基于IPSO的非晶合金干式变压器优化设计

为降低非晶合金干式变压器的材料成本,分析了变压器优化设计的数学模型,选取了优化变量,给出了基于粒子群算法(PSO)的变压器材料成本优化模型,包括其变量编码方式、迭代方程和适应度函数。针对PSO易收敛于局部最优的问题,提出一种带自适应粒子交叉搜索策略的改进粒子群算法(IPSO)。实例优化结果表明,IPSO优化后的材料成本相比人工设计方案降低9.23%。基于IPSO的变压器优化模型收敛成功率为89%,相比PSO提高18.5%,IPSO更容易计算获得满足约束条件且材料成本更优的变压器设计方案。     

基于进化算法的液体动力润滑轴承优化设计

采用Matlab语言,分别运用改进型粒子群算法和基本粒子群算法,在最大限度满足液体动力润滑径向滑动轴承的承载量系数值,以达到滑动轴承承载能力的条件下,对内燃机径向滑动轴承进行了优化设计,计算机仿真结果表明:采用改进型粒子群算法优化的轴承孔直径、轴径直径、轴承宽度、承载量系数等优化参数效果最好,符合实际工艺要求,且滑动轴承承载能力最强。改进型粒子群算法优化结果明显优于基本粒子群算法的优化结果,从而表明了改进型粒子群算法应用于内燃机问题的优化求解切实可行。     

应用混沌粒子群算法求解工程优化问题

针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法.CPSO算法利用混沌搜索的全局遍历性、随机性和规律性等特点,引导粒子在全局范围内搜索,从而克服了传统粒子群算法早熟收敛的缺点.该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据,并用惩罚函数法处理违法约束的粒子,当基本粒子群算法陷入早熟时,随机选择粒子群中的部分粒子实施混沌搜索,直至满足迭代收敛条件为止.CPSO算法能提高种群的多样性和粒子搜索的遍历性,从而有效提高了PSO算法的收敛速度和精度.两个工程约束优化实例的求解结果表明,该算法的优化结果最好,收敛速度也比较快.     

求解作业车间调度问题的广义粒子群优化算法

为克服传统粒子群优化算法在解决组合优化问题上的局限性，分析了其优化机理，并在此基础上提出了广义粒子群优化模型。按照此模型提出了一种求解作业车间调度问题的广义粒子群优化算法。在本算法中，利用遗传算法中的交叉操作作为粒子间的信息交换策略，利用遗传算法中的变异操作作为粒子的随机搜索策略，而粒子的局部搜索策略则采用禁忌搜索来实现。为了控制粒子的局部搜索以及向全局最优解的收敛，迭代过程中交叉概率以及禁忌搜索的最大步长都是动态变化的。实验结果表明，本算法可有效地求解作业车间调度问题，验证了广义粒子群优化模型的合理性。     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

基于模块软件系统的测试资源分配研究

基于串-并联模块软件系统,研究了单元测试中测试资源分配问题。同时考虑系统可靠性和软件费用,提出一种带约束的多目标优化模型,针对标准粒子群算法收敛速度慢、容易陷入局部极小等缺点,给出了一种杂交粒子群算法。该算法利用迭代局部搜索算法的邻域搜索及其扰动机制进行详细局部搜索并跳出局部最优解,采用“回飞机制”处理约束条件,求解近似最优解。最后通过实例与遗传算法比较,结果表明该方法能有效地分配测试资源,在提高软件测试质量的同时降低软件费用。     

改进的粒子群算法在可靠性优化设计中的应用

针对粒子群优化算法在处理约束问题时产生的不可行解,引用基于多级罚函数的约束处理方法。为了改进罚函数粒子群算法易早熟、后期收敛慢、易陷入局部最优解的缺点,提出了动态改变惩罚系数的改进粒子群算法。应用于几个经典的测试函数,都在较少的迭代次数内得到了高精度的优化解,验证了算法的有效性。以某一机械零部件的可靠性优化为例,建立了基于改进粒子群算法的可靠性优化设计模型。结果表明:该方法能快速有效地解决可靠性优化设计问题,计算结果明显优于常规的多级罚函数法。     

增加算子扰动项的粒子群优化算法研究

为了提高粒子群算法的稳定性,改善陷入局部最优的弊端,提出了一种增加算子扰动且对惯性权重进行正弦调整的粒子群优化算法。该方法首先利用差分方程对粒子的速度与位置变化过程进行深入分析,然后找到粒子群算法收敛的约束条件,进而获得改进后的惯性权重。最后在粒子群算法的速度公式中引入算子扰动项,其对粒子施加扰动,能够有效的抑制算法陷入局部最优问题,使算法在迭代后期也拥有一定的搜索能力。利用4个典型测试函数对算法进行验证,实验结果表明改进的惯性权重及速度更新公式使得该算法具备了较快的收敛速度和较佳的全局收敛性能,与标准粒子群算法相比,改进后的粒子群算法收敛精度高、鲁棒性强。     

多维度惯性权重衰减混沌化粒子群算法及应用

针对标准粒子群优化算法在处理多维、多峰值优化问题时暴露出的易早熟收敛的难题,提出了MDDCIW_PSO算法。算法的主要思路如下:在粒子群进化过程中,赋予每代群体中每个粒子的每一维度以不同的线性衰减混沌化惯性权重,即从纵向看,随着迭代次数的增加,惯性权重呈现线性衰减变化;从横向看,当代的每个粒子的每一维度都在当前衰减半径内呈现独立的混沌变化。MDDCIW_PSO算法从纵横两个方向,最大可能地增强了粒子在搜索后期的群活性和局部搜索能力,从而尽可能地避免陷入局部最优。大量的标准测试函数仿真结果表明:MDDCIW_PSO算法与已有的典型惯性权重改进策略相比,能够较大幅度地提高粒子群算法的搜索精度。最后将MDDCIW_PSO算法应用于印染定型机的能耗模型优化求解中,取得了满意的结果。     

复杂系统可靠性冗余优化的量子粒子群算法研究

由于复杂系统可靠性函数常常具有非线性的特点，因此如何确定复杂系统各单元冗余数，设计既满足可靠度要求、又使系统成本最小是冗余优化问题中的难点。针对复杂系统的特点，提出了基于量子粒子群算法的求解方法。根据数学模型，详细探讨了量子粒子群算法在系统的可靠性优化计算中应用的可行性，并给出了基于粒子群算法的可靠性的求解策略，同时对桥式系统的可靠性优化设计问题进行分析计算。仿真表明，该算法具有较强的局部搜索能力，与其他方法相比，该算法有较高的搜索效率，能够找到更优的解。最后验证了该算法在复杂系统可靠性优化中的可行性和有效性。     

基于改进PSO算法的数控机床主轴优化设计

通过分析主轴结构和加工过程中受载变形情况, 建立了主轴优化设计的数学模型。根据邓克莱法计算得到的一阶固有频率近似值,引入动态约束条件 。针对传统优化设计方法在解决主轴优化设计中出现的问题,引入粒子群优化 (PSO) 算法,并提出了一种惯性权重值适应性递减的粒子群（ADW）算法。将ADW算法用于数控机床主轴优化实例中,得到主轴结构参数优化组合。研究结果表明,运用所建立的主轴优化设计数学模型及改进粒子群算法可以得到主轴结构参数优化组合,充分显示了该研究方法的有效性。     

复杂系统可靠性冗余优化的量子粒子群算法研究

由于复杂系统可靠性函数常常具有非线性的特点,因此如何确定复杂系统各单元冗余数,设计既满足可靠度要求、又使系统成本最小是冗余优化问题中的难点.针对复杂系统的特点,提出了基于量子粒子群算法的求解方法.根据数学模型,详细探讨了量子粒子群算法在系统的可靠性优化计算中应用的可行性,并给出了基于粒子群算法的可靠性的求解策略,同时对桥式系统的可靠性优化设计问题进行分析计算.仿真表明,该算法具有较强的局部搜索能力,与其他方法相比,该算法有较高的搜索效率,能够找到更优的解.最后验证了该算法在复杂系统可靠性优化中的可行性和有效性.     

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性.     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法(PSO)和变邻域下降搜索(VND)的混合粒子群算法(PSO-VND),用以解决卸装一体化车辆路径问题(VRPSDP)。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索(VND)过程中使用3种不同的邻域结构:插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法（PSO）和变邻域下降搜索（VND）的混合粒子群算法（PSO-VND）,用以解决卸装一体化车辆路径问题（VRPSDP）。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索（VND）过程中使用3种不同的邻域结构：插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。     

基于模拟退火粒子群算法的圆柱齿轮减速器的可靠性优化

模拟退火粒子群算法将模拟退火思想引入具有杂交和高斯变异的粒子群算法中,是一种简单快速的随机全局优化算法。将模拟退火粒子群算法与可靠性优化设计理论相结合,建立了最大化减速器传动系统可靠度的优化模型,提出了基于模拟退火粒子群算法的圆柱齿轮减速器可靠性优化方法。利用该优化方法进行一圆柱齿轮减速器的优化设计,其优化结果明显优于基本粒子群算法、混合罚函数法和传统设计方法。算例表明,该优化方法具有全局收敛且精度高的优越特性,是一种有效的可靠性优化设计方法,并对其他机械部件可靠性优化具有一定的参考意义。     

有效的混合粒子群算法求解阻塞流水车间调度问题

针对以最小化完工时间为目标的阻塞流水车间调度问题,提出了一种混合粒子群算法进行求解。该算法将粒子群算法与迭代贪婪算法进行了结合。利用改进的迭代贪婪算法产生问题初始优化解,利用粒子群算法进行全局优化。针对粒子群算法易早熟收敛的特点,提出一种判断粒子停滞和粒子群早熟的方法,并在发现种群早熟后利用迭代贪婪算法的构造操作和毁坏操作对相关粒子进行变异,同时按照一定比例对最差的部分粒子进行重新初始化,以增加种群多样性。通过标准实例测试,验证了所提算法的有效性。