规则样片优化排样问题,提出了一种改进的粒子群优化排样方法．该算 法在传统的粒子群优化算法中先引入小生境的思想,将种群划分成多个子群,各子群运用粒子群算 法单独进化,取出各子群进化后的最好粒子,又可形成新群体,新群体运用混合蛙跳算法进化,使子 群的最好粒子进一步更新,种群的多样性进一步增强,全局寻优的能力进一步提升．该算法概念简 单,易于实现,具有较好的能力去搜索全局最优解和较快的收敛速度．实验结果表明该算法是有效的．     

基于粒子群算法的服装矩形样片模型研究

针对服装排料中如何将样片在指定的面料内进行合理的排列,使面料利用率达到最大的问题,在服装样片矩形化的基础上,建立混合组合方式下的服装最优排料的数学模型,并将粒子群算法与实际服装排料经验相结合,设计了整体排料最优求解算法.通过实例证明了服装排料数学模型的有效性.     

基于粒子群算法的Otsu法图像阈值分割

图像分割是由图像处理到图像分析的关键步骤,Otsu法是一种效果较好、实现简单的阈值分割方法.针对传统的Otsu阈值计算方法需要在全灰度范围内搜索一个最佳门限组合,耗时较多,难以实际应用这一问题,采用协同和带压缩因子的粒子群改进算法求解Otsu阈值,通过分别用改进粒子群算法和标准粒子群算法对lena测试图像的实验表明,前者相较于后者有更高的精度.而在计算时间方面,两者都不到传统方法的百分之一,有利于提高图像处理的实时性,也证实了将粒子群算法用于阈值分割是可行的.     

二维排样中小生境粒子群算法的研究与应用

提出将基于小生境技术的粒子群算法引入二维不规则零件排样求解问题的方法,通过二维图 形坐标离散化的方式,将不规则零件轮廓转化为一系列的坐标区间,在经典粒子群优化算法的基础 上加入小生境的思想,运用基于小生境的粒子群算法来搜索排样结果．实验表明：该算法具有良好 的搜索性能,它为解决二维不规则零件排样提供了有效的决策方案．     

一种二维不规则零件优化排样算法

将模拟退火算法和粒子群算法相结合，提出了一种基于模拟退火的粒子群算法。采用交叉和柯西变异运算，提高了算法的收敛速度和精度。将该算法应用于求解二维不规则零件排样问题，首先将二维不规则零件的排样问题转化为矩形件的排样问题，然后应用该算法进行优化求解，在求解过程中应用自适应调整策略对零件的排样位置进行微调。排样结果表明该算法是行之有效的。     

基于免疫原理的粒子群排样优化方法

针对排样优化中种群个体多样性保持及全域寻优存在的问题,将免疫系统的免疫信息处理机制引入到粒子群优化算法中,建立求解排样问题的粒子群免疫优化方法。该方法借鉴人工免疫中抗体的多样性保持机制及免疫记忆功能,强调优势基因的进化和浓度稳定,提高了算法的全域搜索速度并保持了群体多样性。实验表明,在对船舶不规则件排样优化问题求解中,免疫机制对粒子群优化的最优搜索具有较好的有效性和较高的可行性。     

粒子群算法中参数的实验与分析

粒子群算法(PSO)中参数的选择是一个重要研究方向,参数的设置常依靠经验来确定,从而造成工作量大且难以得到最优的参数组合,影响了算法的使用.针对以上情况,本文使用3个测试函数对粒子群算法和收缩因子方法(CFM)中的收缩因子、速度约束和种群规模等重要参数进行了系统的实验和分析,并且提出了参数取值策略.实验证明本文提出的参数取值策略能明显地改进PSO算法性能,具有一定的实用价值.     

基于改进粒子群优化LS-SVM的变压器故障气体预测

最小二乘支持向量机(LS-SVM)能较好的解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障气体预测,但参数c与σ2的选取对预测结果影响较大,有必要对其进行优化选择.提出一种基于改进粒子群(MPSO)的参数寻优方法,并将其应用到变压器油中故障气体预测.改进粒子群算法在每次迭代中,将粒子群进行分类,不同类...     

基于粒子群算法的电路测试集优化

研究电路测试集的优化,提出基于粒子群算法的电路测试集的静态压缩方法.粒子群向最优解方向演绎,利用适应度函数来评价各粒子的优劣.实验电路的验证结果表明,同时适用于时序电路和组合电路,与基于遗传算法的电路测试集优化相比,该算法能够更大限度地优化测试集,需要更少的存储空间.     

基于改进的PSO算法的PID控制在VAV空调系统末端的应用

目的 研究变风量空调系统温度-风量PID控制器的整定方法,利用改进粒子群算法的特点设计一种稳定、高效的自适应控制器.方法 以PSO-CF(带收缩因子的PSO)PID控制方法的整定结果作为参考,在PSO-CF算法中用一个差分向量扰乱粒子的认知能力,再根据粒子群的演化规则自动完成最优控制.结果 采用DPSO-CF(扰乱认知能力的带收缩因子的粒子群)PID自适应控制器时,系统的调节时间约为PSO-CF粒子群PID控制方法的30%,超调量减少了约75%.当系统加入扰动时,相比带收缩因子的PSO,扰乱认知能力的带收缩因子的粒子群PID自适应控制器的调节时间少,超调量小,系统控制品质得到了较大的改善.结论 改进的算法不仅具有良好的鲁棒性,而且还有良好的收敛性.采用上述自适应控制器后,整个系统体现了良好的动态性能及较强的鲁棒性.     

改进粒子群算法在中长期电力负荷组合预测模型中的应用

为提高电力负荷预测的精度,提出了基于改进粒子群算法的电力负荷组合预测模型求解方法.该方法以回归分析、比例系数、灰色模型为基础建立负荷组合预测模型,利用改进粒子群算法优化组合预测模型的权值,并与单个预测模型进行比较.预测结果表明,基于改进粒子群算法的电力负荷组合预测模型运算速度快,预测精度高,相对误差小.     

基于改进的粒子群和遗传算法的混合优化算法

分析粒子群算法在求解组合优化问题中的运行原理,对警车分布的优化问题建立了粒子群优化的数学模型,对基本粒子群优化算法中的速度范围、惯性权重等参数进行了改进,并通过仿真与基本粒子群算法比较,显示改进的粒子群算法,提高了优化结果.在改进的粒子群算法中引入遗传算法,将形成的新混合算法应用到求解警车最优执勤地点的分布问题,并与遗传算法和改进的粒子群算法仿真比较.结果表明,混合优化算法在收敛速度和精度上均有明显的提高.     

基于并行化粒子群算法的组合测试用例生成

针对粒子群算法生成组合测试用例消耗时间过长的问题,提出一种并行化粒子群算法生成两两组合测试用例的方法。基于大数据平台Spark,将全部需要被覆盖的两两组合进行分组,并下发到集群中各个节点上进行寻优操作;采用one-test-at-a-time策略与自适应粒子群算法相结合的方式进行寻优;待各个节点寻优结束后,利用Spark进行结果收集,并对收集后的用例集进行约简操作。实验结果表明,该方法有效地减少了生成两两组合测试用例集的消耗时间。     

基于IPSO算法的减振器优化

提出将一种改进的粒子群优化算法应用于汽车减振器的优化中。该算法在标准粒子群算法的基础上引入了一个概率参数,使得粒子群优化算法的全局优化能力和收敛速度得到显著改善,并利用该算法对汽车减振器的主要参数进行了优化。结果表明,对减振器参数优化后,明显改善了汽车减振器压缩行程和复原行程的阻尼特性,提高了汽车的平顺性。     

一种带交叉算子的改进的粒子群优化算法

针对粒子群优化算法(PSO)固有的缺点,在研究标准的粒子群优化算法理论的基础上,提出了一种带交叉因子的改进的粒子群优化算法(MPSO),以解决算法的早熟收敛问题。该算法在搜索过程中引入了交叉因子,增加了粒子的多样性,克服了标准粒子群优化算法易陷入局部极优点的不足,并且算法有较快的收敛速度。该算法有较强的收敛性,还可以引入变异算子。将改进后的算法运用常见的几个测试函数进行了寻优仿真,仿真结果验证了带交叉因子的粒子群算法的可行性和有效性。     

基于椭偏法的烟尘粒子复折射率测量

粒子复折射率是计算粒子光散射特性的重要参数.传统的KBr样片透射测量粒子复折射率的方法过程复杂,对颗粒物粒径要求满足Mie散射条件.提出了基于椭偏法的烟尘粒子复折射率测量方法,推导了椭偏法测量复折射率的理论公式,将现场采集的烟尘粒子制备成以玻璃为基底的烟尘粒子薄膜,搭建了基于椭偏法的烟尘粒子复折射率测量实验装置,获得了烟尘粒子多光谱复折射率.实验结果表明,与KBr样片透射法的测量结果吻合较好,这为其颗粒物复折射率的测量提供了新的途径.     

基于粒子群优化搜索的二级电压控制分区

电力系统的电压控制分区是一个非线性的大规模组合优化问题,使用常规方法难以得到理想的结果.现根据电压幅值对无功功率的灵敏度定义了电力系统各节点间的电气距离,在此基础上建立了电压分区的组合优化模型,将粒子群优化搜索方法用于已有的电压分区的优化模型.最后在IEEE 39节点测试系统上对该方法进行了验证,结果表明该方法有效、可行.     

模糊熵权法和CCPSO算法的含风电场电力系统多目标无功优化

研究了含双馈风电机组的电力系统多目标无功优化问题,分析了双馈风电机组的无功特性,将风电场作为连续的无功调节手段参与电力系统无功优化. 提出一种基于模糊商权法和组合混沌序列动态粒子群算法（CCPSO）的多目标无功优化方法. 利用模糊熵权法解决主观权值和客观权值的缺陷,建立以静态电压稳定浴度、节点电压和有功网损为目标的含风电场多目标无功优化决策模型. 针对利用传统粒子群算法进行求解时,易出现局部收敛等问题,结合Chebyshev映射和Logistic映射,在粒子初始化过程中运用一种组合混沌映射,增强初始粒子的均匀性,同时将Logistic混沌优化引入到算法寻优过程中,使算法全局寻优能力得到加强. 以IEEE14节点系统为例进行仿真实验,验证所提方法的有效性和实用性.     

基于自适应的配电网分布式电源优化配置研究

针对分布式电源接入配电网引起的电压越限和电能质量下降等问题,提出了一种具备自适应特性的分布式电源优化配置方法. 建立了光伏、风电两种典型分布式电源的数学模型,分析其功率输出特性. 构建了同时考虑发电成本、环境成本、有功网损折算成本三项指标的分布式电源优化配置模型. 针对多目标函数和多约束条件的优化配置模型,应用自适应粒子群算法求解,实现学习因子和惯性权重自适应调整以提高算法的寻优性能,由此得到分布式电源的最佳接入位置和容量. 最后,以IEEE33节点配电系统为例进行仿真验证. 结果表明,自适应粒子群算法与传统粒子群算法和混沌粒子群算法相比,求解得到的优化配置方案可达到更好的供电可靠性和经济性要求.     

粒子群优化算法在ECG数据压缩中的应用

为了更好地恢复ECG数据压缩中的原始信号,采用粒子群优化算法来求解ECG数据压缩中的最小误差问题.粒子群优化算法是基于一群粒子的智能运动而产生的随机进化计算方法.首先介绍了粒子群算法的原理和流程,其次结合拉格朗日函数和编码模型得出适应度函数,并将这种方法应用于ECG数据的压缩上,最后给出了PSO算法在ECG数据压缩上的应用实例,通过与SPIHT算法比较,文中算法的误差和平均PRD值都比SPIHT算法小.验证了粒子群算法在ECG数据压缩求误差极小值上的有效性,表明该算法具有广泛的应用前景.