考虑列车混行的运行调度一体化优化方法

研究考虑列车混行的运行-调度一体化优化方法.通过对再生制动能量的利用,将列车的运行与调度联系起来,建立以能耗最优为目标的列车运行-调度一体化优化模型.考虑不同速度等级列车之间的追踪间隔和越行行为,确保在列车行车安全的情况下,在优化列车运行曲线的同时优化列车时刻表,实现线路上运行能耗的全局最优.采用粒子群算法对模型进行求解,获得不同速度列车的运行曲线及时刻表.仿真算例表明,该方法的节能效果明显,不仅可以在运行能耗方面节省9.6%,列车之间的再生能利用也可以达到13.2%,平均每辆车节能可以达到7.6%;采用改进后的再生制动能量利用方法,可以将能量利用在常规方法的基础上提升12.7%.     

一种采用两段粒子群优化的路径规划方法

在路径规划中普遍采用多条短曲线拼接成一条长曲线,这种方法通常只实现了C1连续,导致相邻短曲线在连接处的二阶导数不连续。为解决这个问题,采用具有C2连续特点的三次B样条曲线作路径,并提出一种两段粒子群优化实现路径规划。在第一阶段确定B样条曲线的控制顶点数,在第二阶段搜索最优路径。为保证粒子的有效性,依据B样条曲线的特点改进了粒子的初始化方法。在适应度函数中通过弧长因子、碰撞因子分别考察路径的长度及碰撞检测,粒子通过循环逐步逼近全局最优解。实验结果表明粒子初始化采用改进的方法后更接近实际路径,采用两段粒子群优化算法能获得C2连续的路径。     

基于改进粒子群算法的机械臂轨迹规划研究

为提高机械臂的适用性和工作效率,针对机械臂关节空间时间最优轨迹规划问题,在研究传统的多项式插值轨迹规划方法基础上,结合改进的粒子群优化算法,通过动态调整学习因子,结合线性惯性权重,改善传统粒子群算法容易陷入局部最优的缺点,快速准确得到最优解;在机械臂工作空间中选取可到达的路径点,获取路径点处的关节角度,采用3-5-3分段插值多项式法规划机械臂的运动轨迹,同时利用改进粒子群算法优化轨迹的运行时间,得到平滑、连续且时间最优的运动轨迹曲线。Matlab仿真实验结果验证了该方法进行轨迹规划的可行性和有效性。     

新型动态粒子群算法及其在工业控制中的应用

粒子群优化算法是一种在复杂优化问题的空间域探求最优解的启发式搜索方法。为了优化传统的PSO算法,缩短其运行时间,提出了一种动态收缩型的粒子群优化。收缩型粒子群算法在初始阶段含大量的粒子,随着迭代次数的增加,粒子数量不断减少,仿真结果显示,此方法相比于传统的PSO算法可减少近60%的运算时间。运用此改进的粒子群算法优化理论,实现了对PID控制参数的自适应调节。结果表明,新型的PSO算法可以使得PID控制参数调整速度更快,产生超调量小。     

基于再生制动能利用的高铁列车运行图优化

动车组列车在制动时会产生大量再生制动能源,可供同一供电分区牵引列车使用,充分利用再生制动能可以降低运营能耗并节约运营成本．利用列车始发站发车时刻及停车站停站时间的可控性,考虑多列车安全运行间隔与动车组交路中车次接续时间等约束条件,以再生制动能利用最大化为目标构建节能时刻表模型,使用Gurobi求解器求解,并通过实例检验模型有效性．结果表明,优化后的列车运行图再生制动能利用率为49.3%,节约的牵引能耗可达14 967.622 kW?h,节能效果显著;对比退火算法的模拟结果表明,使用Gurobi求解器后的模型精度与效率均较优．研究结果可为铁路运输部门编制节能运行图提供参考．     

基于免疫粒子群的调峰炉热力站优化调度

为了实现供热节能,对调峰炉热力站进行优化调度．首先结合供热能耗最小和运行费用最小两种调度模型,建立一种综合节能最优的调度模型,该模型可适应不同调峰模式下的供热需要．然后将免疫粒子群算法(Immune particle swarm optimization,IPSO)应用于优化调度的寻优计算,采用免疫算法,对粒子群算法(PSO)进行改进,避免了粒子群算法中存在的算法早熟、容易陷入局部极值等问题,能更准确快速地求解出优化调度结果．通过实例验证了该算法的优越性,计算结果表明调峰炉热力站的优化调度达到了节能的目的．     

基于粒子群优化的云计算低能耗资源调度算法

针对云计算环境中能耗过高问题,提出一种基于粒子群优化方法的云计算低能耗资源调度算法。首先建立了云环境中资源调度的能耗模型;在此模型基础上,指出能耗最优是多目标优化的帕累托(Pareto)最优问题。根据能耗模型,将粒子参数设为服务器分配状态和频率分配状态,从而寻找获得单粒子的局部最优帕累托解集;合并多个粒子最优解集,得到单个分配方案下帕累托全局最优解(Pareto optimality)集合;最后,在不同分配方案对应的最优解集合中寻找最优解。实验验证了所提算法的有效性。与广泛使用的轮询调度算法比较,所提算法的动态能耗为轮询算法的45.5%。     

中央空调水系统的节能优化

提供了一种中央空调水系统节能优化的新技术.根据系统主要部件的模型定义了优化的目标函数和约束条件.采用二进制粒子群算法求出优化问题的最优设定参数,说明了算法的实现过程.仿真和实验研究结果表明优化方法相对于传统方法能显著地降低系统能耗.     

基于禁忌搜索的混合粒子群优化算法

针对粒子群优化算法（PSO）易于陷入局部最优解并存在早熟收敛的问题,利用禁忌搜索算法较强的“爬山”能力,搜索时能够跳出局部最优解,转向解空间的其他区域的特点,提出了一种新的基于禁忌搜索（TS）的混合粒子群优化算法（TS—PSO）,并选用两个函数进行测试．结果表明,TS—PSO比其他改进粒子群算法更能提高收敛速度,获得全局最优解．     

粒子群优化的BP神经网络在电梯群控系统中的应用

目的提出基于粒子群优化的BP神经网络获取评价电梯群控系统派梯性能指标的新方法．方法综合考虑电梯运行特性,确定电梯调度控制策略,建立了电梯运行性能的评价指标函数,利用神经网络自学习功能获取评价指标的初始权值和阀值,针对平均候梯时间对比研究了普通BP神经网络算法和粒子群优化BP神经网络算法．结果将优化的权值和阀值代入BP神经网络获得平均候梯时间,粒子群优化的BP神经网络与BP神经网络相比,减少了迭代次数,缩短了运行时间．结论仿真实验表明,该方法可以避免BP神经网络训练中产生局部极小值,加快BP神经网络训练速率,提高电梯群控系统控制的速度．     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

改进的粒子群优化算法

粒子群优化算法是一种基于群体的自适应搜索优化算法,存在后期收敛慢、搜索精度低、容易陷入局部极小等缺点,为此提出了一种改进的粒子群优化算法,从初始解和搜索精度两个方面进行了改进,提高了算法的计算精度,改善了算法收敛性,很大程度上避免了算法陷入局部极小.对经典函数测试计算,验证了算法的有效性.     

基于多级惩罚函数的粒子群约束优化算法

基于多级惩罚函数和粒子群算法解决多约束优化问题,采用粒子种群中的多个粒子并行寻优,避免多约束优化问题收敛于局部优化解。定义了多级分配函数作为约束因子表达惩罚函数与约束条件间函数关系,约束因子按照约束条件的不同分为多个等级。提出了粒子群多级惩罚函数算法,应用于三个经典约束优化问题,均在较少迭代次数内得到高精度优化解。     

结合粒子群算法的小波神经网络交通流预测

针对短时交通流量具有复杂性、非线性等特点,提出基于粒子群算法的小波神经网络交叉路口短时交通流量预测方法,利用粒子群算法优化小波神经网络的模型参数,通过定义可变的加速因子,使粒子群算法有利收敛于全局最优解.将粒子群算法的全局优化搜索能力和小波良好的时频局部性质相结合,克服神经网络易陷入局部极小和引起振荡效应现象的缺点.实验仿真结果说明,该算法可以有效提高预测精度,减少预测误差,并且很好的反映了交通流的特点.     

粒子群优化算法的研究与展望

粒子群优化算法是一种基于群智能的随机优化算法,具有简单易实现、设置参数少、全局优化能力强等优点.着重对粒子群优化算法中的基本算法、改进算法、应用领域和研究热点等方面做了较为详细的论述.     

量子粒子群算法在结构模态参数识别中的应用

量子粒子群算法作为粒子群算法的改进,具有参数少、好编程、易收敛等优势而备受关注.通过将由结构输入、输出数据计算而得的实测频响函数与包含所需识别的结构模态参数的理论频响函数之差最小化作为优化目标,经过对理论频响函数中的结构模态参数搜索取值而使目标函数最小,此过程将结构模态参数识别问题转化为优化问题.采用量子粒子群算法进行优化而得到结构模态参数.为验证该方法的有效性,对一数值模拟的三层混凝土框架结构进行分析,结果表明,量子粒子群可以有效地识别结构模态参数.     

利用粒子群算法计算AHP判断矩阵排序权重

根据判断矩阵的基本性质,可以将判断矩阵的排序权重计算归结为一个最小化一致性指标的最小优化问题。针对这个最优化问题,提出一种利用改进的粒子群算法计算排序权重的算法。首先对判断矩阵排序权重计算及一致性检验、改进的粒子群算法进行了介绍,然后对排序权重计算进行了描述,最后给出仿真实验数据及其分析。实验结果验证了此算法的有效性,并显示该算法具有很高的精度和稳定性。     

基于微粒群算法的NURBS曲线降阶

从最优化思想出发,把NURBS曲线的降阶问题转化为求解优化问题,并基于微粒群算法,给出NURBS曲线降阶的一种新方法．该方法可以实现多次降阶,且降阶后的NURBS曲线直接以显式给出．     

粒子群优化算法的发展与展望

对粒子群优化算法的产生背景、基本算法、改进算法、研究热点及应用领域作了简要的综述,并对其发展方向作了展望。