基于改进粒子群算法的主汽温系统PID参数优化

应用改进的粒子群优化算法优化PID参数。采用动态变量区间以逐步缩小搜索区间，加快粒子群寻优速度，并且针对粒子群算法可能出现的停滞现象，引入了重新启动策略，改善了算法摆脱局部极点的能力。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究，结果表明：改进的粒子群算法寻优速度快，计算量小，对PID参数优化是非常有效的，使得主汽温控制系统取得了很好的控制品质，系统鲁棒性比较强。     

基于改进人工蜂群优化算法的PID参数整定

针对传统的PID控制器参数整定方法中存在的整体效率低、控制效果差等问题,提出了一种改进的人工蜂群算法,在标准算法的搜索方程中引入差分进化算法的变异算子,并添加自适应调整参数,提升算法的收敛速度、增强局部寻优效果的同时,平衡了算法的全局探索和局部开发能力。实验表明,改进后的算法对PID控制器的参数整定优化有明显效果。     

基于混合量子麻雀算法的过热汽温模型参数辨识

建立高精度的过热汽温模型便于控制器的设计和参数整定，从而提升汽温的控制品质。首先针对传统的麻雀优化算法在闭环数据驱动辨识中容易陷入局部最优，收敛速度慢的问题，提出了一种混合量子行为的麻雀优化算法(QSSA)。该算法在基本麻雀算法迭代一次后采用量子策略对劣势群体进行变异，加强空间搜索能力，提高辨识精度；对于较优势群体引入Lévy随机游走策略，增加种群多样性，克服量子策略迭代后期种群性减少，易陷入局部最优的问题。其次对比多种优化算法在基准函数测试中的优化结果，验证了所提算法的优越性。最后运用某600 MW超临界机组过热汽温的现场运行数据进行模型参数的QSSA辨识，表明了所提算法的有效性，为现场过热汽温控制系统的进一步优化提供了新的途径。     

cRNA布谷鸟搜索算法的桥式吊车PID控制

为了提高算法的全局搜索能力,受RNA二级结构的启发,设计RNA茎环交叉算子,采用基于进化代数的自适应步长策略,提出RNA交叉操作布谷鸟搜索算法(cRNA-CS).将cRNA-CS算法用于对5个典型测试函数进行寻优.测试结果表明,cRNA-CS算法的搜索能力和寻优精度相对于CS算法和其他改进的CS算法有了明显提高.将cRNA-CS算法用于桥式吊车系统PID控制器参数的优化整定.仿真实验结果表明,与CS算法、单纯形算法和PSO算法相比,采用cRNA-CS算法优化的PID控制器能够实现桥式吊车系统更好的消摆和定位控制.     

一种新的温度传感器湿度补偿方法

针对温度传感器测量中易受湿度影响的问题,通过对思维进化算法(Mind Evolutionary Algorithm,MEA)中的趋同操作、异化操作及收敛条件进行研究改进,对趋同操作中的散布权值进行自适应调整,在异化操作中引入差分进化算法的变异操作,并考虑收敛条件中搜索平面平缓的情况,提出了基于改进思维进化算法的BP神经网络湿度补偿方法.由湿度影响检定实验得到的样本数据,利用此补偿方法建立湿度补偿模型,将补偿结果与未经优化的BP神经网络模型的结果进行比较研究.结果表明,基于改进思维进化算法的BP神经网络模型补偿精度较高,收敛速度快,计算量小,可有效提高温度传感器的测量精度和可靠性,便于实际应用.     

基于粒子群优化的汽温系统神经网络自整定PID控制

为了使神经网络PID取得更好的控制性能,采用改进的粒子群算法对神经网络的权值进行优化,通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明,所提出的嵌入混沌序列的小生境粒子群算法可以避免局部极小,具有全局优化的能力,对神经网络PID的权值优化是成功和有效的,使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。     

自适应遗传算法在电厂主汽温控制系统优化中的研究与应用

电厂中的热工系统是一个复杂的系统,由于其特有的复杂性,使得模型的获取有一定的难度．PID调节是热工系统最主要的控制策略,它直接影响机组的安全、经济运行．自适应遗传算法作为一种智能优化算法,它是在解空间进行高效启发式搜索,而非盲目地穷举或完全随机搜索,应用遗传算法对主汽温系统控制器参数进行优化,实验表明,应用遗传算法优化控制器参数,能够获得令人满意的效果．     

复杂机械产品性能意图优化研究

为解决专用装备制造业中复杂机械产品多设计参数、多设计约束、多设计目标的设计优化问题,采用一种基于Pareto最优解的多目标广义差分进化(GDE)算法.GDE算法在普通差分进化算法的基础上改进了约束条件的处理方法,利用差分进化算法模拟生物种群进化,以群体中的所有个体为对象,采用随机化技术对一个被编码的参数空间进行高效搜索,通过反复迭代搜索到多目标优化问题的近似Pareto最优解集.以高速工业平缝机勾线机构的设计为例,通过对求得的Pareto最优解集的分析,得到了高速工业平缝机勾线机构的设计特性,为设计人员今后进行高速工业平缝机勾线机构性能设计优化提供了充分的依据.     

一种改进的BBO算法及在热工PID优化中的应用

为了提高BBO算法在热工系统PID控制器参数优化方面的性能,改善其寻优能力,给出一种改进的生物地理学优化算法。在原有的迁移操作的基础上引入粒子群优化算法的寻优策略,使整个迁移过程具备一定的方向性,同时应用淘汰策略剔除迁移突变后较差的参数。一方面方向性的迁移及淘汰机制保证其快速的寻优收敛特性,另一方面突变机制保证广域搜索的全局特性,避免陷入局部极值。将其与原BBO算法进行比较,仿真结果表明改进的BBO算法在收敛速度和收敛精度上较标准BBO算法有较大提高,应用于PID控制器参数优化是可行的。     

基于小生境进化策略的免疫算法参数优化

对于联立方程这样具有多个优化解的问题,一般希望同时得到多个优化解.利用免疫算法可以解决这样的问题.但是不同的免疫算法参数应该优化设置.进化策略的群体中的个体都是独立进化的,个体进化主要通过变异算子完成,所以使用进化策略可以缩短搜索时间.利用小生境进化策略作为元算法解决免疫算法参数优化问题.利用联立非线性方程问题验证并与一般算法得到的结果相比较,结果表明,所提出的方法性能优于没有经过参数优化的方法.     

基于改进的思维进化算法的宽带阻抗变换器设计

针对传统阻抗变换器设计中可能出现的理论设计与实际实现的矛盾,给出了宽带阻抗变换器参数优化设计的数学模型,提出了一种改进的思维进化算法,设计了改进的自适应趋同算子,讨论了符合微带线电路优化的适应度函数,给出了基于思维进化算法的宽带阻抗变换器的优化步骤,并利用Matlab仿真平台对不均匀宽带阻抗变换器进行了优化设计,得到了满意的设计参数.改进的思维进化算法的优化结果同基本遗传算法和传统的Chebyshev计算结果相比较,电压驻波比在通频带内保持较低值,尺寸相对较小,取得了较好的优化效果.同时也验证了本文方法在多变量类型优化问题的可行性和优越性.     

数字电路模块化进化算法

针对大规模复杂电路进化设计的收敛速度和规模瓶颈,在遗传算法的基础上提出了一种模块化进化算法.该算法以节点作为基本单元,采用图表形式的编码方案,其基本思想是将染色体中优秀的基因片段作为有效局部解或优秀子电路封装为模块,进化过程中该模块不再进行进化操作.不仅保护优秀的基因片段而且大大简化了复杂电路的进化设计.并以加法器和乘法器为例进行了模块化进化算法的进化设计实验.结果表明:相对于传统遗传算法,模块化进化算法应用于复杂电路进化设计时,不仅进化设计的速度得到提高,而且大大提高了电路进化设计的成功率.     

改进的文化粒子群算法的电子商务服务器集群负载均衡

随着电子商务的发展,电子商务企业服务器集群负载均衡问题越来越严重,为了解决粒子群算法在求解电子商务服务器集群负载均衡问题上存在的不足,提出一种改进的文化粒子群算法的服务器集群负载均衡策略.首先利用粒子群算法的主群体空间和文化算法的知识空间形成"双演化双促进"机制,提高算法全局搜索能力和运行效率;然后引入遗传算法进化机制对知识空间演化操作进行改进,最后将该算法应用于电子商务服务器集群负载均衡问题求解.经过仿真验证,改进文化粒子群算法,提高服务器集群系统资源利用率,负载更加均衡.     

种群分类粒子群改进算法研究

针对粒子群算法在陷入局部最优时难于跳出的缺陷,提出一种改进的粒子群算法.该算法首先利用粒子适应值的统计规律对粒子进行分类,对属于不同类别的粒子采用不同的进化模型,对于利用完全模型进化的粒子,采用动态调整学习因子的方法,从而大大提高了算法的优化效率和优化精度.通过反复实验分析,得出学习因子随着进化推进的最优变化规律,并给出了学习因子的最佳函数表达式.仿真结果表明,利用改进的PSO算法优化4种具有代表性的基准函数,无论是在优化精度方面还是在优化效率方面,均较以往提出的PSO算法在性能上有本质的提高.     

采用扰动加速因子的自适应粒子群优化算法

针对粒子群算法容易陷入早熟收敛和搜索效率不高等问题,分析了几个现有的改进粒子群优化算法．在粒子对称分布有利于提高搜索结果的基础上,对粒子群优化算法进行了改进．改进后的算法可以在运行过程中的不同阶段自适应地以余弦函数的变化方式调整惯性权重系数;在加速因子线性变化的基础上,基于一定的条件对加速因子进行扰动;并确定了相应条件参数的参数取值．通过几个经典的函数,对该算法进行了验证,并与相关文献中改进的粒子群优化算法进行了对比．结果表明,新算法不仅显著提高了收敛速度,而且能有效地改善早熟现象．     

一种适用于电网扩展规划问题的边界搜索粒子群优化算法

针对电网扩展规划问题,根据粒子群算法收敛性受初始粒子分布影响较大的特点,结合边界搜索思想,提出了一种粒子群初始化方法。该方法利用边界搜索策略对粒子群进行初始化,使粒子初始化在安全边界附近,优化了粒子群的初始化范围。最后通过算例证明了这种方法应用于电网规划的有效性。     

混沌模拟退火粒子群优化算法研究及应用

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,提出混沌模拟退火粒子群优化(PSO)算法.引入混沌理论对粒子群优化算法的参数进行自适应调整,提高了算法的全局收敛性能|采用模拟退火(SA)算法,依据概率性的劣向转移,以一定概率接受劣解,使算法具有跳出局部最优而实现全局最优的能力.引入自适应温度衰变系数,使模拟退火算法能够根据当前环境自动调整搜索条件,从而提高算法的搜索效率.通过7个经典函数测试混沌模拟退火粒子群优化算法的性能,并将其应用于Job Shop调度问题.仿真实验结果表明,采用新算法有效地克服了停滞现象,增强了全局搜索能力,与遗传算法、粒子群优化算法相比寻优性能更佳.     

基于人工鱼群的DNA编码序列组合优化算法研究

分析DNA编码序列设计的目标及需要满足的约束条件,提出全局人工鱼群算法（GAFSA）生成有效的DNA编码序列.根据优化问题的约束条件及人工鱼群的特点,对人工鱼的视野和步长按进行动态调整.实验结果表明,所述GSFSA算法比遗传算法、多目标进化算法、遗传粒子群算法算法产生的DNA编码序列具有更高的质量.     

模糊交货期Flow-shop调度问题的改进微粒群算法

针对企业生产中由定单变化引起的具有模糊交货期性质的连续生产调度问题,提出一种改进的微粒群算法.通过对模糊交货期Flowshop调度问题的模糊机会约束设置惩罚函数,引入自适应变异和交叉等方法来改进算法,仿真结果表明算法具有较好的全局寻优和实用性,优于遗传算法和启发式算法.