微粒群优化算法

摘要： 针对多扰动并发工况下无等待混合流水线生产调度问题,构建了多重约束下兼顾初始调度目标(最小化工件完工时间加权和)和扰动修复目标(最小化工件完工滞后时间加权和)的干扰管理调度模型,设计了搜索方向动态可变的多目标随机加权处理策略。并将基于高斯变异的全局寻优改进策略与基于随机邻域结构的局部精细搜索策略相结合,提出了一种混合微粒群优化求解算法。数值算例仿真实验结果表明,包含高斯变异算子和随机邻域结构的混合微粒群优化算法求解本文干扰管理调度模型是有效的。

摘要： 针对传统计算方法存在的计算复杂、计算成本高等不足,利用某处地磁场下卫星载荷的磁场测量数据,逆计算出卫星栽荷的等效磁化率,再根据等效磁化率就可计算在不同磁化方向、不同地磁场大小下卫星载荷产生的感应磁场.根据均匀磁化卫星载荷的特点,将积分方程法中系数矩阵元素的体积分形式化为面积分形式,并消除积分计算的奇异性,建立基于单元表面积分的感应磁场计算模型,从而降低计算成本.最后,实验结果表明:磁场测量值和计算值吻合得较好,该算法的有效性和可行性得以验证.

摘要： 针对现有直流电动机控制系统的特点和存在的问题,介绍以STM32单片机为控制核心的直流电机数字调速控制系统.该系统利用PWM信号驱动控制直流电机,将模糊控制与微粒群算法相结合,优化模糊控制器的参数,实现直流电机的驱动和闭环调速控制.实验结果表明,该控制系统结构简单、调速性能好,并具有较强的抗干扰能力,在工程应用中有较高的推广价值.%In allusion to the characteristics and problems of the current DC motor control system,a DC motor digital speed regulation control system taking STM32 single chip microcomputer as the control core is introduced. In the system,PWM signals are used to drive and control the DC motor,fuzzy control is combined with the particle swarm optimization algorithm to optimize the parameters of fuzzy controller and realize the drive of DC motor and closed-loop speed regulation control. The experimental results show that the control system has a simple structure,good speed regulation performance,and strong anti-interference ca-pability,which has a high promotional value in engineering application.

摘要： 针对传统直接转矩控制(DTC)中的磁链转矩脉动大、逆变器开关频率不恒定的缺点,提出了基于微粒群优化(PSO)的自适应反推直接转矩控制方法,该方法中根据永磁同步电动机(PMSM)直接转矩控制原理设计了磁链转矩自适应反推控制器,并针对控制器中参数较多、不易调节的问题,引入微粒群优化算法优化自适应反推控制器中的参数.仿真结果证明了自适应反推控制器参数可通过微粒群优化方法得到,与传统直接转矩控制方法相比,基于PSO的自适应反推直接转矩控制方法可明显减小磁链和转矩脉动,使逆变器具有恒定的开关频率.

摘要： The vibration and noise of motor could be reduced by keeping a reasonable control on cogging torque.To minimize the vibration and noise of PMSM,an optimization of four main parameters (pole-arc coefficient,eccentric distance,air-gap length and magnet thickness) that affect the cogging torque was done,combining with the finite element analysis method,to analyze the vibration and noise of PMSM.First of all,select a certain number of samples by using orthogonal experiments and fit them with SVM to get a regression equation,then,the ideal cogging torque could be obtained through the optimization of the equation.Finally,took the cogging torque into the motor model for the analysis of the vibration and noise of motor.%合理控制齿槽转矩可以降低电机的振动和噪声.为了降低永磁同步电机的振动和噪声,对影响齿槽转矩的四个主要参量(极弧系数、偏心距、气隙长度、磁极厚度)进行优化,然后利用有限元分析软件,进行电机的振动和噪声的分析.首先利用正交试验选取一定数量的样本;然后利用支持向量机对其进行拟合,得到回归方程;利用微粒群优化算法对其回归方程进行寻优,得到理想的齿槽转矩;最后将齿槽转矩带入电机模型中进行电机的振动和噪声的分析.

摘要： The data flow in dynamic environment prone to concept drift phenomenon, gradually along with the data, implicit knowledge in a certain extent can appear in the data change, the current data classification method to dynamic update, not suitable for the classification of the data in dynamic environment.For this, a new data classification method was put forward based on particle swarm optimization algorithm, through the method of K-means classifying data in dynamic environment.The particle swarm optimization algorithm was introduced, all individuals will be considered add no volume of particles in search space.In the search space flight at a certain speed, the speed can be through its own dynamic adjustment and adjacent particles flying experience, through some rules to update the local optimal value of new particles, using the optimized particle swarm algorithm for data classification.The experimental results show that the proposed method classification performance, high accuracy in real time.%动态环境下数据流容易出现概念漂移现象.随着数据的逐渐到达,隐含在数据中的知识在一定程度上会出现改变,当前数据分类方法无法进行动态更新,不适于动态环境下数据的分类.为此,提出一种新的基于微粒群优化算法的数据分类方法,通过K-means方法对动态环境下的数据进行分类.介绍了微粒群优化算法,将所有个体看作d维搜索空间中没有体积的微粒,在搜索空间中以某一速度飞行,该速度可通过其自身及相邻微粒的飞行经验进行动态调整.通过某种规则对新微粒的局部最优值进行更新,利用优化后的微粒群算法实现数据分类.实验结果表明,所提方法分类性能优,实时准确率高.

摘要： 制图综合作为地图制作的核心技术一直是地图学家关注的焦点.长期以来,制图综合的自动化是研究的重要方向.微粒群优化算法(PSO)作为新兴的智能算法,成功地应用于诸多领域.据此,介绍了PSO的基本原理,尝试利用PSO解决自动制图综合中点群综合中的点目标选取等问题,为解决自动制图综合提供了一种新的方法和思路.

摘要： 针对目前单一的微粒群优化算法存在的局限,研究集成多智能体和多种群微粒群优化算法,提出智能体之间的合作和竞争机制,采用Visual Studio开发工具和C#语言进行Arcgis二次开发,构建并实现了城市土地利用优化配置模型.同时以武汉市为例,研究2020年武汉市土地利用最优空间格局.研究结果表明:该模型能够较好地反映微观上土地利用主体的主观能动性,提高城市规划空间决策的科学性和合理性,对指导城市土地利用规划与管理实践具有重要意义.

摘要： 在交流传动控制系统具体工程实践中，矢量控制算法的设计者与异步电机设计者、最终应用者是相互独立的，电机数学模型参数与矢量控制结构模型均不明确，模型参数优化问题在很大程度上制约系统性能的发挥。本研究借助成熟的矢量控制变频器硬件平台，通过运动控制器中IEC61131-3语言编程，完成基于微粒群优化算法的迭代寻优，在线辨识出具有与直流电机相似动态特性的等效电机模型参数。分析结果和实验验证结果表明:PSO算法对工控系统CPU的运算速度与内存资源要求不高，且收敛速度较快，可作为现有参数辨识功能的有益补充，解决常规辨识方法对特种电机如高饱和磁路设计电机辨识效果不佳的问题。

摘要： 微粒群优化算法(PSO)是一种基于种群的随机优化技术.将EDA算法与PSO算法结合起来,形成一种新的改进的算法(EPSO).算法将全局统计信息和全局最优解运用于解空间搜索,以期能更有效解决组合优化问题,最后将EPSO算法用于解决多维背包问题并进行了对比仿真实验.实验结果表明,在解决多维背包问题上,EPSO优于传统的PSO算法以及多种启发式智能算法,与此同时,EPSO算法使用更少的参数,因此更容易实现,运行更加稳定,效果更好.

摘要： 本文针对二维乙烯扩散火焰,采用三台彩色CCD摄像机拍摄火焰图像,通过黑体炉标定获得火焰在红绿蓝三基色波长下的光谱辐射强度,用微粒群优化算法从辐射强度图像中同时重建出火焰中某一横截面上的温度和碳黑浓度的二维分布。结果表明：火焰温度的范围是从1400K~2100K,碳黑浓度分布为0~10ppm;从火焰温度与碳黑浓度分布可以看到,温度达到最大值的径向位置比碳黑浓度达到最大值的径向位置稍大,从而可以证明扩散火焰中碳黑颗粒形成区发生在火焰反应区的富燃侧。

摘要： 乙烯裂解产物收率的实时预报对于裂解炉的生产具有重要意义.针对有效的样本数据较少的问题,采用支持向量回归方法建立裂解产物收率的软测量模型.对于支持向量机中模型参数的选取,采用了微粒群优化算法进行参数寻优,提高了建模效率和模型精度.基于现场数据的建模实验结果表明,基于支持向量回归方法的乙烯裂解产物收率软测量模型预报精度较高,趋势跟踪性能良好.

摘要： 本文简要介绍了微粒群优化算法，分析了优化法应用于线性相位滤波器耦合矩阵提取时受到的限制，并提出改进方法，将改进后的优化法和解析法的优点结合起来，形出一种新的广义Chebyshev线性相位滤波器耦合矩阵提取方法，具有准确度高，拓扑结构灵活的特点。最后举例说明该方法的过程和有效性。

摘要： 在烧结法氧化铝生产过程中，各种原料进行混合研磨后形成生料浆并储存在多个生料浆槽中。生料浆调槽过程是根据生料浆各项质量指标的目标值以及当前各个生料浆槽中生料浆指标的实际值，从众多的槽中挑选中若干个槽的生料浆进行混合，使混合后的生料浆各项指标达到目标值。现有的人工调槽方法是根据操作员的经验来选择槽号，由于槽数众多，生料浆指标复杂，因此人工调槽方法存在一定的缺陷。本文首先建立由目标函数和约束条件所组成的调槽过程数学模型，然后构造惩罚函数来处理调槽过程中的各种约束条件，并采用粒子群算法(PSO)对模型进行优化求解，从而可得出被选中进行调槽的生料浆槽号。所提出的方法避免了人工选择槽号的缺陷，从而提高了产品质量和生产效率，降低了生产成本。

摘要： 在烧结法氧化铝生产过程中，各种原料进行混合研磨后形成生料浆并储存在多个生料浆槽中。生料浆调槽过程是根据生料浆各项质量指标的目标值以及当前各个生料浆槽中生料浆指标的实际值，从众多的槽中挑选中若干个槽的生料浆进行混合，使混合后的生料浆各项指标达到目标值。现有的人工调槽方法是根据操作员的经验来选择槽号，由于槽数众多，生料浆指标复杂，因此人工调槽方法存在一定的缺陷。本文首先建立由目标函数和约束条件所组成的调槽过程数学模型，然后构造惩罚函数来处理调槽过程中的各种约束条件，并采用粒子群算法(PSO)对模型进行优化求解，从而可得出被选中进行调槽的生料浆槽号。所提出的方法避免了人工选择槽号的缺陷，从而提高了产品质量和生产效率，降低了生产成本。

摘要： 在烧结法氧化铝生产过程中，各种原料进行混合研磨后形成生料浆并储存在多个生料浆槽中。生料浆调槽过程是根据生料浆各项质量指标的目标值以及当前各个生料浆槽中生料浆指标的实际值，从众多的槽中挑选中若干个槽的生料浆进行混合，使混合后的生料浆各项指标达到目标值。现有的人工调槽方法是根据操作员的经验来选择槽号，由于槽数众多，生料浆指标复杂，因此人工调槽方法存在一定的缺陷。本文首先建立由目标函数和约束条件所组成的调槽过程数学模型，然后构造惩罚函数来处理调槽过程中的各种约束条件，并采用粒子群算法(PSO)对模型进行优化求解，从而可得出被选中进行调槽的生料浆槽号。所提出的方法避免了人工选择槽号的缺陷，从而提高了产品质量和生产效率，降低了生产成本。

摘要： 在烧结法氧化铝生产过程中，各种原料进行混合研磨后形成生料浆并储存在多个生料浆槽中。生料浆调槽过程是根据生料浆各项质量指标的目标值以及当前各个生料浆槽中生料浆指标的实际值，从众多的槽中挑选中若干个槽的生料浆进行混合，使混合后的生料浆各项指标达到目标值。现有的人工调槽方法是根据操作员的经验来选择槽号，由于槽数众多，生料浆指标复杂，因此人工调槽方法存在一定的缺陷。本文首先建立由目标函数和约束条件所组成的调槽过程数学模型，然后构造惩罚函数来处理调槽过程中的各种约束条件，并采用粒子群算法(PSO)对模型进行优化求解，从而可得出被选中进行调槽的生料浆槽号。所提出的方法避免了人工选择槽号的缺陷，从而提高了产品质量和生产效率，降低了生产成本。

摘要： 本发明公开了一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法，本发明在可以自由预先设置设备最大更换时间间隔情况下，选取每台能源路由器向负荷供能的占比，以及能源路由器实际使用时长为决策变量，采用启发式的人工萤火虫群优化算法，该算法模仿自然界群体生活的生物的社会行为构造的随机搜索方法，将决策变量比喻为在解空间中移动的萤火虫，其亮度与自身所在位置的目标值有关，每个萤火虫向决策域中亮度更高的萤火虫移动，即向更优的位置移动，可在较小区域内得到该区域最优解，即满足设备更换时间间隔要求的能量传输总损耗最低值。本发明对于能源路由器的传输效率以及更换时间统一管理的研究推广具有重要科学意义和应用价值。

摘要： 本发明提供了一种基于群智能优化算法的水下折展机构参数优化方法，利用仿真模拟、模型预测、算法优化等技术对水下折展机构进行分析，通过改变倒角、减少连杆厚度等方法在保证结构强度的基础上减少水阻力对机构水下性能的影响，提高水下折展机构的操作流畅性与工作可靠性。本发明的突出特点在于：利用流固耦合仿真模拟获取不同外形参数下的工作性能参数、借助BP神经网络模型与支持向量回归模型SVR联合预测，快速扩充数据集，使用粒子群优化算法，通过粒子寻优对数据进行分析，获取最优性能参数下的结构参数，探索并实现符合实际生产需求的结构最优目标。

摘要： 本发明给出一种基于粒子群优化算法和蚁群优化算法的频谱感知方法，该方法在多簇认知电无线网络中，首先通过粒子群优化算法获得每个小簇中簇头的最佳位置，这些最佳位置的簇头能够获得比簇内其他感知用户更可靠的检测结果，接着采取蚁群优化算法，根据信息素浓度寻找各感知用户信息传送的最短距离。各感知用户采用最短距离将信息传送给簇头，簇头将所有信息(包括自己的信息)按照一定权值进行融合，获得判决信息，并将判决信息发送给融合中心，融合中心融合所有簇头发送的信息作出判决，完成检测。本发明根据簇头位置的最优化设置和感知信息路径的最优化选择，能够缩短感知时间，增强检测性能。

摘要： 本发明属于优化算法领域，提供了一种新型群智能优化算法‑鸽群算法。算法包括起飞、飞行、归巢三大过程。起飞过程包括初始化、腾空和上升三个子过程，用于初始化鸽群位置、飞行速度和最优解的方向；飞行过程包括平飞、转弯和追逐三个子过程，用于寻找局部最优解、全局最优解和改善全局最差解；归巢过程则避免算法陷入局部最优解。本发明算法具有如下特点：1)算法对目标函数的性质要求不高，可以是函数表达式，也可以是非函数形式的表示形式；2)对低维函数具有全局收敛性较强、算法循环次数少、收敛速度快的特点；3)对高维、多峰值、复杂问题具有较强的全局收敛性、较少的循环次数以及较高的稳定性。

摘要： 本发明提供了一种基于群智能优化算法的水下折展机构参数优化方法，利用仿真模拟、模型预测、算法优化等技术对水下折展机构进行分析，通过改变倒角、减少连杆厚度等方法在保证结构强度的基础上减少水阻力对机构水下性能的影响，提高水下折展机构的操作流畅性与工作可靠性。本发明的突出特点在于：利用流固耦合仿真模拟获取不同外形参数下的工作性能参数、借助BP神经网络模型与支持向量回归模型SVR联合预测，快速扩充数据集，使用粒子群优化算法，通过粒子寻优对数据进行分析，获取最优性能参数下的结构参数，探索并实现符合实际生产需求的结构最优目标。

摘要： 本发明公开了一种基于粒子群优化算法的气田群协同开发优化方法，首先建立起任意不同生产规模下各气田的生产动态预测模型，解决了只采用数值模拟法耗费时间极长、无法整体优化的缺陷，并引入经济评价模型，创建了多因素非线性且快速准确的气田群协同开发模型，针对协同开发模型采用粒子群优化算法和Matlab编程求解模型。得到联合供气时间最长和收益净现值最大2种目标函数下的最优开发部署方案，为项目高效建产部署、降低风险提供技术依据。并且对创建的协同开发模型采用数值模拟法预测验证。经实例验证，本发明计算结果可靠性高、实用性强，具有很强的推广应用价值。

摘要： 本发明公开了一种基于人工萤火虫群优化算法的能源路由器更换时间优化配置方法，本发明在可以自由预先设置设备最大更换时间间隔情况下，选取每台能源路由器向负荷供能的占比，以及能源路由器实际使用时长为决策变量，采用启发式的人工萤火虫群优化算法，该算法模仿自然界群体生活的生物的社会行为构造的随机搜索方法，将决策变量比喻为在解空间中移动的萤火虫，其亮度与自身所在位置的目标值有关，每个萤火虫向决策域中亮度更高的萤火虫移动，即向更优的位置移动，可在较小区域内得到该区域最优解，即满足设备更换时间间隔要求的能量传输总损耗最低值。本发明对于能源路由器的传输效率以及更换时间统一管理的研究推广具有重要科学意义和应用价值。

摘要： 本发明涉及一种基于生命周期群搜索优化算法的压力容器优化设计方法，包括以下步骤：参数初始化；评估适应度值；数据更新；迭代：如果未达到预先设定的终止条件，则返回评估适应度值步骤；若达到迭代终止条件，则停止计算，最后输出结果。本发明设计实现容易，具有较强的全局搜索能力，收敛速度快，优化精度高等优点，对于压力容器重量问题，有非常有效的优化效果。

摘要： 本发明给出一种基于粒子群优化算法和蚁群优化算法的频谱感知方法，该方法在多簇认知电无线网络中，首先通过粒子群优化算法获得每个小簇中簇头的最佳位置，这些最佳位置的簇头能够获得比簇内其他感知用户更可靠的检测结果，接着采取蚁群优化算法，根据信息素浓度寻找各感知用户信息传送的最短距离。各感知用户采用最短距离将信息传送给簇头，簇头将所有信息(包括自己的信息)按照一定权值进行融合，获得判决信息，并将判决信息发送给融合中心，融合中心融合所有簇头发送的信息作出判决，完成检测。本发明根据簇头位置的最优化设置和感知信息路径的最优化选择，能够缩短感知时间，增强检测性能。

摘要： 本发明公开了一种基于神经网络和微粒群优化算法的建筑能耗预测方法，包括以下四个主要步骤：采集建筑能耗相关数据，并对数据进行预处理；确定具有误差反向传播学习功能的多层前馈神经网络模型的输入输出项及网络结构；利用微粒群算法优化BP网络的连接权值和阈值；利用优化得到的神经网络模型对建筑电力能耗进行短期预测。本发明利用统计产品与服务解决方案软件对预输入变量进行主成分分析，选择符合主成分提取要求的变量，从而降低了输入维度；利用微粒群算法的全局优化能力对神经网络模型的结构和参数进行优化，相对于目前的建筑能耗预测方法，本发明提出的预测模型具有结构简单，预测精度高等优点。