融入变异算子的萤火虫算法

萤火虫算法作为一种新的群智能仿生算法,虽然具有较好的通用性和易于实现的优势,但是同时也具有收敛速度慢、后期易陷入局部最优解的缺陷。针对萤火虫算法存在的一些缺陷提出一种改进型的萤火虫算法,在算法中引入差分变异算子和高斯变异算子。数值仿真实验表明:改进型萤火虫算法比基本萤火虫算法的求解精度高,收敛速度快。     

进化规划中的变异与收敛

进化规划算法中变异是唯一的操作,因此变异算子对进化规划算法的性能有决定性的影响。文中以高斯变异算子为例,研究了变异算子在进化进程的作用,分析了进化规划算法不收敛的原因以及变异算子与进化代数、收敛精度间的关系。对传统进化规划算法和多群进化规划算法的性能进行了仿真研究,仿真结果表明了分析结果的正确性。     

对流层散射无源监视系统最优布局方法

为提高对流层散射无源监视系统对辐射源的定位精度,利用改进粒子群优化算法对分布式监视节点进行最优布局设计。推导了基于电磁波方位到达角定位机制下的几何精度因子。在改进粒子群优化算法中,采用混沌理论初始化所有粒子的初始参数;通过自适应变化的惯性权重和学习因子来提高算法寻优能力;为防止粒子陷入局部最优,利用双子群机制进行寻优,并在两子群之间进行交叉变异操作,以增加粒子的多样性。仿真结果表明:相对于几种常规的布站方式,所提算法能够明显提高监视系统对辐射源的定位精度,运行时间较遍历寻优算法有所减少。     

改进粒子群算法的舰载武器目标分配

针对舰载火力打击中的武器目标分配问题,设计了一种改善的混合粒子群优化算法来求解。对粒子更新速度的最大值进行线性递减,使得前期加强全局寻优能力,后阶段提高收敛能力;采用异步变化的学习因子,以及基于正切函数的惯性权重改进法来解决全局搜索能力与收敛精度之间的矛盾;引进了遗传算法中的杂交算子并采取模拟退火思想更新粒子,避免得到局部最优解。仿真结果显示,设计的算法能有效适宜地求解武器目标分配问题。     

基于自适应变异粒子群算法的火力分配方法研究

针对最优火力分配的特点,分析了火力分配优化问题的数学模型,设计了一种求解该类问题的自适应变异粒子群算法（Adaptive Mutation Particle Swarm Optimization, AMPSO）。该算法采用十进制编码方法和基于数值运算的个体更新方法;为平衡算法的局部搜索能力和全局收敛性能,设计了一种关键参数自适应调整方法;为增强种群在进化后期的多样性,提出了一种变异策略。仿真结果表明,所提AMPSO算法具有良好的寻优性能,是优化火力分配的一种有效算法。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

面向多平台多目标协同跟踪的指派问题

针对多平台多目标协同跟踪中要求多个无人地面平台尽可能均匀地协同跟踪多个目标的特点,提出了改进的离散粒子群优化算法。首先采用连续型粒子群优化算法中的速度和位置迭代公式,然后对粒子位置进行离散编码,使粒子编码对应于可行的指派方案;其次,在优化算法中引入局部搜索,提高算法寻优性能。最后将所提算法应用于多平台多目标协同跟踪中的指派问题,并与未加入局部搜索的粒子群优化算法比较,仿真结果表明,加入局部搜索后的离散粒子群优化算法具有较好的寻优性能。     

开关磁阻电机模型参数新辨识算法

将混沌变异粒子群(CMPSO)应用在磁链数学模型的参数辨识可以得到精确的开关磁阻电机磁链模型.针对标准PSO收敛慢、易于早熟的缺点,CMPSO通过混沌优化后粒子群分成两个子群和混沌粒子群,然后通过精英粒子的适应度方差和最优解变异算法保证了改进算法的收敛.磁链辨识结果证实这种参数离线辨识算法收敛速度快,参数精度高的特点.     

求解CVRP问题的一种改进启发式蚁群算法

针对蚁群算法求解CVRP问题时收敛速度慢、求解质量不高的缺点,提出了一种改进启发式蚁群算法。该算法借鉴蚁群系统和基于排列的蚂蚁系统的优点设计信息素更新策略,既加强了对每次迭代最好解的利用,又避免了陷入局部最优;按一定比例使用基本方法和基于PFIH方法构造路径,扩大了算法的搜索空间;采用一种混合局部搜索算子,增强了算法局部寻优能力。实验结果表明,改进启发式蚁群算法可以大幅度减少车辆运行成本,具有较快的收敛速度。     

天基光学短弧观测约束域的粒子群优化定轨方法

针对空间目标定轨问题,提出一种利用两段天基光学短弧观测数据的粒子群优化定轨新算法。在介绍天基光学短弧观测测量帧集、测量约束域及目标函数构造的基础上,为解决已有的基于网格搜索思想寻优的算法存在的多解、局部最优解及运算量过大等问题,提出了一种利用粒子群优化算法在约束域内对目标函数值寻优达到定轨目的的新算法。对算法的性能进行了仿真验证。多次仿真结果表明:该算法大大降低了计算量,且有效地解决了目标函数多解和局部最优解问题,对目标定轨的精度与定轨算法的克拉美罗下限接近。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码，将动态量子旋转门引入到粒子群算法中，采用自适应变异，提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中，获得了最优的分配方案。仿真研究表明，该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。     

基于多群体改进萤火虫算法的装配序列规划

为了解决机械产品装配序列优化问题,提出了一种基于多群体改进萤火虫优化算法的装配序列规划方法。建立了装配序列规划的数学模型,针对萤火虫算法收敛效率低的不足,借鉴混合蛙跳算法族群划分思想对萤火虫算法进行了改进,引用局部搜索与全局信息交换机制提升了算法性能;根据装配序列规划问题离散型的特点,定义了新的离散编码方式和粒子更新策略。通过实例仿真结果表明,改进后的萤火虫优化算法简单有效、稳定性好、求解精度高,能够稳定快速地给出装配序列最优方案。     

基于速度可控粒子群算法的航天测控系统任务可靠性分配

航天测控系统是一个典型的多阶段任务系统,讨论了可靠性分配时的约束条件和分配目标,构建了其任务可靠性分配模型,针对任务可靠性分配这类复杂的约束组合优化问题,提出了一种速度可控的粒子群优化算法.为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度更新策略.通过算例仿真,表明算法在用于航天测控系统任务可靠性分配问题时具有分配结果优、收敛速度快等优点.     

基于改进粒子群算法的MIMO雷达布阵优化

针对MIMO雷达收发阵列在给定阵元数和阵列孔径下的布阵优化问题，将一种改进的粒子群算法———二分粒子群算法用于非均匀对称直线阵的旁瓣优化。该算法以MIMO雷达联合收发波束为优化对象，对MIMO雷达发射和接收阵列同时进行了布阵优化。仿真实验表明，当阵元数和孔径大小确定时，该算法可以在保证主瓣不展宽的情况下，将旁瓣峰值控制在－21dB以下，且与现有方法的相比，收敛速度更快。该算法在MIMO雷达设计方面具有一定的理论参考意义。