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。     

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.     

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。     

粒子群算法在网络计划优化中的应用研究

平煤天安五矿位于平顶山市区西北部，1956年建矿，1958年12月31日投产。设计生产能力120万t。开采丁、戊、己三组煤层,现只开采己组煤层，井田呈东西走向，南北倾斜，服务年限64年，面积31．5km^2。     

基于粒子群优化机器学习模型的水面蒸发量估算模型研究

水面蒸发是估算区域水资源平衡的重要参数之一,实测的蒸发皿蒸发量(E_pan)是重要的水温变量,为找出估算区域的E_pan最优模型,以江西省为研究区域,基于极限学习机(ELM)、随机森林(RF)、支持向量机(SVM)、BP神经网络4种机器学习模型,以粒子群算法(PSO)为基础建立了4种优化模型,对不同站点E_pan进行了估算,结果表明：在日值、月值估算中,PSO-RF模型精度最高,其在不同时期的相对误差最低,在3—10月及全年的相对误差在4.1%～4.4%,同时在不同训练及预测组合下,该模型均能保持较高的精度。     

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WOA-LSTM的窄带通信网网络时延预测算法

为了给窄带通信网的链路选择及协议的智能切换提供实时参考,设计了 一种基于鲸鱼优化算法(WOA)和长短期记忆神经网络(LSTM)的窄带通信网网络时延预测算法.首先对实测数据样本进行标准化处理,以LSTM神经网络算法的均方根误差函数的倒数作为适应度函数;其次采用鲸鱼优化算法对LSTM神经网络的学习率、隐含层神经元个数进行优...     

基于PSO的信息熵数据融合非均匀分簇路由算法

针对无线传感器网络分簇算法中能量分布不均衡导致的"热区"和簇头负载过重问题,提出了一种基于PSO算法优化簇头选举的非均匀分簇算法。在候选簇头选举和竞争半径计算过程中综合考虑节点动态能量、节点密度和节点距基站距离,将网络进行非均匀分簇,并引入PSO算法进行最终簇头选举。根据节点能量、节点密度和距基站距离确定簇间单跳多跳结合的路由规则,选取代价函数小的节点作为下一跳节点。基于节点信息熵确定融合阈值,进行簇内数据融合剔除冗余数据。仿真结果表明,改进算法的数据传输量比EEUC算法和UCRA算法分别提高了20%和10%,提升了数据的融合效率,有效延长了网络生命周期,簇头能量消耗得到均衡,减少了网络能量消耗,网络的整体性能显著优于其他对比算法。     

基于算法随机排列的安全增强模型

数据安全是技术管理中的1个重要因素,为此出现了各种加密方法并广泛应用于保护敏感信息。加密方法都是以算法为基础,算法无论多么复杂,因其遵循固有的单调性,易受到暴力攻击的威胁。在选择加密算法时引入1个随机函数,提出1个集成的复合加密算法,它由经密钥选取的若干个算法组成;引入算法库的概念,定义算法的混合、层次排列加密机制。     

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。     

基于地区功率平衡的新能源最大接纳能力评估

新能源出力具有的随机波动性特点,使其不能像常规电源一样输出稳定可控的功率。大规模新能源并网必然会对电力系统的安全稳定运行带来挑战。随着新能源装机容量的快速增长,为了使新能源的建设速度与电网建设及负荷发展相适应,减少弃风弃光现象,对当前阶段的新能源接纳水平做出准确的评估显得尤为重要。以某省份实际运行情况为例,考虑了调峰、网架输送能力等制约新能源接纳能力的主要因素,提出了一种基于省内各地区功率平衡的最大新能源接纳能力评估方法,为各地区新能源的装机规模与建设时序提供参考。     

遗传算法优化BP神经网络的岩质边坡稳定性预测

为了解决边坡工程中非线性变化给稳定性预测造成的困难,建立了GA-BP神经网络计算模型预测岩质边坡稳定性。采用定性评价和相互作用矩阵复核的方式,选取边坡坡度、边坡高度、斜坡结构类型、岩体强度、控滑结构面倾角、岩体结构特征、地表变形强度、人类活动强度8个评价因子作为BP神经网络的输入变量;利用遗传算法对神经网络的初始权值和阈值进行优化后训练岩质边坡稳定性预测模型;对比分析GA-BP神经网络和BP神经网络的预测效果。结果表明,优化后的预测结果误差绝对值小于0.15的占85%,未优化的传统神经网络仅占45%,优化后的预测结果更加接近真实值,表明遗传算法对传统BP神经网络的优化是有效的。研究结果对建立岩质边坡稳定性预测模型具有一定的参考价值。     

基于改进遗传算法的沥青路面再生工厂布局优化

为了帮助沥青路面再生工厂获得更好的经济与环境效益,提出一种基于改进遗传算法的布局优化方法。首先,确定再生工厂布局的约束条件,并以非物流相关性最大、物料搬运成本最低和碳排放最少作为优化目标建立工厂布局优化模型;其次,基于初始布局方案,采用实数分层编码及排列组合方法对各功能区的初始位置进行交叉互换,并根据约束条件进行筛选,得到合适的初始种群;再次,针对横坐标层与纵坐标层进行算数交叉,变异时坐标层采用多点变异,放置方式层采用单点变异,并引入模拟退火算子;最后,以某再生工厂为例对改进算法进行验证。结果表明：改进后的遗传算法迭代次数较传统遗传算法减少34次,目标函数值较文献中遗传算法减小0.009 9,提高了算法的寻优能力;优化后的方案每日物料搬运成本减少14 468.85元,碳排放减少30.59 kg,验证了方法的有效性。研究中所提出的优化方法效率较高,可为沥青路面再生工厂的建设提供技术支持。