一种基于多组PSO的支持向量机参数优化算法

支持向量机具有优良的学习能力和推广能力,然而其性能依赖于算法参数的选取.在粒子群优化算法的基础上,提出了一种基于多组粒子群优化的支持向量机参数优化算法,该算法将各粒子自动分成多个组,能较快地在支持向量机算法参数取值范围内搜索到相应数据的算法最优参数和最优性能.     

一种大扭矩制动器优化设计方法

为解决大惯量飞轮储能系统应急制动器优化设计的难题,提出了适用于多目标、多约束问题的改进粒子群算法。该算法利用加权算法将多目标优化问题转换为单目标优化问题,并通过罚函数方法将多约束问题转化为普通约束问题,再采用粒子群寻优算法进行求解。样机试验验证了大容量飞轮储能系统制动方案的可行性与摩擦制动器优化算法的优良性能。     

基于混合粒子群优化的多目标决策新方法

多目标优化问题中的一个关键在于合理地评判各有效解的优劣。通过引入灰色系统理论中灰色关联度的概念作为评判准则,结合粒子群优化算法进行有约束多目标规划问题的研究。提出了一种新的不可行解的保留策略,进化过程中以此策略保留适量的不可行解,有利于增强对约束边界附近可能的最优解的搜索,同时,针对粒子群优化算法的容易陷入局部最优的缺点,实现了以粒子群优化为载体的混合算法:即对全局极值邻域进一步混沌搜索寻优。仿真结果表明改进的算法对多目标决策问题是有效的。     

基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

为对战场电磁频率进行有效分配以减少用频设备间的相互干扰,提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容,并以干扰度最低为目标函数,使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数,作为粒子群位置和速度参数进行初始化,将粒子群算法生成的分配结果作为蚁群算法的初始信息素,利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。     

MOQPSO/D算法求解不确定目标分配问题

为了增强不确定目标分配对战场态势变化的适应性,提出了一种基于分解的多目标量子行为粒子群算法(MOQPSO/D)的不确定目标分配方法.基于模糊多目标规划方法建立了不确定目标分配模型.以MOEA/D为算法框架,以QPSO算法为寻优手段提出了一种MOQPSO/D算法.通过粒子编码和非法粒子调整,将MOQPSO/D算法成功应用于求解目标分配模型.仿真结果表明:采用多目标优化方法能有效增强不确定目标分配对战场态势变化的适应性;MOQPSO/D算法在求解目标分配模型时要明显优于MOEA/D及MOEMD-CD算法.     

基于改进粒子群算法的协同多目标攻击空战决策

超视距空战和协同多目标攻击是空战的发展趋势,协同多目标攻击中的关键问题是空战决策。建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种改进的粒子群优化算法,并将其应用于空战决策。基本的粒子群算法是一个有效的求解连续优化问题的方法,结合遗传算法的思想,提出了直接对粒子进行交叉和变异操作来完成粒子更新的方法。仿真结...     

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。     

LCDP SO算法在协同空战攻击决策中的运用

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。     

LCDP SO算法在协同空战攻击决策中的运用?

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。     

海上多无人机协同交叉定位的优化配置方法

针对多部无人机协同交叉定位,考虑无人机安全距离、通信距离和动力学约束条件下,解决多部无人机自动实现对飞行速度和角度的优化配置问题.提出了多机协同测向交叉定位方法,该方法先根据几何稀释度精度建立了不等式约束下的无人机运动参数单目标优化模型,再利用惩罚函数法将优化模型转换为无约束条件的极小值求解问题,最后利用粒子群优化算法获得各无人机飞行速度和角度估计值.仿真试验表明,该方法对不同无人机阵型和辐射源运动状态具有较强的适应性,相比直线飞行配置方法,其定位精度有较大的提高.     

基于遗传算法的车用散热器优化设计

选取散热器的散热量、体积和压降作为优化目标,采用线性加权法建立了散热器的多目标优化模型。在给定的散热器原始数据和性能要求条件下,对散热器芯体的外形尺寸和翅片参数进行了优化。介绍了遗传优化算法的执行步骤和流程,在此基础上开发了优化程序。结果表明,优化后散热器的散热量明显增大,散热器芯体的体积和压降也有不同程度的减小。     

基于边界交叉法的高超声速滑翔飞行器多目标轨迹优化研究

针对高超声速滑翔飞行器复杂约束条件下多目标轨迹设计问题,基于边界交叉法和伪谱法提出了其多目标轨迹优化方法。首先,分析了高超声速滑翔飞行器复杂约束轨迹优化问题的特点,提出了多目标轨迹优化问题。然后,采用边界交叉法和伪谱法将多目标轨迹优化问题转化为一组单目标优化子问题,利用非线性规划算法分别求解。在优化过程中,将已求解子问题的解作为下一个子问题的初始值。利用上述方法求解了最大横程和最小峰值热流轨迹优化问题,仿真结果表明：本文方法能够有效搜索到优化轨迹的Pareto前沿,可以为高超声速滑翔飞行器轨迹设计提供参考。     

小行星探测多脉冲交会轨道多目标优化

现有的小行星探测交会轨道研究多集中于二脉冲最优燃料研究,本文则研究了小行星探测多脉冲交会轨道多目标优化问题.基于Lambert交会算法建立了包含地球逃逸轨道和日心转移轨道的多脉冲交会轨道优化模型,以燃料消耗最小和转移时间最短为两个优化目标函数.采用一类典型的多目标进化算法——NSGA -Ⅱ用于Pareto最优解的确定....     

基于杂草算法的超磁致伸缩作动器耦合模型识别

考虑磁滞损耗、动态应力等因素的超磁致伸缩作动器磁滞模型可有效揭示电-磁-机-热多场耦合效应,但准确识别其非线性模型往往存在较大困难。智能杂草算法具有激烈的竞争机制和较强的搜索能力,可用于解决作动器多目标物理参数辨识问题。传统算法的种子数量以线性方式产生且分布方差与适应度缺乏联系,极大地影响了算法收敛速度和模型识别精度。为此,提出一种非线性繁殖和分布的混合改进杂草算法,并将其应用于超磁致伸缩作动器模型识别。实验表明:改进算法具有较强的噪声抑制能力,能精确辨识含有噪声扰动的作动器磁滞非线性模型物理参数;模型预测值和实验数据误差较小,所识别参数可使磁滞非线性模型较为全面地描述作动器多场耦合机理和动态特性。     

复杂环境下基于多目标粒子群的DWA路径规划算法

针对机器人在障碍物分布密集的复杂环境中运行时,动态窗口法(dynamic window approach,DWA)易出现避障失败或规划不合理的情况,提出一种基于多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的改进DWA规划算法。在建立多障碍物环境覆盖模型的基础上,提出一种障碍物密集度的判断方法;优化DWA算法中的子评价函数;利用改进的MOPSO算法实现DWA权重系数的动态调整,将权重系数的自适应变化问题转化为多目标优化问题;根据路径规划的要求将安全距离和速度作为优化目标,并使用改进的MOPSO算法对相应的多目标优化模型进行优化求解。仿真结果表明,该算法使机器人有效地通过障碍〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLXY.TIF;%129%129〗听语音 聊科研与作者互动 物密集区的同时兼顾了运行的安全性和速度,具有更好的路径规划效果。     

基于遗传算法的多目标虚拟装配路径规划

针对以往求解路径规划问题中以路径最短为目标的局限性以及随机选取初始路径的缺陷,引入合适的目标函数和遗传算子,提出了一种基于遗传算法的多目标虚拟装配路径规划方法,利用大范围初始化的方式产生具有代表性的初始群体,设计了具有启发作用、适合路径规划的遗传算子,能够同时得到不同特点的多条路径,优化了装配路径.     

基于工程设计法的射程优化

射程是弹道导弹的重要性能指标,飞行程序选择对充分发挥导弹运载能力,提高射程具有重要影响。针对此问题,利用工程设计法的实现容易、计算量少的优点,将以飞行程序为设计对象的最优控制泛函问题转化为参数优化问题。在此基础上,建立弹道运动模型和优化模型,并应用粒子群算法进行参数优化,求解最大射程弹道。结果表明,基于工程设计法的射程优化简单可行,利用粒子群算法得到的优化参数对改善射程有显著效果,充分发挥了导弹的运载能力。而运载能力的提高对提高导弹武器的目标覆盖范围起到重要作用。     

基于Pareto排序法的战时装备维修任务多目标调度方法

针对战时武器装备维修保障问题,建立了包括最大完工时间、延迟时间和维修单元负荷在内的多目标优化调度模型。为提高解的多样性和收敛性,构建了一种基于Pareto排序法和小生境技术相结合的遗传算法用于模型求解,引入Pareto排序和拥挤距离进行适应度计算,通过混沌系统随机生成权重系数,并使用小生境技术改进选择方式。通过实例验证表明,该方法能够有效地解决装备维修多目标调度问题。     

火力分配多目标优化的IBACO算法

应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。