求解自动化药房路径优化的混沌粒子群算法

基于静态存储的基本理论,本文建立了存取药品的模型和优化路径的目标函数。并采用了基本粒子群算法、混沌粒子群算法分别对该模型仿真,验证了混沌粒子群算法的优越性。     

中央空调系统的优化控制算法研究进展

介绍了遗传算法、模拟退火算法和粒子群算法三种常用的中央空调控制策略优化算法,阐述了不同算法的原理和研究进展,并比较了不同算法的适用方向及性能特征,提出了中央空调系统优化算法的进一步研究方向。     

电动汽车有序充电可行性分析

本文介绍了国内外电动汽车的发展状况,建立了不同目标函数的调度策略数学模型,包括模拟退火算法和粒子群优化算法,为实现电动汽车有序充电提供了参考,最后展望了电动汽车的发展。     

现代智能优化算法研究综述

主要介绍了现代智能优化算法的基本概念,着重回顾了几种主要的现代智能算法的发展历程,主要包括遗传算法、神经网络优化算法、粒子群优化算法、模拟退火算法,并阐述了其工作原理和特点,归纳了它们主要的应用方向,同时对智能计算方法的发展进行了展望。     

改进的粒子群-模拟退火算法在桁架结构优化设计中的应用

由于粒子数目多,维数大,用粒子群算法求解多约束问题的迭代求解过程需耗费大量时间。受达尔文的优胜劣汰自然法则启发,在粒子群算法中引入淘汰择优机制。使算法随着迭代次数增加,适应能力较差的粒子逐步被淘汰。最后留下的最优粒子需要较低的温度进行退火求解,寻得全局最优解。多峰值函数测试表明,改进后的算法能够高效率跳出局部最优寻得全局最优解。将改进的算法用于空间桁架结构优化,经算例表明,改进后的粒子群模拟退火串行算法降低了算法的求解复杂度,具有较好的稳定性和较优的收敛性,适用于空间桁架结构截面尺寸优化设计。     

区域供冷(热)管网优化技术及研究进展

对区域供冷(热)管网布局优化与管径优化的研究进展进行综述。对区域供热管网的优化研究比较多,对区域供冷管网的优化研究比较少。在管径优化的现代优化算法中,模拟退火算法、遗传算法的应用比较普遍,禁忌搜索算法、蚁群算法、粒子群算法的应用很少见。     

基于改进粒子群算法CHPSO-DS的面板 坝堆石体力学参数反演

面板堆石坝堆石体力学参数反演优化问题是一个多变量、多约束的混合非线性规划问题,当正演过程用神经网络模拟器替代后,高效快捷的优化算法成为解决问题的关键.提出一种用以解决这一复杂优化问题的混合算法--混沌直接搜索粒子群(CHPSO-DS)算法.在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻粒子初始位置的选择对算法优化性能的影响;利用直接搜索法克服了粒子群算法后期搜索效率降低的缺陷,提高算法局部搜索能力.为证明该算法的优越性,同时将该算法与遗传算法(GA)用于水布垭面板堆石坝堆石体力学参数的位移反分析计算中.实践证明,利用CHPSO-DS算法搜索时能快速收敛到全局最优解,且算法具有较强的鲁棒性;两算法对比结果也表明,不论是优化精度还是收敛时间,CHPSO-DS算法都较GA有明显提高.最后利用CHPSO-DS算法反演的堆石体力学参数进行测点沉降预测,结果表明各个测点的计算位移值与监测值吻合较好,说明CHPSO-DS算法在复杂岩土工程位移反分析中具有良好的实际应用价值,值得进一步研究和推广.     

量子粒子群优化算法在抗震工程系统中的应用

介绍了标准粒子群算法的基本思想,为了使粒子能够满足全局收敛,提出了量子粒子群算法,将量子粒子群算法应用到抗震工程系统的投资最优分配中,并建立了相应的优化模型,最后通过一个算例验证了该方法的效率和有效性。     

改进粒子群算法的立体传声器阵列声成像系统阵形优化设计

提出改进的粒子群优化算法,获得波束方向图主瓣宽度和旁瓣级折中的优化立体阵形,避免基本实数粒子群算法仅采用旁瓣级或主瓣宽度一个性能指标优化而导致另一个性能指标恶化的问题,利用阵列视角限制进一步优化立体阵形并设计了声成像测量系统。改进的粒子群算法与基本粒子群算法仿真优化阵形比较表明改进粒子群算法设计的优化阵形在保持较窄的主瓣宽度的条件下具有较低的旁瓣级。阵列声成像测量系统的性能测量分析结果表明该系统的空间分辨率和旁瓣抑制能力与理论结果接近,验证了所提算法的有效性。     

一种基于翻转角度的二进制粒子群优化算法

为了提高二进制粒子群优化的收敛速度和收敛效果,提出一种新的改进二进制粒子群优化算法,该算法利用翻转角度作为进化条件,利用局部翻转因子和全局翻转因子来决定粒子群的收敛速度。实验证明,该方法具有更快的收敛速度和更佳收敛值。     

混合粒子群算法搜索土坡危险滑动面

基本粒子群优化算法存在着对惯性因子敏感、计算量大等缺点,通过借鉴和声搜索算法产生新解的策略和不连续飞行假定,构成了混合粒子群算法。首先,当粒子飞行超越边界时,采用和声搜索算法产生新解;此外还引入了不连续飞行假定,即在每次迭代步中,随机选择一些个体更新速度、位置向量,以利于减少计算量。随机给定10组参数,分别利用基本粒子群优化算法和混合粒子群优化算法对某复杂土坡的最危险滑动面进行了搜索。比较发现,混合粒子群算法能在较短的计算时间内得到更好的结果。     

基于粒子群优化算法的热网优化设计

基于粒子群优化算法,以热网年折算费为目标函数,在水力约束条件下求解优化的管径.结合算例,验证了粒子群优化算法的可行性和有效性,取得了良好的效果.     

基于粒子群算法的桁架结构优化

粒子群算法(PSO)是一种基于种群智能的优化算法。由于其具有快速收敛和操作简单等特点,粒子群算法在工程、经济管理等诸多领域均得到广泛应用,成为近年来智能计算领域研究的新热点。首先介绍粒子群算法,进而提出对于惯性权重进行线性变化。利用改进的粒子群算法对实际工程桁架结构进行尺寸优化以提高经济效益,并提出合理的参数设置。数据对比分析结果表明,改进的粒子群算法对于桁架结构尺寸优化设计是可行的。     

基于粒子群算法的工程项目多目标优化问题研究

为了更有效地解决工程项目的工期—成本—质量优化问题,从施工单位的角度出发,基于工期、质量、成本间的对立统一关系,以双代号网络图中每项工作的持续时间为自变量,建立工期—成本—质量优化模型,采用标准粒子群算法来优化求解。为了消除量纲对评价标准的影响,对 3 个目标适应值采取了标准化的处理方法。利用 Matlab 软件,对一个工程案例进行多目标优化,通过与蒙特卡罗方法进行对比,分析了粒子群算法的计算效率,优化结果验证了粒子群算法求解工程项目多目标优化模型的可行性和适用性。     

岩土工程参数反演的一种新方法

介绍了新近提出的一种模拟进化算法——粒子群算法,相对于其他进化算法,粒子群算法的优势在于简单、易实现且收敛快。把该算法引入岩土工程参数反演领域,同时为了克服粒子群算法后期搜索效率降低的缺陷,把单纯形法嵌入到粒子群算法中,提出岩土工程参数反演的一种新方法——基于粒子群算法和单纯形法的混合算法。算例表明,混合算法在参数反演计算中体现出良好的优化性能和很快的收敛速度,是一种新颖可行的参数反演方法。     

Elasto-plastic buckling of integrally stiffened panels (ISP): An optimization approach for the design of cross-section profiles

In this work, three optimization algorithms—Levenberg–Marquardt, simulated annealing and a newly developed and proposed hybrid differential evolution particle swarm optimization—are considered in the shape optimizations of cross-sections of integrally stiffened panels (ISP) for aeronautical applications, when subjected to buckling deformation modes within the elasto-plastic range. The proposed algorithm is shown to be robust and more effective, in the tested examples, than conventional optimization algorithms, leading to optimum designs of ISP cross-sections for a pre-defined buckling load-carrying capacity, combined with elasto-plastic nonlinear behaviors.     

粒子群优化算法在桁架优化设计中的应用

粒子群优化（PSO）算法是近年来发展起来的一种基于群智能的随机优化算法,具有概念简单、易于实现、占用资源低等优点。为了解决有应力约束和位移约束的桁架的尺寸优化问题,将PSO算法应用于桁架结构的尺寸优化设计。首先介绍了原始的PSO算法的基本原理,然后引入压缩因子改进了PSO算法,并提出合理的参数设置值。对几个经典问题进行了求解,并与传统的优化算法和遗传算法进行了比较。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尺寸优化设计。     

微粒群优化算法在Theis公式参数识别中的应用

采用一种微粒群优化算法来识别承压完整井非稳定地下水运动Theis公式中的水文地质参数。微粒群算法是一种新型的群体智能算法,它将每个个体看作在多维搜索空间中的一个没有重量和体积的微粒,并在搜索空间中以一定的速度飞行,该飞行速度由个体的飞行经验和群体的飞行经验进行动态调整。然后根据个体适应值大小运算,根据适应度函数对微粒的速度和位置进行进化,最终得到足够好的适应度值。本文采用微粒群算法可根据抽水试验资料快速反演Theis公式近似解析解中的水文地质参数。实例计算结果表明该微粒群算法计算速度快,在水文地质逆问题求解中值得推广应用。