基于水资源供给条件的塔里木河流域耕地规模分析

农业作为用水量最大的行业，其用水量的无序扩张势必会对区域水资源的供给造成不利影响，基于水资源供给条件的流域耕地规模分析研究具有重要的生态和经济价值。此次研究以塔里木河流域为例，通过对农业灌溉可用水量和农业灌溉需水量的计算，获得耕地适宜规模和超载规模。根据计算结果提出塔里木河流域农业发展和水资源利用方面的具体建议，对流域水资源的优化配置和高效利用具有重要的支持和借鉴意义。     

基于APSO-BP算法的水库生态优化调度研究

APSO-BP算法可实现粒子群优化的自动调整,解决传统粒子群优化算法收敛性较差,局部易出现极小值的局限,文章引入APSO-BP算法对辽宁某水库生态调度进行优化计算。研究结果表明:APSO-BP算法的收敛精度和全局优化搜索能力都好于传统粒子群优化算法,经APSO-BP算法优化下的水库生态调度可以满足流域的生态蓄水,流域最小生态需水满足度达到75%,适宜生态需水满足度达到66.7%,生态优化调度结果明显好于传统粒子群优化算法。APSO-BP算法可用于水库生态优化调度。研究成果对于水库生态调度方案以及区域生态蓄水规划配置提供方法参考。     

基于CPSO的基础设施模糊投资组合优化模型

针对基础设施效益模糊、难以度量的特点,结合模糊集理论,建立了模糊投资组合优化模型,改进粒子群算法,加入混沌思想,使用混沌粒子群算法(CPSO)求解基础设施的模糊投资组合优化模型。以4个城市投资公司的数据为样本,验证该方法的科学性与有效性。研究结果表明:模糊投资组合优化模型可较好地表征基础设施的模糊效益,提高基础设施投资决策的科学性;混沌寻优思想改进的粒子群算法可求得模糊投资组合优化模型的全局最优解,增强算法的鲁棒性。     

流水工序调度与生产效率的关系模型分析

提出一种基于粒子群算法的流水工序调度任务优化模型。利用流水工序调度任务的特点得到流水工序时间约束条件,利用粒子群算法的原理建立流水工序调度任务优化模型,利用粒子群算法对模型进行求解。仿真实验表明,利用该算法能够得到流水工序调度问题的最优解,提高生产效率。     

基于粒子群神经网络的软岩巷道变形预测

软岩巷道变形预测在采矿工程中具有十分重要的意义.软岩巷道变形预测是一个典型的多变量、非线性系统.运用粒子群优化的神经网络构造了软岩巷道变形预测的模型,以此训练好的粒子群优化神经网络模型来描述软岩巷道变形和主要影响因素之间的关系.该方法以神经网络为基础,用粒子群算法来优化神经网络,综合利用二者的优点,进行软岩巷道变形预测.实验表明,此方法是高效可行的,并可在更多领域内应用。     

基于改进粒子群算法的无人机航迹规划

针对当前基本粒子群算法无人机航迹规划在后期收敛速度比较慢、效率不高、易陷入局部最优等问题,提出一种改进粒子群算法。首先,在迭代前期和后期分段设置惯性权值的调整,实现粒子惯性和寻优行为的平衡;其次,设置一个定值与相邻2次适应度函数最优值比较策略,防止陷入局部最优;最后,引入遗传算法的交叉、变异机制,得出更优的结果。并通过仿真验证了改进粒子群算法在三维空间航迹规划的有效性和可行性。结果表明,与其他航迹规划算法相比,新算法具有路径长度更短、耗时更少、路径更平滑等优点,加快了收敛速度,提高了航迹规划效率和稳定性。因此,改进算法的航迹规划可得到满足约束关系的最优航迹,对实现自主飞行有重要的参考价值。     

粒子群优化算法在堆石坝材料参数反演中的应用

在利用有限元计算堆石坝应力和变形时,模型中的堆石坝材料参数取值常与实际值存在差异,为了获得最接近真实值的堆石坝材料参数,以某混凝土面板堆石坝实测位移为基础,采用粒子群优化算法不断调用有限元模型,计算结果表明,粒子群优化算法用于堆石坝材料参数反演中是合理可行的.     

法国博斯地区农业灌溉的地下水可持续利用探析

法国西北部博斯地区农业灌溉发展迅猛,导致地下水取用水量不断增加。文章在分析博斯地区农业灌溉历史及其含水层特性的基础上,通过对该地区1990—2013年不同阶段农业灌溉地下水管理计划与实施措施的梳理,系统总结其优势与不足及未来面临的挑战,并针对我国灌溉农业地下水可持续利用的现状提出了启示,以期为我国重要农业地区的地下水超采问题提供参考。     

基于粒子群算法的项目群网络计划资源优化研究

传统的网络计划(CPM/PERT)默认项目实施所需资源已合理投入,并就此安排各项工作。由于该技术传递信息量较少,不利于项目群资源共享。文章通过对工程项目群工期、成本、管理资源分析,提出基于粒子群算法的项目群网络计划优化模型,引入柯布-道格拉斯生产函数完善目标函数,并以某区域管道铺设工程为例开展实例研究,为今后项目群管理提供参考与借鉴。     

基于改进型离散粒子群算法变电检修计划优化

建立电网变电检修成本的优化目标数学函数,并针对粒子随机变异思想的改进型离散粒子群算法,建立与模型迭代优化相适应的粒子编码方式,以降低检修的运维成本,提高运行维护工作效率。     

混合邻域结构的粒子群算法

为了克服标准粒子群算法的早熟、停滞进化或易于陷入局部最优的现象,提出了一种混合模型(简称NSPO)。NSPO将一个粒子映射到无标度网络的多个网络节点上,借助网络结构获得该粒子的邻域拓扑。对粒子的更新,NSPO既考虑种群的最优,又考虑邻域的最优。在3个具有不同难度特点的测试函数上,将NSPO与标准粒子群算法进行了比较。实验结果表明:对于全局最优和梯度信息明显的函数,NSPO具有非常优越的表现;对于具有诸多局部最优的函数,NSPO逃逸局部最优的能力要强于标准粒子群算法;对于具有误导性梯度信息的函数,NSPO偶尔表现优异。     

基于改变的粒子群算法优化RBF神经网络的煤矿通风系统故障诊断

为了提高煤矿通风系统故障诊断的准确性,采用了一种改变的粒子群优化RBF神经网络的方法。利用改变的粒子群容易实现,简单操作,搜索能力较强的等特点,对RBF网络的中心、网络宽度以及连接权重进行优化,并用优化好的神经网络对鹤壁通风系统进行故障诊断处理。仿真结果表明,该方法具有较好地处理故障效果,是一种实用的故障诊断方法。     

基于SVR-IPSO的高危行业企业安全投入优化模型及其改进——以煤炭生产企业为例

传统的安全投入模型对解决高危行业领域中模糊复杂的安全投入问题具有一定局限性,尤其当建立目标函数时,采用隐含线性关系假设的函数进行拟合会影响模型的推广能力。基于此,本文首先采用支持向量回归机（SVR）建立事故损失模型,与传统C-D函数拟合结果相比,该模型具有更好的预测能力;然后,以实际安全投入要求为约束,以安全总成本最小化为原则建立企业安全投入优化模型;最后,采用基于捕食搜索策略的粒子群算法对模型进行求解,同时,为保证全局收敛性,引入自适应控制策略对算法进行了改进。结果表明：该模型能够更加准确地描述安全投入与安全成本间的非线性作用关系,并通过粒子群寻优得到具备可行性的全局最优解,为高危行业企业安全投入结构优化提供新的决策思路。     

基于改进粒子群的分布式通信干扰资源分配

为了解决分布式通信干扰场景下面临的资源分配效率低、干扰效益无保障等问题,结合通信干扰资源分配数学模型,设计了一种改进的粒子群算法。首先设计了分布式通信干扰场景并构建了通信干扰资源分配模型,以最大化干扰效益作为目标函数;其次采用自适应惯性因子和学习因子,并引入遗传变异策略和精英保留策略,提出一种改进的粒子群算法,最后对不同场景规模的通信干扰资源分配进行仿真实验。结果表明,相比小生境遗传算法、粒子群算法、遗传算法,改进的粒子群算法在不同场景规模下,均能获得更优的干扰效益,性能方面具备整体干扰效益更高、算法收敛速度更快、算法收敛误差更小等优势。所设计的改进粒子群算法可应用在分布式通信干扰场景中,为指挥决策提供参考。     

新型节水喷头

我国农业用水占全国用水量的70％，其中90％是灌溉用水，全国灌溉用水利用系数仅为43％，远低于欧洲发达国家(70％～80％)。该新产品是专为节约农业灌溉用水而开发的，产品包括：①新型过滤器：适合各类灌溉系统及饮水工程配套使用，可使水质较差的水过滤后达到清洁水标准(无泥沙，无有机生物)；②新型恒流灌水器：可解决流量偏差大、压差影响大的问题，具有压力补偿功能，     

农田水利工程灌溉用水效率系数测算方法研究

文章较为全面地介绍了灌溉用水系数测算的实施过程,及实施过程中选择农田水利工程灌区并设置田块样点、测定田块的面积及含水率等土壤基本物理参数等关键环节的操作要点.然后,以某农田水利工程项目为例,将灌溉用水系数测算法与首尾测算法进行了比较分析,从而得出灌溉用水系数测算法在测算精确度上具有明显优势的结论.     

基于混合粒子群法的微电网优化研究

微电网的优化运行是一个具有重要经济和社会效益的复杂问题。文章研究了在微电网中含有多种分布式电源,在并网运行方式下,建立了包含运行成本、微网与主网交互成本以及污染物治理费用的微电网多目标优化调度模型,应用粒子群优化算法对其优化调度模型进行求解,并针对一年中典型负荷日对微电网系统进行分析,验证该算法对微电网环保经济运行的有效性与可行性。     

塔里木河流域水资源统一管理成效分析

文章通过对流域水资源统一管理前后流域总用水量及其趋势的对比分析,得出流域实行水资源统一管理以后成效显著。研究了灌溉用水量与净灌溉水量二者比例的变化特点,结果表明,从塔里木河流域灌溉用水量来看,流域统一管理的成效明显,为今后实现水资源的优化配置和合理利用提供科学依据。     

粒子群算法和灰狼算法的融合

为了解决传统粒子群算法(PSO)容易“早熟”、陷入局部最优以及灰狼算法(GWO)收敛速度慢的问题。首先，采用GWO算法的个体极值更新策略来实现个体包围式向最优值趋近，融入PSO算法的速度更新策略来实现群体向最优值的趋近，并且在原始粒子群算法基础上加入线性惯性权重递减来提高算法的收敛速度，从而提出了一种基于灰狼算法和改进的粒子群算法(IPSO)的融合优化算法(GW-IPSO);其次，通过6个经典算例进行仿真试验，将融合算法与PSO算法、IPSD算法、灰狼和粒子群结合算法(GW-PSO)进行对比；最后，应用融合算法对二级直线倒立摆的控制器设计进行参数寻优。结果表明：针对6个标准测试函数，混合算法的30次试验结果平均值更接近最优值，且标准差几乎都是最小的；应用在倒立摆控制问题上，系统在5 s左右进入稳定状态。融合后的GW-IPSO算法能够在一定程度上避免早熟和陷入局部极值的问题发生，并且能够很好地应用于控制器设计过程中参数寻优问题。     

基于粒子群神经网络的供应商评价模型及应用

供应链管理成为当今的研究热点,能否选择合适的供应商成为供应链构建成败的关键,而供应商评价是这个选择过程的重要组成部分.本文比较了供应商评价的各种方法,在重点研究了BP神经网络算法的基础上,针对其训练速度慢和容易陷入局部极小点的局限性,提出了一种粒子群优化BP神经网络评价模型.通过实例用Matlab进行仿真,与传统的BP网络模型比较,得出粒子群神经网络在供应商评价中更加有效.