一种改进的粒子群算法与遗传算法的比较

在求解非线性规划问题,进化算法已经逐渐呈现出其优越性,对粒子群算法进行了改进,同时还介绍了遗传算法,并通过测试函数对比分析了改进后粒子群算法和遗传算法的寻优性能。     

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%。     

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。     

果蝇算法和5种群智能算法的寻优性能研究

截止到目前为止进化式算法主要有遗传算法、蚁群算法、鱼群算法、免疫算法、粒子群算法.这些算法已经被广泛地用于寻优,但都有各自的缺点,导致其不易被用于解决实际问题.某学者提出了一种新群智能算法——果蝇算法.对该算法的起源进行分析,并将该算法与其他算法对比,通过仿真分析各个算法寻优性能.重点分析果蝇算法的寻优性能,得出果蝇算法简单、参数少、易调节、计算量小、寻优精度较高,从而较容易被用于解决实际问题,对于复杂问题算法可能不稳定.指出该算法的缺点,提出应改进的地方,对其应用前景作了概括.     

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。     

基于改进粒子群优化算法的发动机故障仿真

为对发动机的稳态故障特性进行有效分析,提出了一种基于改进粒子群优化算法的故障仿真方法。首先将描述系统性能的非线性方程组,转化为带约束的最优化形式,通过设置式中参数可以仿真不同状况下的系统故障。并且提出运用一种改进的粒子群优化算法来为解决描述系统的高维、非线性函数,该算法在初始化时,运用混沌的思想,使得粒子分布遍历所有状态;在进化时,运用的免疫的思想,设置了基于适应度的克隆算子与变异算子增加粒子的多样性;在免疫选择之后,对各个粒子的速度也进行了重新设置,增加了粒子寻找全局最优的能力。实验结果表明,改进的粒子群优化算法能够有效地求得最优解。     

基于改进QPSO-NN的冗余机械臂逆运动学算法

针对某种冗余机械臂逆运动学求解的问题,提出了一种基于改进量子粒子群神经网络的求解算法。以冗余机械臂末端位姿为输入,经神经网络求得其逆解;针对神经网络输出结果误差较大的问题,把神经网络求初值加入初始化的粒子群中,通过基于Metropolis准则改进量子粒子群算法,避免了量子粒子群算法的早熟现象;以关节坐标经正向运动学求得的末端位姿和期望位姿的误差为适应度函数,对机械臂关节坐标迭代寻优。仿真结果表明该方法结合了神经网络算法的快速性和改进量子粒子群算法的精确性,满足求冗余机械臂逆运动学问题的速度和精度要求。     

基于改进粒子群优化RBF神经网络的算法

针对粒子群算法易陷入局部极小的缺陷,提出了一种改进的粒子群优化算法,并将改进后的算法应用到RBF神经网络核函数参数的选取中。依照文中提出的编码方式、迭代公式和适应度函数,在全局空间中搜索具有最优适应值的参数向量。实例仿真表明,基于改进粒子群算法优化的RBF神经网络不仅收敛速度快,且误差精度高。     

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。     

一种改进的地磁平缓区的地磁匹配算法

地磁匹配在磁场特征不明显的区域往往难以得到理想的匹配结果,在分析误匹配原因的基础上提出了一种改进的匹配算法。该算法先基于两个地磁矢量进行粗匹配,进一步缩小搜索范围,然后以地磁信息熵为目标函数,利用粒子群优化算法进行精匹配以提高磁场平缓区的匹配结果。算法尽可能少地引入地磁矢量,又保证了一定的匹配精度,兼顾了地磁基准图制图的复杂性与匹配精度。     

战场环境下无人车辆战术机动路径规划方法

针对不同类型威胁体存在的战场环境中无人车辆战术机动路径规划问题,提出了一种基于威胁代价地图的粒子群优化（Particle Swarm Optimization,PSO）方法。借助极坐标系中关键点的极角进行路径描述,并使用分段3次Hermite插值方法形成光滑路径,将路径规划问题转化为关键点极角的参数优化问题。针对基本PSO（BPSO）算法存在的早熟收敛和后期迭代效率低的缺陷,借鉴以群集方式生活的物种按照不同任务对种群进行分工的机制,提出了一种基于多任务子群协同的改进粒子群优化（Particle Swarm Optimization based on the Multi—tasking Subpopu—lation Cooperation,PSO-MSC）算法。借助该算法的快速收敛和全局寻优特性实现了最优路径规划。实验结果表明：该算法可以快速有效地实现战场环境下无人车辆的战术机动路径规划,且规划路径安全、平滑。     

战时弹药输送路径PSO决策分析

介绍了粒子群优化算法的基本思想和理论,阐述了基于粒子群优化算法的战时弹药输送路径决策分析的实现过程。通过实例应用,证实了粒子群优化算法对弹药输送路经决策问题是可行和有效的。     

创造性思维粒子群优化的武器目标分配

现代战争特点为防空作战中武器目标分配(WTA)问题的求解效率和质量提出了新的需求和挑战.建立了WTA问题模型,并选择粒子群优化算法(PSO)求解模型.针对PSO算法在求解WTA模型中出现的早熟收敛特性,从认知心理学角度进行分析,将创造性思维(CT)引入PSO的速度更新公式中,提出了一种基于创造性思维的PSO算法CTPSO.针对WTA模型的离散性特点,设计了编码与解码策略,及位置和速度矢量的离散化运算规则.实验证明了CTPSO算法在WTA问题求解质量和求解效率方面的优越性.     

时空积分及粒子群优化算法的目标被动定位方法

目标运动分析是武器控制的基础,研究了可用于目标被动定位的时空积分方法,建立了该方法求解目标运动参数的理论模型,采用粒子群优化算法对时空积分谱进行优化处理以获得目标参数的最优解,海上试验数据处理结果表明该方法能够得到稳定有效的解.     

基于蜂群算法多子阵电台天线波束形成

考虑到战场环境下,低信噪比和敌方干扰容易造成超短波电台通信中断,而鉴于天线阵可以有效提高信噪比和抑制干扰,结合战场电台天线分布特点,提出一种多子阵电台天线应急接收模型。理论分析多子阵电台天线波束形成特性,以消除栅瓣、抑制干扰、提高增益为目标,采用蜂群算法对子阵间距进行优化。仿真结果表明,优化子阵间距可以有效消除栅瓣、抑制干扰、提高增益。同时,与遗传算法和粒子群算法相比,蜂群算法具有更好的全局搜索能力和收敛速度。该研究成果可为超短波电台应急通信提供参考。     

基于GRA-PSO算法的端铣工艺参数多目标优化

考虑生产实际的需求,综合最小变形误差、最大金属切除率和最大刀具耐用度建立端铣工艺参数多目标优化模型。通过对粒子群全局寻优能力和灰色理论的适应性综合分析,研究提出耦合粒子群算法（Particle Swarm Op-timization,PSO）和灰色关联（Gray Relevancy Analysis,GRA）的多目标工艺参数优化算法。该方法将多目标函数的优化问题转化为优化单项灰关联度,得到了多项工艺指标要求下的参数优化组合。将该方法应用在多目标工艺参数优化设计中取得了满意的结果,表明其具有很大的适应性。     

一种改进的变异粒子群算法研究

粒子群优化算法PSO(Partic le Swarm Optim ization)是一类性能优越的寻优算法。但由于早熟问题,影响了算法性能的发挥。针对这一问题,引入粒子距离的概念,提出一种新的PSO改进方法(称为NA-PSO)。通过求解组网雷达的系统偏差,表明了NA-PSO算法的可行性,与对比方法相比较,能有效配准,且具有更好的收敛精度和更快的进化速度。     

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。     

基于粒子群优化的模糊交通控制器设计研究

城市中往往存在着一些关键路口,其交通通畅与否会对周围的路网的交通流起着很大的影响,需要优先保持此路口的通畅.针对以上情况,设计了基于上下游交通信息的二级模糊交通控制器来对路网进行协调控制.在此基础上,本文提出了针对交通特性改进的粒子群优化算法(TIPSO),并采用TIPSO对第一级模糊规则进行优化,实验结果表明TIPSO对模糊规则具有较好的优化效果,能够离线训练获取到比人工设定的更优的模糊规则.     

基于粒子群优化的模糊交通控制器设计

城市中存在着一些关键路口,其交通通畅与否会对周围路网的交通流起着很大的影响,这些路口需要优先保持通畅.针对此情况,设计了基于上下游交通信息的二级模糊交通控制器来对路网进行协调控制.在此基础上,提出了针对交通特性改进的粒子群优化算法（TIPSO）,并采用TIPSO对第一级模糊规则进行优化,实验结果表明TIPSO对模糊规则具有较好的优化效果,能够离线训练,获取到比人工设定的更优的模糊规则.