机电产品管路自动敷设的粒子群算法

基于粒子群优化算法提出一种机电产品三维管路自动敷设算法,该算法以预处理和优化搜索为基本框架。在预处理阶段,利用混沌技术,建立混沌栅格预处理模型。三维管路敷设空间经过混沌栅格预处理模型处理,可有效地降低管路自动敷设算法的求解复杂度。在优化搜索阶段,通过分析粒子群算法和人口迁移的特点,提出改进粒子群算法。改进粒子群算法针对粒子群算法收敛速度慢、容易陷入局部极小的缺点,提出子空间局部搜索、解空间全局搜索和补空间开拓搜索。基于混沌栅格预处理模型和改进粒子群算法,给出高效的管路自动敷设算法流程图。对比试验和改进粒子群算法的理论分析,表明该优化搜索算法具有较好的性能,并证明改进粒子群算法的收敛性。实例验证表明该算法的有效性和实用性。     

基于工程规则的航空发动机管路敷设算法

复杂装备如航空发动机通常包含大量的对产品性能与可靠性有着重要影响的管线,管线敷设需要考虑空间限制与规则约束,手工敷设会导致反复修改且效率低下.提出一种基于工程规则的航空发动机管线自动敷设算法.该方法将航空发动机布管问题描述为求取满足一定规则的扫掠圆运动轨迹问题,采用柱坐标系对航空发动机的回转布管空间进行描述,构建轨道线框用于限定扫掠圆的运动轨迹.提出基于工程规则的布管算法引导扫掠圆接近目标,并提出障碍轮廓扩张法使得扫掠圆绕过形状复杂的管路附件.算法存储空间小、搜索速度快,且不局限于柱面或锥面,因此更具一般性.通过若干航空发动机管路敷设的数值算例,验证了算法的可行性与高效性.     

基于Kriging模型的复杂产品管线敷设顺序粒子群优化

复杂产品的管线布局问题十分复杂,除管路路径规划算法外,敷设顺序对管线整体敷设有着十分重要的影响.以往的研究大多将重点集中在管线路径规划方面,而对敷设顺序的研究还比较少.以航空发动机为例,提出一种基于Kriging模型的管线敷设顺序的规划方法.针对敷设顺序规划这一离散优化问题,通过论域连续化处理,建立粒子群算法优化相关函数参数的Kriging近似模型.在Kriging模型的基础上,应用离散粒子群算法搜索最优顺序,避免在优化过程中反复应用管线路径规划算法进行计算,显著提高规划效率.对离散粒子群算法的改进进一步提升算法的搜索性能.所提规划方法具有很好的通用性,仿真试验验证了方法的有效性与高效性.     

混沌优化算法及在0/1背包问题中的应用

研究了混沌优化算法的原理、方法,提出了一个0/1背包问题的混沌优化算法,该算法将0/1背包这一组合优化问题转换为数值优化问题,即将问题的解空间映射到一个整数区间,将混沌变量产生的数据映射到整数,在该区间进行最优解的搜索,通过仿真试验,说明了该算法的有效性.     

搜索空间自适应调整蜂群算法的起重机主梁优化

为了减轻起重机主梁自身重量、实现主梁轻量化,提出了搜索空间自适应调整蜂群算法的主梁优化设计方法.建立了起重机主梁轻量化设计数学模型;以传统人工蜂群算法为基础,提出了蜂群搜索空间随迭代次数自适应缩减方法,直至最终锁定最优值区域;充分利用混沌系统的遍历性和随机性,使用混沌搜索蜜源代替停滞蜜源,不仅跳出了局部极值,而且实现了蜜源进化,有效提高了算法收敛速度和寻优精度.使用搜索空间自适应调整的混沌蜂群算法和传统算法求解主梁优化数学模型,改进算法优化的主梁面积比企业主梁截面积减少了2.77％,而传统算法只减少了2.42％;对优化后主梁进行有限元分析可知,主梁优化后依然满足约束条件,符合设计使用要求.     

改进的混沌蚂蚁群算法

混沌蚂蚁群算法是受自然界真实蚂蚁的混沌行为和自组织行为启发而产生的一种基于群智能理论的优化算法.介绍了该算法的基本原理,并在对其进行算法分析的基础之上,提出了一种改进的混沌蚂蚁群算法,该改进算法采用全面学习策略和一种简单的精细搜索策略以提高算法的性能.数值实验表明,该改进算法的收敛精度和结果稳定性优于混沌蚂蚁群算法.在此基础上,将其应用于对PID 控制器参数的优化,仿真显示其结果优于混沌蚂蚁群算法.     

混沌在机械优化设计中的应用

牛顿优化技术是机械优化设计中一种常用的优化技术,由于其本身的局部收敛性对初始点较为敏感,要求初始点充分接近全局极值点才能收敛.把牛顿优化技术与混沌优化搜索相结合,提出一种混合优化算法,利用混沌搜索方法使牛顿优化技术跳出局部最优解,达到全局最优解,数值试验表明了该算法的有效性和正确性.     

基于混沌优化的有约束广义预测控制器

针对传统优化算法解决约束广义预测控制的优化问题时存在计算量大、不能找到全局最优解等缺点,该文尝试用混沌优化算法来解决此类问题.提出一种用混沌优化算法作为滚动优化策略的有约束广义预测控制算法(COGPC).该算法可以有效地处理约束并找到全局最优解,是一种新的"软约束"方法.最后通过仿真验证了该方法的有效性.     

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.     

基于混沌优化的多层前馈神经网络

BP算法是应用广泛的一种多层前馈神经网络模型,针对算法求解精度低、搜索速度慢、易于陷入局部极值点等问题,根据混沌理论的全局优化思想,提出采用"多次载波"技术将混沌优化和前馈神经网络相结合,利用已找到的近似最优解来启发搜索全局最优解的方法训练神经网络,以布尔函数识别、曲线逼近、模式识别3个典型应用对算法进行验证。研究结果表明,算法具有较好的泛化能力和快速全局收敛的性能,特别是针对中小规模的网络,混沌优化算法在训练时间、全局收敛率等指标方面优于BP算法。     

Application of a Novel Fuzzy Clustering Method Based on Chaos Immune Evolutionary Algorithm for Edge Detection in Image Processing

A novel fuzzy clustering method based on chaos immune evolutionary algorithm (CIEFCM) is presented to solve fuzzy edge detection problems in image processing. In CIEFCM, a tiny disturbance is added to a filial generation group using a chaos variable and the disturbance amplitude is adjusted step by step, which greatly improves the colony diversity of the immune evolution algorithm (IEA). The experimental results show that the method not only can correctly detect the fuzzy edge and exiguous edge but can evidently improve the searching efficiency of fuzzy clustering algorithm based on IEA. Translated from Journal of Xi’an Jiaotong University, 2004, 38(7) (in Chinese)     

基于混沌粒子群算法的单台批加工设备调度

提出了一种基于混沌粒子群算法的双层调度方法。双层调度的外层基于加工时间最小的目标构建组批方法集,然后将其作为内层算法的搜索空间;双层调度的内层以加工时间最小为适应值函数,采用混沌粒子群算法求解批次排序的最优解,得到最优的组批方法及其排序。通过仿真验证了该算法在搜索时间和搜索精度的可行性。     

基于混沌优化MPSO的移动机器人FastSLAM算法研究

针对移动机器人快速同时定位和地图创建(FastSLAM)中粒子退化问题,提出一种基于混沌优化的中值导向粒子群优化(MPSO)算法。该算法在粒子估计过程中引入观测信息,调整粒子的提议分布,提高位置预测的准测性。混沌优化MPSO算法采用两步优化策略,首先通过中值导向加速度来改进粒子的进化速度,有效地克服粒子退化问题,改善算法的收敛性;然后针对粒子耗尽问题,在MPSO优化算法中引入混沌搜索算法来寻找全局最优位置,驱散聚集在局部最优的粒子群,使其向全局最优位置靠近,扩大解空间的范围,从而保持种群的多样性。仿真和实时数据证明了该方法正确、可行。     

基于混沌粒子群算法的医学图像增强

经典的模糊增强算法在应用于医学图像时,由于在采集或者传输图像时,外部的干扰较多,图像较大几率会不够清晰,该算法的的控制参数是由手动调整控制的,效率和增强效果较差,无法达到最优。由于粒子群算法存在调整参数少,全局寻优的能力,本文将混沌粒子群算法和模糊增强算法结合,运用混沌粒子群算法对模糊增强的增强参数进行优化,仿真实验证实,对于优化后的混沌粒子群算法,可以使模糊的医学图像的清晰率提高95%以上,同时可以突出某些特征,有效地改善了医学图像的视觉效果。     

基于混沌神经网络行星齿轮传动的模糊可靠性优化设计

以渐开线行星齿轮传动机构为例,在考虑了机械传动各设计参数的模糊性和随机性的基础上,在运用神经网络求解优化方面问题的同时,引进全局耦合模型GCM(GlobaUy Coupled Mode)混沌神经网络,通过混沌遍历,可使神经网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值.利用混沌神经网络能达到系统的稳定平衡点和能够提高优化速度和精度等特点,探讨了基于混沌神经网的行星齿轮传动机构模糊可靠性的优化设计,实例进行实验,结果显示混沌神经网络的优化获得了全局最优解.表现出了令人满意的结果.     

混沌序列的神经网络实现

利用BP神经网络,对非线性系统产生的混沌序列进行学习,逼近该非线性系统的映射特征,从而使自身具有混沌特性,成为具备混沌输出能力的神经网络,建立了基于神经网络的混沌序列产生模型(CGNN).此方法利用具有学习能力的神经网络,它不需要针对某一种非线性映射设计单一的系统结构.并利用DSP技术在CGNN基础上,制成了混沌神经网络协处理机插板,将其产生的混沌序列作为密钥,用于信息的保密通信.     

基于混合差分进化算法的并行机批处理调度问题研究

考虑到实际生产中产品多、批量小的特点,建立了一种带工艺约束的并行机批处理调度优化模型。为解决调度中的分批问题,提出了一种新的基于产品需求量的批量划分方案及批量染色体编码方式,采用两级差分进化算法来解决批量划分和批次调度问题;针对标准差分进化算法收敛速度慢、易出现早熟现象等问题,引入动态随机搜索和随机变异的局部搜索策略,以增强标准差分进化算法的局部搜索能力。测试算例及调度实例的仿真结果表明,该算法能有效地提高算法收敛速度,平衡其全局搜索和局部探索能力。