共查询到20条相似文献,搜索用时 156 毫秒
1.
月球软着陆轨道优化是月球探测中的关键技术之一,研究了基于燃料最优的定常推力月球探测器软着陆轨道优化问题.在优化算法中,首先对软着陆轨道动力学方程做归一化处理,经过将软着陆轨道离散化,应用函数逼近法拟合推力控制角,从而将轨道优化问题转化为参数优化问题,最后设计了蛙跳算法作为搜索优化方法.仿真结果表明设计的轨道较好地满足了所要求的约束条件,同时蛙跳算法具有很高的优化精度,并且应用比较简便,可以应用于登月软着陆的轨道优化设计任务. 相似文献
2.
利用微分进化(DE)算法对小推力火星探测器发射时机进行搜索.首先建立了动力学方程,推导出最优化模型,然后使用两种策略采用DE算法与间接法相结合的方式对火星探测器发射机会进行了搜索,最后进行了仿真分析.研究结果表明:使用DE算法结合间接法的方式能够搜索到最优的发射机会;同时,针对所采用的发动机模型,小推力火星探测器发射机... 相似文献
3.
QPSO算法求解无约束多目标优化问题 总被引:3,自引:0,他引:3
在分析了用基于目标加权的PSO算法(WAPSO)的基础上,研究了利用基于量子行为的微粒群优化算法(QPSO)来解决多目标优化问题.提出了基于目标加权的QPSO算法(WAQPSO),利用WAQPSO算法解决无约束的多目标优化问题,通过典型的多目标测试函数实验,验证了该算法解决无约束多目标问题的有效性. 相似文献
4.
多任务粒子群优化算法(multi-task particle swarm ptimization, MTPSO)通过知识迁移学习,具有快速收敛能力,广泛应用于求解多任务多目标优化问题.然而, MTPSO难以根据种群进化状态自适应调整优化过程,容易陷入局部最优,收敛性能较差.针对此问题,利用强化学习的自我进化与预测能力,提出一种基于Q学习的多任务多目标粒子群优化算法(QM2PSO).首先,设计粒子群参数动态更新方法,利用Q学习方法在线更新粒子群算法的惯性权重和加速度参数,提高当前粒子收敛到Pareto前沿的能力;其次,提出基于柯西分布的突变搜索策略,通过全局和局部交替搜索多任务最优解,避免算法陷入局部最优;最后,设计基于正向迁移准则的知识迁移方法,采用Q学习方法更新知识迁移率,改善知识负迁移现象.与已有经典算法的对比实验结果表明所提出的QM2PSO算法具有更优越的收敛性. 相似文献
5.
针对粒子群算法易陷入局部最优,导致收敛速度慢、寻优精度不高的不足,提出基于信息微传递机制的粒子群算法(IM PSO).引入信息微传递机制,将整个种群划分为多组多层,每组粒子逐层学习最优信息,防止算法早熟;采用逃离策略,当检测到粒子具有趋同行为时,改变粒子的飞行方向,增强算法寻优能力;使用动态边界化策略,动态缩小粒子的寻优区域,提高算法搜索效率.实验结果表明,IM PSO算法在收敛精度、收敛速度方面优于其它6种算法. 相似文献
6.
基于量子行为的粒子群优化算法是一种随机的全局优化搜索新方法.介绍了PSO算法和QPSO算法,在对QPSO算法和基于分工策略的PSO算法分析的基础上,提出了基于分工策略的QPSO算法,然后对新算法进行实验.实验结果表明,新算法在收敛性和取得最优值方面优于基于分工策略的PSO算法. 相似文献
7.
8.
K中心选址作为一种经典问题,学者们提出了很多好的解决方法,但是对于加权距离连续K中心选址问题的研究一直没有很好的进展.本文针对连续K中心选址问题,以最小加权距离作为优化目标提出改进的粒子群优化算法(SA-PSO).本文将模拟退火机制引入PSO算法并且加入惯性权重等策略对算法进行改进,使得该算法可以更快收敛于全局最优.仿真实验结果表明,SA-PSO算法相比于GA算法和K-means算法,具有更强的稳定性,收敛速度更快,并且优化得到的加权距离更小. 相似文献
9.
10.
粒子群算法是一种进化计算技术,并成功的运用于广泛的数值优化问题。PSO算法在求解高维复杂函数优化问题时容易陷入局部最优。有鉴于此,本文提出了一种基于信息熵的粒子优化算法。该算法提高设计了一种兼顾种群选择性压力以及种群多样性的选择策略,从而提高了粒子在运行过程中的多样性。实验表明,该算法有效避免了陷入局部最优,提高了全局最优解的搜索精度。 相似文献
11.
一种基于拟态物理学优化的多目标优化算法 总被引:3,自引:1,他引:2
提出一种使用拟态物理学优化(APO)解决多目标优化问题的算法(MOAPO).根据多目标优化问题的特点,借鉴聚集函数法的思想,利用APO算法实现了对多目标优化问题中Pareto最优解集的搜索,并且在搜索过程中动态调整惯性权重与引力因子,以增强非劣解的多样性.实验结果表明了将APO应用于多目标优化问题的有效性.通过与基于微粒群优化(PSO)的多目标优化算法及NSGA-Ⅱ算法的比较,表明了MOAPO算法具有较好的分布性. 相似文献
12.
本文基于马尔科夫决策过程提出一种燃料电池汽车最优等效氢燃料消耗控制策略.控制策略以部分观测量为基础,以马尔科夫转移概率矩阵为条件,采用基于蒙特卡洛马尔科夫(MCMC)算法的Metropolis-Hastings采样方法,获得平均奖励输出,进而通过最优氢燃料消耗代价函数的优化以控制在氢燃料电池系统和动力电池系统间进行能量分配.该策略避免了目前燃料电池汽车控制策略过度依赖未来需求功率的预测以及预测模型的准确性.在建立燃料电池汽车动力模型,燃料电池系统和动力电池系统模型的基础上,进行了包含自学习系统、基于MH采样的平均奖励过滤系统以及控制选择输出系统的控制策略设计.通过仿真和实验结果表明基于马尔科夫决策控制策略的有效性. 相似文献
13.
14.
针对粒子群优化( PSO)算法在加速度计标定优化后期出现的早熟、陷入局部最优的不足,以及KalmanPSO( KPSO)算法在设计与应用过程中存在的缺陷,提出了基于自适应 Kalman 滤波的改进 PSO ( AKPSO)算法,并将其成功应用于加速度计快速标定。利用粒子群状态空间Markov链模型,建立了粒子群系统状态方程和观测方程;采用指数加权的自适应衰减记忆Kalman滤波来对粒子的位置进行估计。加速度计标定仿真结果表明:所提出的算法在收敛速度、收敛精度方面都要优于PSO,KPSO算法,有效地提高了加速度计的标定精度。 相似文献
15.
生活中存在大量的动态多目标优化问题,应用进化算法求解动态多目标优化问题受到越来越多的关注,而动态多目标测试函数对算法的评估起着重要的作用.在已有动态多目标测试函数的基础上,设计一组新的动态多目标测试函数.Pareto最优解集和Pareto前沿面的不同变化形式影响着动态多目标测试函数的难易程度,通过引入Pareto最优解集形状的变化,结合已有的Pareto最优解集移动模式,设计一组测试函数集.基于提出的测试函数集,对3个算法进行测试,仿真实验结果表明,所设计的函数给3个算法带来了挑战,并展现出算法的优劣. 相似文献
16.
基于粒子群优化的深度神经网络分类算法 总被引:1,自引:0,他引:1
针对神经网络分类算法中节点函数不可导,分类精度不够高等问题,提出了一种基于粒子群优化(PSO)算法的深度神经网络分类算法.使用深度学习中的自动编码机,结合PSO算法优化权值,利用自动编码机对输入样本数据进行编解码,为提高网络分类精度,以编码机本身的误差函数和Softmax分类器的代价函数加权求和共同作为PSO算法的评价函数,使编码后的数据更加适应分类器.实验结果证明:与其他传统的神经网络相比,在邮件分类问题上,此分类算法有更高的分类精度. 相似文献
17.
18.
19.
目前我国高速铁路在CTCS2/3级运行条件下,基本达到3min追踪间隔时间,为进一步缩短列车追踪间隔时间,基于线路坡度参数,对列车制动距离进行多阶段划分,通过建立列车混合优化模型和基于动态规划的多阶段决策模型,采用COADP算法(自适应动态规划协同优化算法)优化列车制动距离,得到各阶段的最优决策序列,以及列车制动距离的最优目标函数,对高速铁路列车追踪间隔时间进行优化,并对ADP算法(自适应动态规划算法)和COPADP算法的优化结果进行了仿真对比,结果表明COADP算法不仅有效避免了ADP算法的"维数灾"问题,而且对追踪间隔时间的优化作用更为明显,提升了高速铁路的通过能力。 相似文献