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。     

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。     

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。     

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。     

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。     

夏季碾压混凝土重力坝施工工艺试验研究

碾压混凝土坝具有施工工艺简单、不设纵缝、工期短、造价低等优点,是水利水电工程建设中的主流坝型之一。文章结合国内某在建水电工程碾压混凝土现场及室内试验,对夏季高温下碾压工艺进行探讨,模拟当地平均气温条件下,确定最佳水胶比和配合比,并根据试验结果确定了经济合理的碾压次数,为同类工程的施工建设提供基础数据支撑。     

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。     

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.     

牛路水库碾压混凝土重力坝温控措施研究

牛路水库推荐坝型为碾压混凝土重力坝,为满足重力坝温控防裂要求,通过分析典型坝段不稳定温度场与温度应力场仿真计算结果,对提出的温控措施进行对比,经研究推荐外掺6.0%氧化镁方案、掺区为基础强约束区,对高温季节浇筑混凝土采用仓面喷雾与表面保温结合的常规措施作为补充。     

冻融循环下混凝土重力坝应力与变形分析

混凝土重力坝在冻融循环的环境下,会在内部产生冻胀裂缝,形成渗透通道,增加坝体的渗透压力.采用有限元法对坝体进行渗流-应力耦合计算,结果表明,坝顶横向位移随冻融次数的增加而不断增大,坝体迎水面混凝土所受最大拉应力随冻融次数的增加而不断减小,坝踵和坝底处的混凝土最大拉应力随冻融次数的增加而不断变大.     

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。     

碾压混凝土重力坝工程中温度控制施工技术

碾压混凝土技术是目前我国水利工程建设中常用的技术,它具有运行安全系数高、施工速度快、所需工期短、工程造价低等特点。在大坝投入运行后会因拉应力大于混凝土拉伸极限而出现裂缝现象,严重的影响了大坝的稳定性和安全性。同时,温度控制又是影响碾压混凝土质量的决定性因素之一,因此,对于温度控制这方面的研究具有十分重要的现实意义。本文就某水电站碾压混凝土施工中温度控制方面问题进行细致的分析与探讨,望能对我国类似的水利工程项目建设提供一定的参考。     

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。