粒子群算法(PSO)

摘要： 针对传统粒子群(PSO)算法在解决工业机器人几何误差标定问题中存在的收敛速度慢的缺点,提出了一种基于两段式的动态粒子群算法(LDPSO-BT).用Denavit-Hartenberg方法建立工业机器人的误差模型,将几何误差标定问题转换成对高维非线性方程的求解;对粒子群数目进行线性递减,同时针对算法求解过程中粒子数目线性递减的特点,在改进粒子群算法迭代后期采用改进的搜索模式,对传统粒子群的速度迭代公式进行改进;仿真实验对比了工业机器人几何误差标定前与标定后两种算法的末端定位精度.实验结果表明:在采用粒子群算法辨识工业机器人实际几何参数的过程中,粒子群数目对算法的迭代时间有重要影响,通过线性递减的方式减少粒子群的粒子数目可以有效地减少工业机器人几何误差标定时间,同时在粒子群算法迭代后期采用改进的速度迭代公式可以确保收敛精度.与传统粒子群算法相比,使用改进后的粒子群算法,不仅可以有效减少工业机器人的定位误差,而且还拥有更高效的迭代效率.

摘要： 为解决四足机器人在其质心偏离躯干几何中心时的稳定性问题,提出了一种基于改进粒子群算法的优化方法。使用基于Hopf模型的振荡器搭建中枢模式发生器(central pattern generator,CPG)网络拓扑结构,通过对足端进行轨迹规划进而确定CPG模型相关参数,并对CPG单元间的耦合系数矩阵进行优化,使其能够输出正确的步态信号;之后采用自适应调整权重粒子群算法,通过不断迭代快速寻找输出模型的最优参数组合,解决由于重心偏移带来的稳定性问题。利用Webots和MATLAB对所提出的优化方法进行仿真实验,仿真结果证明该方法能够快速、有效地提高四足机器人在重心偏移情况下的运动稳定性。

摘要： 通过多种能源优势互补的冷热电联供型微网,能够促进可再生能源的使用,实现资源的阶梯利用。针对区域内由电、热、冷多种能源耦合形成的微网系统运行优化问题,基于不同季节典型日风光出力和负荷需求特性曲线,构建了含燃气轮机、余热锅炉、吸收式制冷机等机组设备,采用改进的动态惯性权重粒子群算法(particle swarm algorithm,PSO)求解方法,综合考虑系统的燃料成本、环境治理成本、电网交互成本和运行维护成本进行优化求解。最后,通过算例分析验证本模型和方法的有效性。研究成果为冷热电联供型微网系统的规划设计提供参考和依据。

摘要： 目的:运用数学模型粒子群优化(PSO)算法与支持向量机(SVM)(PSO-SVM)评估糖尿病并发症的发病风险,为糖尿病的临床诊断提供有效的数据信息。方法:以SVM为人工智能算法,通过PSO算法对其参数进行优化,利用K-fold交叉验证法将部分数据用于模型的训练,建立以16项指标数据作为输入变量、以糖尿病肾病、糖尿病性视网膜病变和神经病变3种并发症类型作为输出变量的糖尿病并发症诊断预测模型。结果:将测试数据输入训练后的糖尿病并发症诊断预测模型后,最终得到的测试集分类准确率为84%。结论:基于PSO-SVM建立的糖尿病并发症诊断预测模型,对糖尿病并发症的临床诊断具有良好的辅助作用。

摘要： 电力电子系统对强迫风冷散热器提出了低热阻、小型化和轻量化的要求,本文在考虑现有散热器设计方法的不足之后,通过散热器结构及其等效热阻网络构建热阻、压降和质量最小的多目标优化模型。针对当前粒子群算法求解多目标模型时存在的局限性,本文采用多种改进策略提高算法的性能。计算和仿真结果显示,优化后的强迫风冷散热器的热阻、压降、质量均有减小,功率器件表面温度明显降低,验证了多目标优化模型及算法的有效性。

摘要： 机械手是当今社会发展的智能化设备,由于受到设计水平的限制,控制精度达不到期望的要求,能量消耗也较为严重。为解决此类问题,详细分析了单伺服阀和双伺服阀液压驱动系统,根据运动学原理推导出活塞驱动力和能量消耗方程式,并优化了能量消耗。采用粒子群优化(PSO)算法PID控制器,并且通过冗余液压机械手末端执行器进行仿真验证。双伺服阀明显优于单伺服阀,在驱动冗余液压机械手末端执行器时,不仅追踪误差较小,而且能量消耗较少。因此,双伺服阀驱动冗余液压机械手末端执行器能够更好地满足设计者的要求。

摘要： 针对维度学习策略(dimensional learning strategy,DLS)中存在的过度开发问题,提出了一种综合维度学习的多群协作粒子群优化算法(CDL-MCPSO)。为提高种群搜索效率,采用基于主从范式的集群结构,将种群划分为一个主群和四个从群,主群执行综合学习策略在搜索空间进行大范围探索,从群执行综合维度学习策略(comprehensive dimensional learning,CDL)在局部最优解附近进行高精度的开发,主从群通过执行具有不同职能的算法能够有效实现其在勘探和开发之间的平衡;同时为保持种群多样性,提出了一种新的解交换机制(SEM)用于在主从群独立运行各自算法若干代之后进行信息的交流与协作,以指导粒子后期进行更准确的搜索;最后,针对初始化过程随机性过高,运用拉丁超立方体采样方法对算法重建输入分布。为验证CDL-MCPSO的有效性,将其与五种粒子群算法变体在10个测试函数上进行实验对比,结果表明该算法总是可以找到优于或相当于对比算法的解,在求解复杂函数时具有可行性和高效性。

摘要： 由于传统的电力变压器绕组故障诊断方法在精度上有一定的误差,因此提出一种基于粒子群算法(Particle Swarm Optimization,PSO)的电力变压器绕组故障诊断方法。构建粒子群网络,对变压器绕组数据进行处理;初始化粒子群寻找适配粒子,完成粒子分类;构建分离模型进一步识别引起变压器绕组故障的信号数据,实现电力变压器绕组故障诊断。通过实验证明了所提方法在变压器绕组故障诊断中的诊断精度较高,具有较好的实际应用性能。

摘要： 现代电力系统调度结构方案优化对其自身结构组成具有重要作用,能够减小电力负荷、降低系统运行成本、减少环境污染,为了提升电力系统供电的安全能力和经济效果,提出了基于粒子群(Partiole Swarm Optimization,PSO)算法的电力系统调度方法。通过指数函数构建电力系统调度结构优化模型,利用模型分析发电机污染物排放情况,以约束条件为基础获取电力系统调度分布模式,采用改进粒子群算法计算目标函数最优解,实现调度模型的最优调度。测试结果表明,所提方法电源功率出力较高、发电综合成本较低、系统调度时间较短,为电力系统调度的安全化、经济化和环保化起到重要推动作用。

摘要： 针对智慧警务建设过程中犯罪预警机制滞后的问题,提出了一种融合警务系统中人员数据的通用预警模型。该模型采用随机森林算法对高维稀疏样本特征进行重要性排序,筛选得到最优特征子集。利用SMOTE过采样算法对训练集样本进行采样处理,以平衡正负样本集。该文预警模型基于XGBoost算法实现风险样本数据的分类提取,并使用粒子群优化算法对XGBoost模型的AUC值为目标函数做参数调优,提高模型预测精度。结果表明,该模型在不均衡数据集下平均准确度可达到90%以上。

摘要： 一种基于改进型粒子群算法的二维不规则排样方法，包括以下步骤：第一步，将样片和材料的几何图形转换为一系列的二维坐标区间，然后使用启发式底左搜索算法来判断样片与材料的二维区间的是否重叠来移动样片相对于材料中的位置；第二步，改进型PSO搜索过程：过划分多个子群的方法，在不改变趋向当前最优解的参数的情况下，加入了子群最优解对子群中粒子的影响，粒子群的迭代次数达到了初始时设定的最大迭代次数时，粒子停止迭代，取得当前的全局最优解作为最终排样方案。本发明提供一种具有良好搜索能力的同时、搜索速度快、最终解较佳、排样效果良好的基于改进型粒子群算法的二维不规则排样方法。

摘要： 本发明涉及一种基于多子群粒子群算法的侦察机器人任务分配方法，首先初始化粒子群最大迭代次数、粒子个数、粒子位置和粒子速度；将粒子分成不同的子群；计算粒子适应度；粒子速度更新，位置更新；迭代计算，重复步骤2)‑4)，直至计算达到指定迭代次数退出，其最优粒子位置即为最终结果。解决了传统方法没有综合考虑复杂的环境以及机器人的安全性等因素，在真实的战场环境中容易导致机器人被发现甚至作战任务失败的问题，提升了机器人的任务完成效果。将机器人任务分配问题转换成优化问题，可以直接用智能算法求解；通过将粒子分群，参数自适应调节等手段解决了传统粒子群算法易陷入局部极值的问题，改善了迭代寻优的收敛性，提升了算法的收敛速度。

摘要： 一种基于改进型粒子群算法的二维不规则排样方法，包括以下步骤：第一步，将样片和材料的几何图形转换为一系列的二维坐标区间，然后使用启发式底左搜索算法来判断样片与材料的二维区间的是否重叠来移动样片相对于材料中的位置；第二步，改进型PSO搜索过程：过划分多个子群的方法，在不改变趋向当前最优解的参数的情况下，加入了子群最优解对子群中粒子的影响，粒子群的迭代次数达到了初始时设定的最大迭代次数时，粒子停止迭代，取得当前的全局最优解作为最终排样方案。本发明提供一种具有良好搜索能力的同时、搜索速度快、最终解较佳、排样效果良好的基于改进型粒子群算法的二维不规则排样方法。

摘要： 一种优化Hooke‑Jeeves算法的方法及装置，涉及混合优化算法领域。现有传统单一优化数学算法在解决多能源系统优化问题时存在优化不易收敛、优化结果容易局部最优或局部搜索能力不足、对初始值敏感，且计算时间长，占用资源较多，难以做到较强局部搜索能力与高效全局寻优性的兼顾。未解决上诉提到的传统单一优化数学算法中存在的问题，本申请提供了一种优化Hooke‑Jeeves算法的方法，在HookeJeeves算法中加入粒子群算法，具体为：通过在粒子群算法对初始值的迭代结果不满足结束条件的情况下，在重新进行迭代之前将当前得到的粒子的极值利用所述的HookeJeeves算法进行优化，得到优化数据；将得到的优化数据返回所述的粒子群算法的上层步骤进行再次运算。适用于解决多能源系统优化的应用。

摘要： 本发明涉及一种遗传算法与粒子群算法并行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，进行遗传操作，产生子代种群1，同时进行粒子群进化操作，产生子代种群2；S5，将子代种群1和子代种群2合并，并按照适应度排序，取适应度高的个体组合为子代种群3；S6，将子代种群3继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法后期效率低下、粒子群算法容易陷入局部最优解的问题，提高进化算法的优化效率和优化效果。

摘要： 本发明涉及一种基于粒子群算法的磁纳米粒子体积分数优化方法，包括以下步骤：步骤S1:构建生物组织模型；步骤S2：采用二分法，计算生物组织模型的所需磁纳米粒子总产热值；步骤S3：基于所需磁纳米粒子总产热值，采用粒子群优化算法对磁纳米粒子体积分数进行优化以获得所需磁纳米粒子体积分数的最小值以及磁纳米粒子半径、外加交变磁场频率和峰值强度。本发明，能够确定在产热足够的情况下所需磁纳米粒子体积分数的最小值，并获得此时所需要的磁纳米粒子半径、外加交变磁场峰值强度和频率，进一步提升磁纳米粒子的产热效率。

摘要： 本发明涉及一种选择多目标量子粒子群算法领导粒子的方法。过将多目标量子粒子群算法的帕累托前沿分区拉直，在每段分区拉直的帕累托前沿中随机选择一个坐标，再选择距离该坐标最近的解作为领导粒子，引导该分区种群的搜索，使帕累托前沿中解密集度较高部位中对应的粒子被选为领导粒子的概率低，解密集度较低部位对应的粒子被选为领导粒子的概率高，从而让帕累托前沿分布更均匀。本发明方法能够使得帕累托前沿分布更均匀。

摘要： 本发明涉及数据密集型科学工作流技术领域，特别是一种基于改进二进制粒子群算法的科学工作流任务调度算法。主要技术特点是：改进二进制粒子群算法，该算法提高了最优解的探测能力，所得最优解具有更好的实际调度效率和成本，提高了资源利用率。按照粒子群算法的寻优模式，粒子在飞行过程中，粒子越来越靠近最优粒子，位变化概率应该越小，而二进制粒子群算法反而越大，影响算法的搜索能力。提出的算法基于粒子群算法的寻优模式进行调整，粒子速度作为粒子位置的修正项，在对二进制粒子群算法进行改进中，速度迭代公式仍保持不变，速度归一化公式sigm函数以及位置迭代公式进行修整。

摘要： 本发明涉及一种基于遗传算法与粒子群算法相结合的流水车间调度方法。该方法适用于车间调度领域，该算法针对其容易发生早熟、收敛速度慢、后期搜索性能和个体寻优能力降低等缺点将粒子群算法和遗传算法相结合，不仅增加了粒子的多样性，还降低了算法因后期种群过于密集而陷入局部最优的可能，加速了进化过程提高了收敛效率和群体搜索性能。

摘要： 本发明公开了一种基于粒子群算法和遗传算法混合的救援规划方法。属于资源调度路径优化领域，步骤：将城市进行网点规划；在网格化城市时要将重点的地点进行标记；当执行任务时，调度中心接收实时道路情况，在网图上做出标记；当救援任务下达到调度中心时，调度中心根据救援任务的紧急程度做出事故评级，事故评级用来设定最大救援成本；设置优先值，救援力量选择救援路径到达事故点救援，再将伤重者送往医院，最后返回调度中心。本发明对潜在的调度路径进行网格化建模；将出勤救援期间的道路的情况(可通行，拥挤情况)进行汇总，避开不可行道路；使用遗传算法计算出不同路径之间的成本；此发明为资源调度路径优化方面的研究提供新的思路。