自适应粒子群优化算法在混沌系统参数估计中的应用

惯性权重w的变化会影响粒子群优化算法的搜索能力,本文针对基本粒子群算法不能适应复杂的非线性优化搜索过程的问题,在其基础上提出了一种动态改变惯性权的自适应粒子群算法。该自适应算法引入了h来衡量算法的进化速度,引入s来衡量算法的粒子聚集度,并将其作为函数w的变量,使w与算法的运行状态相关,从而使算法具有动态自适应性。最后,本文引入了两个经典的测试函数对该PSO算法进行测试,结果表明该算法明显优于基本PSO算法。     

协同粒子群算法下的火工品参数辨识

为解决火工品起爆过程中线性函数不能解决的不确定性、非线性强和火工品参数难获得的问题,文章采用Volterra模型与协同粒子群算法相结合的思想对火工品参数进行获取,从而对火工品进行合理分析,确保火工品的安全性和可靠性。通过对协同粒子群算法、递推最小二乘法的实验仿真结果进行对比可以看出,文章基于协同粒子群算法(CPSO)的Volterra模型参数辨识算法,对标准粒子群算法的过早收敛问题、遗传算法搜索速度慢的问题进行了有效的改善,对算法的辨识速度和辨识精度有很大的提升。     

平均最优信息粒子群算法在车辆调度中的应用

针对标准粒子群算法在求解车辆调度问题中存在的易陷入局部最优、早熟等缺陷,从粒子群算法本身出发,引入粒子个体与群体的平均信息,提出一种基于平均最优信息的粒子群算法(AVGPSO),该算法利用粒子个体最优信息和全局最优信息的平均值来提高全局搜索能力。将该算法应用到车辆调度问题中,并与标准粒子群算法进行比较。实验结果表明,该算法在解决车辆调度问题中表现出了更优的性能,是解决车辆调度问题的有效方法。     

投资组合选择极大极小模型的方程组法

以极大极小投资组合选择原理，建立了完美市场下的一种新的极大极小投资组合选择模型。着重讨论了极大极小模型的方程组法，利用非光滑优化理论和非线性互补函数，最终把该模型转化为与之等价的一个非光滑方程组。     

基于协PSO算法的物流配送中心选址研究

针对多目标物流配送中心选址问题,建立选址模型,并设计离散协粒子群算法,最后利用该算法进行了实例研究,结果表明该算法是有效、可行的。     

基于多Agent粒子群改进算法的车间调度

针对制造系统中车间调度过程存在的动态性与复杂性问题,本文基于粒子群算法,结合多Agent协同优化性,构建了粒子群算法的是适应度函数,以及多Agent车间调度的行动策略,提出了基于多Agent粒子群改进算法(particle swarm improved algorithmbased on multi-agent,PSIMA),建立了基于多Agent粒子群改进算法流程。最后,通过具体实例,该方法比传统粒子群算法在计算时间以及计算复杂度上有明显改进,为解决制造系统中车间调度问题提供了一种新的方法指导。     

投资组合选择极大极小模型的方程组法

以极大极小投资组合选择原理,建立了完美市场下的一种新的极大极小投资组合选择模型。着重讨论了极大极小模型的方程组法,利用非光滑优化理论和非线性互补函数,最终把该模型转化为与之等价的一个非光滑方程组。     

投资组合选择极大极小模型的方程组法

以极大极小投资组合选择原理,建立了完美市场下的一种新的极大极小投资组合选择模型.着重讨论了极大极小模型的方程组法,利用非光滑优化理论和非线性互补函数,最终把该模型转化为与之等价的一个非光滑方程组.     

自适应粒子群优化算法在车间作业调度问题中的应用

采用粒子群优化算法对该问题进行求解,为了提高算法的求解性能,针对粒子群算法特点,提出了一种自适应的惯性权值来调整算法的搜索空间和一种自适应更新策略来动态地更新粒子的位置.最后通过经典的实例对本文提出的算法进行了检验,结果表明,该改进的粒子群算法在求解车间作业调度问题是有效的.     

一种改进的粒子群优化算法

介绍基本粒子群优化算法的原理、特点,并在此基础上提出了一种改进的粒子群算法。通过在粒子初始化时引入相对基的原理使粒子获得更好的初始解,以及在迭代过程中引入变异模型,部分粒子生成相对应的扩张及收缩粒子,比较其适应度,保留最佳粒子进行后期迭代,使算法易跳出局部最优。通过经典函数的测试结果表明,新算法的全局搜索能力有了显著提高,并且能够有效避免早熟问题。     

基于粒子群算法下的交叉口信号配时优化

为了合理地优化交叉口信号配时,通过分析交叉口的评价指标,建立了以车辆的平均延误、停车次数最小、交叉口整体通行能力最大、各相位有效绿灯时间和交叉口周期时长作为约束条件的数学模型。并通过改进前人研究基础上的动态加权系数,将多目标的非线性优化问题转化为单一目标的非线性规划问题,为了得出更科学稳定的解,提出了改善粒子群算法系统稳定性的2种方法,并将其与粒子群算法结合起来。然后以Matlab为求解工具,结合临邑市某一交叉口实例进行求解分析。最后的结果表明,在使用改进后的粒子群算法进行优化后交叉口通行能力较之现状提升了9%,延误下降了28%,停车次数下降了9%,且各项优化结果均优于Webster,改进后的算法在程序中运行300代,到216代才开始收敛,而未改进的算法稳定性较差,优化结果和收敛曲线则随着实验次数的变化而变化,最后的结论证明了该算法和模型的可靠性。     

基于最大熵原理的地铁换乘站乘客流线优化模型

合理的乘客流线设计是地铁换乘站客流组织的关键技术之一。通过引入乘客流线优化测度熵的概念,基于最大熵原理,将乘客流线优化抽象为最大化测度熵的非线性约束优化问题,并构建了乘客流线优化模型。算例结果表明,不同O-D需求下,由于流线方案与换乘站建筑空间布局匹配程度的不同,导致流线方案集合Г的概率分布p(xj)差异显著。     

A minimum chi-squared method for indirect parameter estimation from Poisson data

In this paper, we introduce a new algorithm for estimating non-negative parameters from Poisson observations of a linear transformation of the parameters. The proposed objective function fits both a weighted least squares (WLS) and a minimum χ² estimation framework, and results in a convex optimization problem. Unlike conventional WLS methods, the weights do not need to be estimated from the datas, but are incorporated in the objective function. The iterative algorithm is derived from an alternating projection procedure in which "distance" is determined by the chi-squared test statistic, which is interpreted as a measure of the discrepancy between two distributions. This may be viewed as an alternative to the Kullback-Leibler divergence which corresponds to the maximum likelihood (ML) estimation. The algorithm is similar in form to, and shares many properties with, the expectation maximization algorithm for ML estimation. In particular, we show that every limit point of the algorithm is an estimator, and the sequence of projected (by the linear transformation into the data space) means converge. Despite the similarities, we show that the new estimators are quite distinct from ML estimators, and obtain conditions under which they are identical.     

基于最大熵方法对测量数据估计的改进方法研究

针对未知概率分布时难以精确估算测量结果的问题,利用最大熵值法以最少的主观成分拟合测量数据概率分布。在仿真实现过程中,发现最大熵方法存在溢出的问题,通过变量变化法成功解决了此问题。最后,通过MATLAB仿真实现,证明了改进的算法更好的扩展了其适用范围,其估算结果具有可靠性。     

萤火虫算法在化工过程优化中的应用

近些年以来,以萤火虫算法为代表的群智能优化算法由于具有强大的寻优功能而得到了广泛的应用。在化工生产的过程中,采用萤火虫算法和Matlab语言对实际问题进行优化的同时还采用了苯-甲苯闪蒸过程对其进行了仿真计算。仿真结果表明,气相产物中苯的产量在有效的调节温度、压力以及分流系数的条件下能够达到最大,不仅实现了苯-甲苯闪蒸过程的最优化,同时还充分证明了在解决化工生产过程的优化问题上采用萤火虫算法是有效的。     

基于自适应蚂蚁算法的房地产投资组合优化决策

房地产投资组合优化是降低投资风险的有效方法之一。现有的房地产投资组合理论及算法存在缺陷,本文利用熵作为风险衡量指标,并将蚂蚁算法引入房地产开发领域,且针对基本蚂蚁算法存在的计算复杂,易陷入局部最优等缺陷,提出了一种变系数的自适应蚂蚁算法,TSP问题的计算结果表明了该方法较之其他改进算法的优势。以各项目间的均值熵代替TSP中的各城市距离后的房地产投资组合计算实例表明,该方法具有较好的收敛性、稳定性和鲁棒性,是求解组合优化问题的一种较好的方法。     

基于混合粒子群算法的车辆路径优化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法．该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点．避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。     

单件离散型生产作业排程的多目标协同优化

以某重机企业为背景,分析了单件离散型生产作业排程的特征,提出多目标协同优化问题。基于改进的田口质量损失函数,确立质量、工期与成本之间的非线性关系,综合考虑单件离散型的约束条件,构建了生产作业排程多目标协同优化模型。集成仿真技术和遗传算法,为模型求解提供了有效方法。最后将模型和算法应用到企业的生产实践中,验证了其实用性和有效性,为解决单件离散型生产排程问题提供了科学方法。     

基于混合微粒群优化算法的配送中心选址问题求解

将微粒群优化算法和模拟退火算法结合．针对配送中心选址问题．构造了微粒表达方法。提出了此问题的一种混合微粒群优化算法。通过整数规范化。微粒群能在整数空间内对问题进行优化求解。该算法能克服基本微粒群优化算法精度较低，易发散的缺点，有较高的搜索效率。经过实验仿真，与基本微粒群优化算法、遗传算法进行比较．证明了该算法的有效性。     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。