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。     

基于改进粒子群的农田水利工程灌溉路径优化

为提高农田水利工程的效率,采用改进粒子群算法,优化农业水利工程灌溉路径。文章分析了对灌溉路径影响的因素,通过构建农业节水灌溉的路径优化模型,计算粒子群优化算法最优解,实现农田水利工程中灌溉路径优化。实验结果表明：应用该方法优化路径后灌溉系统运行时间为5.25min,灌溉平均用水量为62.12L/m²,具有较高的时效性,并且能降低用水量和路径长度,研究方法设计的路径优化方法具有较好的适用性能。     

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。     

基于Abaqus的挠性轴强度对比仿真分析

结合某172型螺杆钻具井下工作参数建立有限元力学计算模型,通过理论计算与Abaqus的模拟仿真计算,对比研究不同材料挠性轴的疲劳强度,并根据计算结果进行材料优化。通过对材料合理的选择和使用来提高挠性轴的疲劳强度,进而提升螺杆钻具的使用寿命。     

基于PCE-粒子群算法混凝土重力坝优化设计

为解决重力坝结构优化设计中数值模拟计算量大、设计效率低下的不足,文章使用PCE法建立近似模型代替数值模拟试验,经过检验所建立的模型精度较高满足工程设计要求;使用改进粒子群算法避免了该算法容易获取局部最优值的弊端,对重力坝结构进行优化设计,优化后的断面面积减小7. 1%,且安全系数为6. 51满足工程安全要求。     

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。     

基于发电成本与环境效益的风电最佳接入容量分析

为充分了解风电接入电力系统后对发电成本及环境效益的影响,计算符合系统运行经济性的风电接入容量,建立了风电最佳接入容量优化模型。采用该模型分析了不同容量火电机组在不同功率下的煤耗特性变化,并通过对火电机组深度调峰补偿调动火电机组调峰积极性;引入火电排污成本以充分体现风电接入后的环境效益,加入弃风惩罚费用来保障风电优先调度。采用粒子群算法并结合主动搜索技术(active explore basic particle swarm optimization,AEPSO)对模型进行求解,有效解决了粒子群算法易陷入局部最优的问题。最后以某地区实际电力系统为例,计算得出了在最经济运行模式下的风电接入容量,验证了模型的合理性。该研究可为相关决策部门制定风电发展规划提供参考。     

基于遗传微粒群算法的输电线路图像分割

图像分割技术的发展是电力系统视频监控技术发展的基础。最大类间方差(Otsu)阈值分割法分割图像计算复杂、时间开销大,需要利用遗传微粒群算法(PGSHEA)进行优化。PGSHEA引入微粒群算法的快收敛及遗传算法的多样性特点来优化参数搜索,同时引进了摒弃因子来节省时间开销,最终得到最优值。输电线图像实验结果表明,该算法不仅有助于提高识别的准确率,而且减少了时间开销。     

基于SPH法的九寨沟滑坡模拟研究

为了提高有限元法在解决滑坡较大变形时网格畸变的计算效率和精度,以九寨沟区域滑坡处地层土壤材料参数为基础,采用SPH法建立边坡模型,通过改变粒子密度和瑞利阻尼参数,研究了九寨沟区域滑坡的缩尺斜面模型滑坡面发生状况,比较了不同参数下滑动面产生过程中的差异。结果表明,在应用SPH法分析地震边坡变形的过程中,平滑距离的调整易使计算精度发生变化,从而产生一定程度的误差,而平滑距离也会影响边坡的最终变形形态;在不同的SPH粒子密度和不同的瑞利阻尼参数下,滑动面的产生过程也呈现出显著差异。SPH法有效改善了有限元处理大变形时网格失真等问题,研究结果可为地质灾害易发区的滑坡灾害防治提供一定参考。     

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。     

基于多目标粒子群的水光互补光伏电站容量优化方法

针对光伏电站受到动态环境影响,导致工作效率不高的问题,提出了基于多目标粒子群的水光互补光伏电站容量优化方法。利用水电机组改变水库库容,使用多目标粒子群算法,优化水光互补光伏电站容量,采用中长期优化调度方案和短期优化调度方案,调度期内互补的发电效益。结合多目标粒子群优化流程,构建水光互补经济模型,实现光伏电站容量的优化。实验结果表明,该方法运行电荷与理想电荷一致,且收益最高,具有良好优化效果。     

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.     

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。     

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。