用粒子群算法校正三片镜系统的像差（特邀）

提出将粒子群算法用于三片镜光学系统的优化设计。设计了关于曲率半径、透镜面之间的距离、玻璃折射率、系统长度等光学系统结构参数的光学评价函数,用此函数作为粒子群算法中的适应度函数,实现了对光学系统的自动寻优。给出了用粒子群算法进行三片镜光学系统设计过程实例,结果证明：用粒子群算法可以设计出球差、子午场曲、子午光线弥散值都很小的三片镜光学系统;并且用该算法进行光学设计不需要知道系统具体的初始结构,克服了现有光学设计软件高度依赖具体初始结构的缺点,可以自由控制结构参数的搜索范围,从而提高光学系统设计的智能化程度。     

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.     

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.     

群智能算法优化SVR预测模型的应用与分析

群体智能是基于生物群体行为规律的智能计算技术,常用以解决参数寻优等问题;作为群体智能的两种典型算法,蚁群算法和粒子群算法应用极为广泛;文章分析了标准蚁群算法和粒子群算法的不足,分别采用改进的蚁群算法和粒子群算法对支持向量机回归模型参数进行优化,并以钕铁硼吸氢阶段合金氢含量预测为例,通过MATLAB对改进后的预测模型进行了仿真验证,最终给出了两种方法优化后,模型的预测效果及性能对比;仿真结果表明,改进的群体智能算法对工艺优化控制有着重要的意义。     

基于改进BP神经网络的中央空调冷负荷预测研究

针对中央空调系统冷负荷预测中BP神经网络预测收敛慢,易陷入局部最优,精度相对低的缺点,采用了收敛速度快,全部搜索能力强的粒子群优化算法进行改进,同时对BP结构中的输入参数,添加控制误差反馈参数,形成了基于粒子群与控制误差回馈的BP神经网络预测技术;其预测精度较BP神经网络和粒子群BP神经网络分别提高5.94%和0.82%。     

基于改进粒子群优化算法的火电厂机组负荷分配

以坑口电厂SIS系统机组负荷优化分配功能模块为应用背景,针对基本粒子群优化算法易陷入局部收敛、收敛速度慢的缺点,提出一种基于惯性权重非线性减小策略的改进粒子群优化算法。并且通过MATLAB与Visual C++混合编程,开发了机组负荷在线优化分配功能模块,提高了算法的计算效率和工程应用价值。     

基于改进K均值聚类的机械故障智能检测

针对传统的K均值聚类算法在机械故障检测的过程中,由于对于K值的选择具有较强的主观性,最后极易得到局部最优解,而非全局最优解,降低了机械故障检测的准确性。提出一种改进K均值聚类的机械故障智能检测方法。将K均值聚类算法与粒子群算法相结合,在迭代处理的过程中,结合K均值进行优化,即将粒子群算法中的子代个体利用K均值聚类进行运算获取局部最优解,并使用这些个体继续参与迭代处理,这样能够提高算法的收敛速度,避免陷入局部最优解,获得准确的机械故障信号特征。实验结果表明,利用K均值倾斜特征提取的机械故障智能检测算法进行机械故障检测,能够有效提高故障检测的准确性,取得了令人满意的效果。     

基于混合群智能优化算法的混沌系统参数估计

混沌系统的未知系统参数估计是实现混沌控制和同步的首要问题,通过构造一个合理的适应度函数,可将其转化为一个多维搜索空间的优化问题.提出一种融合改进骨干粒子群算法与改进差分进化算法的混合群智能优化方法来解决上述优化问题.对骨干粒子群算法中的粒子位置更新机制以及差分进化算法中的变异操作、交叉操作、交叉概率因子的设计等进行改进,有效兼顾了种群的多样性与算法的收敛性.在此基础上,讨论骨干粒子群优化算法与差分进化的融合优化策略,实现两个算法的协同进化,进一步提高算法的综合优化性能.用6个基准测试函数以及Lorenz混沌系统为例进行仿真实验,结果表明该方法具有全局寻优能力强、收敛速度快、搜索精度高、稳健性好等优点.     

基于后向散射法测量蒸汽湿度反演算法的优化

为了精准测量汽轮机末级蒸汽湿度，提出在激光后向异轴角散射法的基础上建立蒸汽湿度测量模型和湿蒸汽参数反演优化模型。根据该优化模型采用粒子群算法对加入高斯白噪声的仿真数据和模拟汽缸的实验数据进行反演寻优，并将得到的反演结果与人工鱼群算法和传统的均匀搜索方法进行了对比。采用粒子群算法时r_0.5、K、N的反演结果误差为0.05、0.66和0.51%，反演时间为306.41 s；采用鱼群算法时r_0.5、K、N的反演结果误差为2.96、19.98和4.68%，反演时间为411.05 s；采用均匀搜索算法时r_0.5、K、N的反演结果误差为5.00、27.14和7.95%，反演时间为246.42 s。结果表明:粒子群算法能够克服人工鱼群算法和均匀搜索方法两者的不足，可以在较短时间内获得精度高且稳定可靠的反演结果，为湿蒸汽参数测量提供了更加准确的数据，并对其他颗粒物参数测量反演提供了理论依据。     

大型望远镜消旋K镜准直技术研究

针对2m地平式望远镜像方视场旋转问题设计了消旋K镜装置。根据K镜系统的几何光学传递特性,推导K镜消旋数学矩阵模型;利用光线追迹方法,拟合了望远镜入瞳坐标与Coude焦点坐标的转换关系,分析入射光经过Coude光路后的视场旋转与望远镜方位轴、俯仰轴旋转的换算规律,从而计算得出望远镜消旋K镜的初始零位及旋转规则;针对K镜的准直性问题,通过对其旋转过程K轴与主光路偏离误差周期性变化特性的分析,设计了基于帕斯卡窝线理论的K镜准直装调策略,将复杂的准直装调问题转化为数学方程参数修正问题,并建立K镜准直精度与帕斯卡窝线方程中关键参数的计算模型;开展了K镜准直装调实验,在准直装调过程中反复修正模型中关键参数,使误差曲线不断趋近最优值。实验结果验证了本文所做研究的有效性及正确性。     

基于改进粒子群优化算法的混沌系统参数估计方法

估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题.利用群集智能的新进展粒子群优化算法(PSO)的全局搜索能力，从初始粒子群的产生、目标函数的处理的角度改进PSO，将改进的PSO引入混沌系统参数估计和在线估计.仿真试验表明，改进算法具有良好的适应性、较高的收敛可靠性及精度，对信号叠加噪声的情形也具有较高的鲁棒性，是混沌系统参数估计的一种成功算法. 关键词： 混沌系统 参数估计 在线估计 粒子群优化算法     

粒子群优化算法在自适应偏振模色散补偿中的性能研究

反馈控制算法是偏振模色散的自适应补偿器的关键组成部分,将粒子群优化算法(PSO)引入到偏振模色散自适应补偿系统中。该算法的优点是具有快速收敛到全局最佳值的能力、避免搜索陷入局部极值的能力、抗噪声能力和多自由度控制能力。理论上分析了粒子群优化算法的两个分类———全局邻居结构粒子群优化(GPSO)和局部邻居结构粒子群优化(LPSO)在搜索全局最佳值方面的能力优劣,给出了局部邻居结构粒子群优化算法成功率达100%的三种邻居拓扑结构。实验表明:在补偿一阶偏振模色散时,全局邻居结构和局部邻居结构搜索全局最佳的成功率都能满足要求,全局邻居结构算法收敛速度快。而在补偿二阶偏振模色散时,全局邻居结构成功率降低,而局部邻居结构仍可以满足要求。     

基于混沌粒子群优化算法的异结构混沌反同步自抗扰控制

针对一类连续时间异结构混沌系统, 利用自抗扰控制很强的鲁棒性, 提出了一种异结构混沌系统反同步的自抗扰控制策略.针对所设计的自抗扰控制器参数较多, 难以整定的问题, 提出了应用混沌粒子群优化算法对控制器进行参数寻优设计. 以Lorenz系统和Chua系统两个异结构混沌系统为例进行仿真验证, 由仿真结果可知, 该方法可以实现异结构混沌系统较快的反同步控制, 且具有很强的抗干扰能力. 关键词： 异结构混沌系统反同步 自抗扰控制器 混沌粒子群优化算法 参数寻优     

基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

基于混合粒子群优化算法的DV-Hop定位算法

针对无线传感器网络节点定位技术中DV-Hop算法的不足,利用混合粒子群优化算法对DV-Hop算法的位置估计进行校正,提出了一种CCPDV-Hop算法,该方法在不需要任何额外硬件设备和通信开销基础上,将未知节点定位问题抽象为高维最优化问题,并利用混合粒子群优化算法进行求解。仿真实验结果表明,改进的DV-Hop算法与传统方法相比,定位误差显著下降,定位精度和鲁棒性都有明显提高。     

基于改进粒子群优化算法的氩原子团簇结构优化

采用改进粒子群优化算法(IPSO)结合Lennard-Jones势对氩原子团簇结构进行优化,得到了氩原子团簇的稳态结构能量。以氩原子团簇Arn（n = 2-14）为例,验证了该方法的有效性。结果表明,应用本文提出的方法可得到对称性良好的团簇结构。与基本粒子群优化算法(BPSO)及遗传算法(GA)相比,改进粒子群优化算法具有更好的收敛特性,能较快地得到氩原子团簇结构的最优解。     

支持向量机在混合气体定量分析中的应用

针对使用掺铥光纤激光器的气体传感系统进行混合气体测量时,吸收谱线重叠较为严重且相互交叉吸收干扰的现象造成的测量误差大、分析精度低的问题,提出一种基于自适应变异粒子群优化的支持向量机(SVM)方法,用于建立混合气体体积分数定量分析预测模型。对体积分数为0.5%～2%的氨气(NH3)和2%～5%的二氧化碳(CO₂)混合气体的吸收光谱数据进行采集和处理,利用自适应变异粒子群优化(AMPSO)算法对SVM模型参数进行寻优,利用获得的最优模型参数构建氨气和二氧化碳气体体积分数定量分析模型,并与标准粒子群优化算法和网格搜索法进行对比。实验结果表明,基于自适应粒子群优化算法建立的氨气和二氧化碳气体体积分数定量分析模型在较为合适的寻优时间下,可以得到最佳的均方误差,效率较高,该模型对测试集中氨气和二氧化碳气体体积分数设定值与预测值的均方误差分别为0.000088和0.000170,决定系数R²均为0.9998,满足混合气体检测要求。     

微动粒子群优化算法用于Egun的多参量优化

针对2维电子光学多参量优化问题,采用微动粒子群优化算法,在给出目标电子轨迹和优化范围的前提下,可以得到趋近于该电子轨迹的真空边界和聚束磁结构。该算法分为前后两阶段：第一阶段采用前后试探法(微动),同时参照最优粒子的信息;第二阶段采用标准粒子群优化算法。针对涉及多个相关参量的电子光学设计问题,标准粒子群优化算法仅能保证以较高概率收敛到局部最佳解,而微动粒子群优化算法能以较高概率收敛到全局最佳解,并且展现了多核计算机在电子光学设计上的潜力。初步的软件试验显示：消耗人类工程师几周时间的电子光学设计问题,用微动粒子群算法在普通个人计算机上几十小时就能完成。     

膜量子蜂群优化的多目标频谱分配

为了解决认知无线电系统中最大和网络效益和用户间公平性联合最优化的多目标频谱分配难题,基于量子蜂群理论和膜计算,提出了一种新的离散多目标组合优化算法—–膜量子蜂群优化.所提算法在基础膜可以搜索到单个目标的全局最优解,在表层膜获得兼顾网络效益和公平的Pareto前端解.通过膜间的通信规则、量子觅食行为的协同演进和非支配解排序可获得能同时求解单目标和多目标优化问题的多目标优化算法,并与经典的敏感图论着色算法、遗传算法、量子遗传算法和粒子群算法等频谱分配算法在不同的目标函数下进行仿真性能比较.仿真结果表明:在不同网络效益函数下所提的膜量子蜂群频谱分配算法都能够较好地找到单目标最优解,优于经典的频谱分配算法和已有的智能频谱分配算法,还可获得多目标频谱分配的Pareto前端最优解集.     

粒子群算法优化异质结构光子晶体环形腔滤波特性

为了提高异质结构光子晶体环形腔滤波器的滤波特性,采用粒子群(PSO)算法对其结构参数进行全局优化.以正方晶格光子晶体环形滤波器结构为优化对象,根据粒子群算法的位置——速度更新公式,对光子晶体缺陷处散射柱、耦合介质柱和内部介质柱的半径进行全局优化.通过理论分析和数值模拟结果可以看出,滤波结构参数优化后,可实现单模窄带滤波.与此同时,归一化透射率由53%提高到97%,证明了该优化算法的有效性,从而为该滤波结构在光电器件中的应用奠定了基础.