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。     

基于改进的蚁群算法的移动机器人路径规划

针对移动机器人路径规划中的传统蚁群算法收敛精度低、易陷入局部最优等问题,提出一种改进蚁群算法。首先,对算法的转移概率进行改进,加入转向代价,减少不必要的转折,并针对启发函数启发性能不够强,对路径启发信息进行改进;然后,提出一种自适应的参数调整伪随机状态转移策略,动态改变参数值,避免过早陷入搜索停滞,增强搜索的全面性,同时对信息素更新方式进行改进,调整信息素挥发系数,保持蚂蚁发现最优路径的能力;最后,通过Matlab与其他算法进行对比分析。仿真结果表明,改进的蚁群算法收敛速度快,且路径长度和算法迭代次数有明显减少,能得到全局最优路径。改进蚁群算法具有可行性、有效性,在移动机器人路径规划中有一定的应用价值。     

基于改进AG算法的机器人动态路径规划方法

为了充分发挥Agoraphilic(AG)算法的优越性,使其可以在动态环境中有效地进行路径规划,对传统AG算法进行了研究和改进,在计算自由空间力时增加了机器人和动态障碍物之间的相对速度分量,该分量可分解为2个方向的分力,一个分力使机器人向背离障碍物的方向运动,另一个分力使机器人向垂直于障碍物的方向运动,充当机器人绕行的动力。利用Matlab进行了仿真实验,将改进的AG算法和几种其他动态路径规划方法进行了对比。改进后的AG算法使机器人能够迅速躲避动态障碍物,有效地进行动态避障。研究方法不仅可以解决动态环境中机器人躲避动态障碍物并到达目标点的问题,而且与其他动态路径规划算法相比,具有路径长度更短、耗时更少、路径更平滑等优点。     

发电商基于Q—Learning算法的日前市场竞价策略

电力市场仿真可以研究市场规则、市场结构对价格形成的影响和市场参与者的动态行为。初步建立了用智能多代理模拟日前市场发电商竞价策略的模型,采用Q-Learning算法优化自身策略。改进了增强学习算法中探索参数的选取。使程序在开始阶段以较大的概率进行新的搜索,避免过早陷入局部最优。改进了阶梯形报价曲线的构造方法,减小了计算量,提高了计算速度。     

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。     

多周期第四方物流集成反馈网络设计的模型与算法

本文研究了多周期第四方物流集成反馈网络设计问题,并考虑3PL运输供应商的信誉等级变化对整体网络配送完成率的影响。通过设计反馈调节机制和信誉评价体系,建立多目标规划模型来描述该问题。针对基本蚁群算法的不足和本问题的特点,设计奖惩蚁群算法,该算法通过增加奖惩因子,提高算法的收敛速度和全局搜索能力,有效避免了算法陷入局部最优。仿真实验结果表明了模型的合理性和奖惩蚁群算法的有效性。     

大数据驱动下的新一代高速公路 智慧诱导技术

为了解决高速公路出行路径选择问题,基于图论模糊算法,提出了大数据下的智慧诱导技术。首先对高速路网在路径诱导的实时性、线路规划的精准度和算法的适用性方面进行优化;其次通过利用贪心算法和整体寻优算法,对经典路径诱导算法进行研究和比选;最后针对高速路网提出基于大数据动态规划的路径诱导技术,采用大数据、内存计算、图计算和AI结合的方式来实现大数据的动态实时路径诱导。研究结果表明,智慧诱导技术可主动为有不同诉求目标的出行者提供实时最优的方案选择,解决复杂路网下动态路径的合理诱导问题。所提出的方法可实现大数据驱动下的智慧诱导,对进一步提升公路智能化和精细化管理水平具有借鉴意义。     

基于门座式起重机无人自动化的路径规划系统

研发基于激光雷达的建模技术,建立码头坐标系,并进行作业区划分、障碍物识别、路径规划。本文介绍了路径规划系统的设计思路、避障方法,通过算法计算出最短路径,提高作业效率。     

变压器局部放电在线检测的研究

文章就变压器局部放电在线监测系统进行研究设计。利用变压器局部放电在线监测装置来实现对变压器工作状态的实时监控,从而能够及时了解到变压器内部的局部放电状况,能够准确检测出绝缘脆弱的部分,提前采取防护措施,从而能够避免意外事故的发生。     

基于图像识别的爬壁机器人的路径规划

目前对于爬壁机器人的路径规划问题,强化学习算法已被广泛运用,但在实时动态复杂工业环境下,该算法存在着数据传递滞后、状态-动作对收敛缓慢、无法估计状态-动作对的问题。本文结合单步Q-learning算法,并对该算法进行改进,提出了跟踪迹Q(λ)算法:即一种基于离散马尔可夫决策过程的经典Q学习并结合了瞬时差分算法多步回报和跟踪迹提取的算法。实践表明,该算法解决了路径规划过程中,强化学习算法存在的局部寻优能力差、实时性不强等缺点。     

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。     

基于改进遗传算法的模具零件孔群加工路径优化

为提高孔群模具的加工效率,提出了一种最近邻、遗传算法和禁忌搜索相融合的改进遗传算法。采用最近邻算法选取一系列好的初始种群,同时将禁忌搜索中"禁忌"的思想引入到遗传算法中,并在进化过程中随机引入部分新个体,进行迭代搜索。根据孔群加工特点建立了类似旅行商问题的数学模型,并用改进算法求解最短加工路径,在分布复杂的孔类模具上进行数值实验。轮胎实例应用结果表明,改进算法优化后路径长度比CAM系统算法优化后路径长度缩短5.31%,比X向路径法缩短77.88%,比Y向路径法缩短77.63%,比最近邻算法缩短4.52%;当实验参数相同时,改进算法路径长度比遗传算法缩短14.65%,且运行时间平均缩短了63.60%。改进算法的路径长度明显缩短,有效提高了孔群的数控加工效率。其通用性较好,在提升数控系统孔群加工效率方面具有参考价值。     

基于FSDT的车站火灾疏散故障感知能力研究

车站人员的火灾疏散感知不准确性是车站火灾疏散故障发生的直接原因,且车站人员的感知能力之间存在差异性。为了科学评价车站工作人员的火灾疏散故障的感知能力,基于模糊信号理论,针对故障感知辨别能力指标和故障感知能力反应倾向性指标对车站人员感知能力进行定量评价,并以成都火车站车站人员为例,通过设计调查问卷进行实例分析,对有效提高车站火灾疏散故障感知能力从而对避免事故疏散故障的发生有重要的意义。     

Hybrid particle swarm optimization with mutation for optimizing industrial product lines: An application to a mixed solution space considering both discrete and continuous design variables

This article presents an artificial intelligence-based solution to the problem of product line optimization. More specifically, we apply a new hybrid particle swarm optimization (PSO) approach to design an optimal industrial product line. PSO is a biologically-inspired optimization framework derived from natural intelligence that exploits simple analogues of collective behavior found in nature, such as bird flocking and fish schooling. All existing product line optimization algorithms in the literature have been so far applied to consumer markets and product attributes that range across some discrete values. Our hybrid PSO algorithm searches for an optimal product line in a large design space which consists of both discrete and continuous design variables. The incorporation of a mutation operator to the standard PSO algorithm significantly improves its performance and enables our mechanism to outperform the state of the art Genetic Algorithm in a simulated study with artificial datasets pertaining to industrial cranes. The proposed approach deals with the problem of handling variables that can take any value from a continuous range and utilizes design variables associated with both product attributes and value-added services. The application of the proposed artificial intelligence framework yields important implications for strategic customer relationship and production management in business-to-business markets.     

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RBF神经网络的微机械陀螺仪温度控制系统

为了避免微机械陀螺仪受温度影响产生较大波动,设计了基于RBF神经网络的微机械陀螺仪温度控制系统。首先,构建了微机械陀螺仪温度控制装置的数学模型;其次,鉴于控制模型参数会随温度改变而发生变化,提出了基于RBF神经网络的自适应PID控制算法,利用径向基函数的局部逼近能力调节微机械陀螺仪环境温度。结果表明,设计方案基于RBF神经网络,可实时整定PID参数,且能够准确控制微机械陀螺仪的温度。与传统PID控制相比,基于RBF神经网络的自适应PID控制算法具有更快的调节速度和较强的鲁棒性,实现了微机械陀螺仪温度的无静差控制,降低了模型参数变化对控制效果的影响,满足温度控制系统的要求。