对粒子群优化算法的几种改进方法

粒子群优化（PSO）算法是一种进化算法是一种较好的优化方法。PSO算法通过粒子间的相互作用发现复杂搜索空间的最优区域，其优势在于简单容易而优功能强大。本文对算法的几种改进方法作了一些探讨研究，并与其他算法进行了一些比较。     

基于粒子群算法的足球机器人动作选择研究

提出一个基于粒子群算法的足球机器人的动作选择算法。该算法给出了一个足球机器人的动作集合，根据赛场的实际情况为足球机器人分配角色与任务，并利用粒子群算法为足球机器人选择合适的动作。     

改进PSO 算法在振荡式注汽速度优化中的应用

针对蒸汽驱恒定式注汽速度驱油效果差的现状,提出了一种基于改进PSO( Particle Swarm Optimization) 算法的蒸汽驱振荡式注汽速度优化方法。该方法建立了蒸汽驱注汽速度数学模型,采用改进粒子群优化算法对此模型进行求解并优化振荡式注汽速度,最后得到蒸汽驱振荡式注汽速度最优方案。改进粒子群优化算法引入混沌优化算子产生初始解,依据各粒子适应值的距离,完成对各个粒子的自适应变异,同时引入极值扰动算子对个体历史最优值和全局最优值实施随机扰动,加快了收敛速度,提高了种群的可进化能力。实验结果表明: 所建立模型准确,优化算法有效。通过此方法可指导蒸汽驱注采方案合理编制,指导蒸汽驱高效运行。     

基于马尔科夫生存模型与粒子群算法 的动态航路规划

针对未知情况下航路规划问题,采用动态规划策略保证飞机可以实时规划未来路径,并引入基于马尔科夫的生存模型来获取飞机的生存状态概率,从而评估生存代价,再综合任务、油耗、飞机机动性等作为粒子群算法的目标函数与约束条件,同时为了缓解生存与任务之间的矛盾,引入目标函数权重自适应策略.仿真实验证明,提出的动态航路规划策略是可行的,自适应权重也在一定程度上缓解了生存与任务之间的矛盾,同时将基于马尔科夫的生存模型应用于动态航路搜索中,能够更加直观地掌握每一时刻飞机的生存代价以及各状态的概率.     

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.     

基于粒子群优化的圆阵列波束形成方法

围绕均匀圆阵列(uniform circular array, UCA)在波束形成中存在的波束主瓣宽、旁瓣电平高的问题,提出了一种基于粒子群优化(particle swarm optimization, PSO)算法的圆阵列波束形成方法。通过对UCA的输出信号进行模式空间变换,将UCA数据转换为虚拟均匀线阵数据形式。利用PSO算法充分挖掘均匀线阵各阵元间数据信息,进行阵元拓展,从而实现阵列阵元数及孔径尺度的增加,实现降低阵列波束主瓣宽度及旁瓣电平的目的。实验结果表明,在适当增加计算复杂度的前提下,利用PSO算法对阵列进行阵元拓展可以显著地提高波束形成质量,且适用于自适应波束形成。     

基于社交网络签到数据的城市空间相互作用和节点吸引力研究

基于社交网络大数据的研究视角,选取全国348个城市之间一年的跨城市社交媒体地理位置签到数据,采取优化粒子群(PSO)方法,使用引力模型,逆向推导该系统中空间相互作用的距离衰减函数以及各城市的节点吸引力。通过引入经济发展水平、产业结构、人口规模和结构、旅游竞争力、教育水平5个方面的12项变量,经过因子分析和回归分析,探究这些变量对节点吸引力的影响作用。结果表明,社交媒体签到系统中的交互流量符合距离衰减的幂律函数,与其他交互系统相比,其距离衰减系数偏小,说明全国尺度的城市间人的移动受距离影响不明显。对全国城市节点吸引力及其排名的进一步分析发现,与旅游竞争力、城市发展成熟度、人口规模这几个维度相关的因子对社交媒体签到系统中的城市节点吸引力有显著的影响。研究结论将为更好地理解人类签到和移动行为,为进一步了解复杂网络系统中节点吸引力的内涵做出一定的理论和实际贡献。     

基于双层多粒子群算法的HDEHR系统资源分配

为解决集中式区域医疗信息集成系统存在的访问瓶颈问题,设计了一种层次化分布式EHR集成模型HDEHR(hierarchical distributed EHR).介绍了HDEHR模型的总体架构,指出了该模型中的系统资源分配问题.为HDEHR系统资源分配问题进行了形式化定义,提出一种采用平均等待时间和网络与节点资源利用均衡度的调和模型作为最优化目标函数.根据HDEHR模型层次化的特点设计了一种双层多粒子群算法BLMSPSO(bi-level multi-swarm PSO),并用其解决了模型资源的最优化分配问题.采用HDEHR-Sim仿真平台进行了试验,对HDEHR算法和集中式EHR模型进行了比较.结果表明,该系统具备线性响应能力,能很好地解决集中式EHR集成模型存在访问瓶颈的问题.     

基于可拓分析的轨道车辆齿轮箱可靠性评估

采用可拓分析方法研究轨道车辆齿轮箱在线路运行时的可靠性评估问题.基于可拓理论的蕴含及可扩分析方法对齿轮箱可靠性物元进行分析,设定其可靠性评估的上位目标和下位目标;建立基于齿轮箱结构部件运行状态的比例故障率模型,应用粒子群优化算法对故障率模型进行参数的极大似然估计;以参数估计结果为基础,构建各部件的可靠性物元,进而实现对齿轮箱可靠性的整体评估.分析实例表明,在齿轮箱的当前运行状态下,大齿轮轴承Ⅰ和小齿轮的可靠性相对较低,是行车中应重点监测的部件.     

基于PSO的一类线性系统参数辨识方法研究

研究了一种线性系统的参数精确辨识方法;首先采用PSO(Particle Swarm Optimization,粒子群优化)方法对模型进行优化迭代,并选择合适误差准则作为粒子群优化算法的适应度函数,以迭代每个粒子所对应的参数速度和大小;在此基础上,寻找最小适应度值的粒子,推导出最优的适应度函数值,实现系统参数的实时、精确估计;最后通过实验验证了基于粒子群优化算法的参数辨识法的准确性和有效性。