二冷配水优化建模与混合自适应PSO算法求解

针对连铸二冷区生产环境复杂且存在着大量水雾干扰的情况,建立了连铸水量优化模型并提出了一种混合的自适应粒子群算法来求解连铸二冷水优化问题。依据冶金过程中的工艺要求建立了二冷水量优化模型,并在经典的PSO算法基础上提出了适合该问题求解了混合自适应PSO算法。由于连铸过程存在着偏微分方程约束,传统的优化方法容易陷入局部最优解,不能达到很好的动态优化效果。研究了粒子群算法,基于种群的多样性,不断的自适应的更新粒子群算法中参数,将禁忌搜索的方法和传统的粒子群算法结合,增强了算法的局部搜索能力和全局寻找全局最优的能力。将该算法应用到连铸二冷水动态优化中,实验结果表面该算法能够快速有效的求解该优化问题。该方法用于连铸二冷水优化是可行的、有效的。     

基于GD-GEP算法的航空发动机振动监控

针对传统基因表达式编程算法(GEP)在进行函数挖掘时易陷入局部最优以及收敛精度不高等问题,提出了一种基于基因多样性的GEP算法,该算法采用基于基因多样性的初始种群生成策略,引入了种群更新策略,使得种群基因多样性增加;仿真试验表明,该算法具有更好的全局搜索能力和更高的解精度;基于某型飞机飞行数据记录器记录的飞行数据,利用GD-GEP算法进行航空发动机模型辨识,将辨识得到的模型用于发动机振动值监控,真实的振动故障数据验证了该方法能够成功监测到振动故障。     

一种采用种群多样性监控和实时更新策略的粒子群优化算法

针对粒子群算法优化后期容易出现早熟收敛问题,建立一种具有种群多样性监测和实时更新策略的改进方法.首先建立种群健康度指标用来评价粒子群进化状态;其次提出随机扰动策略和离心搜索策略用于丰富粒子群的种群多样性,增强算法的全局搜索能力,并提出梯度搜索策略用于精确、高效地搜寻当前邻域内的局部极值点,提高算法的计算效率.最后建立种群健康度反馈机制,使粒子可以实时感知种群的健康程度,并自适应地采用不同的粒子更新策略,保证粒子群处于健康进化水平.将新方法应用于优化实例,并与其它改进方法进行性能比较,结果验证了新方法的有效性.     

基于遗传模拟退火算法的室内照明节能控制方法研究北大核心CSCD

目前的节能照明控制算法仍有陷入局部最优的问题。为了寻求全局最优解,提高室内照明的节能效果,设计一种遗传模拟退火算法对照明系统的控制参数进行优化求解。该算法通过在遗传操作后对优秀个体进行模拟退火处理,增强了算法的局部搜索能力。根据迭代的次数和种群的适应度对遗传概率进行自适应调节,使得算法在前期丰富种群多样性,避免算法“早熟”。提出基于人工神经网络的照度模型来计算室内照度分布,对照明舒适度进行评估,为构造优化算法的适应函数提供了依据。通过仿真实验,在本文介绍的照明场景应用遗传模拟退火算法,并与传统粒子群算法和遗传算法进行比较,其照明节能性能分别高出5.30%和13.61%。     

基于改进离散粒子群算法的测试优化选择

为了解决复杂系统测试性设计过程中测试选择所产生的组合爆炸问题,提出一种改进离散粒子群算法的智能方法。首先,为保证初始种群的多样性,利用混沌不重复遍历的特性初始化种群的速度和位置;其次,根据启发式规则和罚函数的方法计算粒子适应度,使算法具有良好的搜索性能;最后,通过采用自适应调整策略的惯性权重,使粒子易于跳出局部最优解,找到最优解。通过仿真实例验证了本文方法的有效性,优化结果满足系统各项测试性指标要求,可为复杂系统的测试优化选择提供有效指导。     

云环境下基于节能和负载均衡的混沌粒子群资源优化调度

针对传统云计算资源调度方法仅关注任务的最大完成时间,没有考虑到节能和资源负载均衡的问题,提出了一种基于混沌粒子群算法实现云资源优化调度的方法;首先,定义了以节能和负载均衡为目标的多目标数学模型,然后设计了一组靠近最优Pareto 前沿的解作为初始种群,采用改进的粒子群算法来搜索最优调度方案,当最优解连续两代未发生变化时,通过混沌遍历法对粒子进行局部寻优,以加快获取全局最优解;在CloudSim仿真环境下结合Matlab工具进行实验,结果表明:文中方法负载均衡离差平均值为0.156,且较其它方法,具有较好的负载均衡能力和较低的能耗,具有很强的可行性。     

基于加权总差分最小化的中子稀疏投影计算机断层重建方法

为提升高噪声稀疏角度投影条件下中子计算机断层扫描(CT)质量,提出同时迭代重建方法(SIRT)与加权总差分最小化(WTDM)相结合的迭代重建方法(SIRT-WTDM)。在有无噪声情况下比较代数重建算法、联合代数重建算法及同时迭代重建算法的重建图像,证明了SIRT迭代重建具有较高的图像重建精度与较强的抗噪声性能,因此将SIRT作为高噪声中子投影图像CT迭代重建算法的保真项。考虑到对图像梯度稀疏性与连续性的约束,中子CT迭代重建方法的正则化约束项采用WTDM方法。由Shepp-Logan模体与真实冷中子层析扫描数据验证可知,在极端稀疏角度投影条件下,SIRT-WTDM可获得较好的重建效果。     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

基于RDC-PSOA的复杂自动化控制最优任务规划方法研究

在复杂的自动化控制模型中进行最优任务规划数据推荐时,容易出现只将任务分配给最先执行的处理器的情况,导致个别处理器上任务分配过多,造成整体时间跨度增加,提出一种基于推荐数据特点粒子群优化(Recommended data characteristics-Particle swarm optimization algorithm: RDC-PSOA)的复杂自动化控制最优任务规划方法,以一群随机粒子为初始解,依据复杂自动化控制模型中任务规划数据推荐问题的特点,在粒子群算法的基础上,重新塑造粒子描述形式,对粒子的位置与速度进行编码,将粒子群算法映射到离散空间,通过迭代获取全部可能的自动化控制任务规划方案,实现数据的有效推荐。仿真实验结果表明,所提方法不仅具有很强的收敛能力,而且数据推荐完成时间短,性能优越。     

无人机三维实时航迹规划

无人机航迹规划是无人机任务规划中最重要也是最复杂的环节,由于基本粒子群算法后期收敛速度慢和陷入局部最优解,将双种群粒子群算法用于无人机航迹规划中。双种群粒子群算法设置两个搜索方向相反的主、辅种群协同进化,以此来扩大搜索范围,跳出局部最优解。针对战场上可能出现的突发威胁,采用双种群粒子群算法对整体规划航迹进行了局部修改,以此来满足实时性的要求。通过仿真验证了算法的有效性,并满足了实时性的要求。     

基于Memetic算法的编码曝光最优码字序列搜索方法

提出了一种基于Memetic算法的编码曝光最优码字序列搜索方法。分析了编码曝光成像理论模型,建立了最优码字选取的适应度函数准则。引入Memetic算法框架并开展了最优编码序列搜索,利用遗传搜索算法进行了全局最优解搜索,并在此基础上利用模拟退火算法进行了局部最优解求解,通过适应度函数的阈值约束及种群和最优解的更新迭代,得到了最优码字搜索结果。研究结果表明,相比其他方法,所提算法兼顾了全局最优与局部最优的求解,得到的最优码字序列具有更优性能指标,算法执行效率高,复原图像的主客观评价质量更好。     

基于粒子群优化的核匹配追踪目标识别

提出了一种基于粒子群优化的用于目标识别的核匹配追踪算法.该算法用粒子群优化算法在基函数字典中选择最优的基函数,大大降低了基匹配追踪算法的计算复杂度.通过与标准核匹配追踪算法及基于遗传算法的核匹配追踪算法对UCI数据集及纹理图像的识别试验表明,核匹配追踪算法优良的分类性能以及粒子群优化算法高效的全局搜索能力使新算法能有效识别目标数据.     

基于粒子群优化算法的自适应图像分割方法

提出了一种基于粒子群优化算法的图像分割新方法。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短了寻找阈值的时间。将PSO用于基于改进的最佳加权熵阈值法的图像分割中,试验结果表明,该方法不仅能够避免陷入局部极值,而且其速度得到了明显的改善,是一种有效的图像分割新方法。     

基于粒子群算法的诊断策略优化技术

针对复杂武器装备系统多层次、多功能的特点以及测试性设计这一重大需求,为解决当前普遍采用的诊断策略存在的灵活性差、多故障诊断与不确定性诊断能力弱等问题,提出了一种基于自适应离散粒子群算法的诊断策略优化生成算法;该算法对自适应离散粒子群算法进行改进,引入多样性指标、个体历史最差解、扩散聚合过程和自适应惯性权重等,通过迭代计算得到最优的诊断策略;最后给出了主要步骤,并通过实例验证了算法的可行性。     

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。     

基于全变分最小化和快速一阶方法的低剂量CT有序子集图像重建

低剂量计算机断层成像(computed tomography,CT)具有减少X射线对患者的伤害的优势.本文主要针对从不完备投影数据重建出高质量低剂量CT图像的问题.通常,这个问题可以通过统计图像重建方法来实现,而统计重建算法需要非常多的迭代次数,导致了巨大的计算时间压力,以至于很难应用在实践中.为解决此问题,本文提出一种有序子集重建算法,该算法结合了全变分最小化和快速一阶方法以减少重建的迭代次数,采用Split Bregman交替方向法求解上述优化问题,利用投影到凸集合的方法加快迭代的收敛速率.实验结果表明,在同样的迭代次数下,本文提出的方法与基于有序子集的一阶方法相比较,相对重建误差的下降速度更快.     

采用三层保护策略的强制进化随机游走算法同步综合换热网络

强制进化随机游走算法（RWCE）同步综合换热网络时,存在个体最优解的进化路径被接受差解打乱而不接受差解又很难跳出局部最优的问题.提出一种采用三层保护策略的RWCE算法,将种群中个体分为三层,底层采用基本RWCE进行优化,以保护个体的全局搜索能力;中层读取底层各个体的历史最优解,并采用带微调功能的RWCE进行优化,以保护各个体最优解的进化路径不被打乱;顶层所有个体以中层最优个体的解为初始点,采用带自动精细搜索功能的RWCE进行优化,以保证最优个体得到充分的搜索;最后将顶层搜索到的结果传递给底层对应个体.实例表明,算法在允许接受差解的同时保护了个体最优解的进化路径,并实现了全局搜索能力与局部搜索能力的兼顾.     

基于改进哈里斯鹰优化算法的光谱特征波段选择模型研究

特征波段选择是近红外光谱分析的关键步骤之一,有效的特征波段选择能提高建模效率与模型性能。传统的特征波段选择算法存在运行时间长、选择特征冗余的缺陷,在实际工程应用中难以达到期望的效果。哈里斯鹰优化(HHO)算法具有原理简单、参数少的优点,但同时也存在收敛精度低且易陷入局部最优的不足。在HHO算法的基础上提出了一种基于改进哈里斯鹰优化(IHHO)算法的近红外光谱特征波段选择模型。针对HHO算法只能用于求解连续空间的优化问题,采用离散化策略对HHO算法进行修正,使其能求解离散形式的特征波段选择问题;考虑到HHO算法初始种群的质量差,使用混沌映射、反向学习提高初始种群的质量,以增强算法的全局探索能力;由于HHO算法在局部搜索时的收敛精度低,提出了新的猎物能量衰减模型与跳跃策略,以进一步增强算法在局部搜索时的寻优能力;为避免算法在寻优过程中落入局部最优,借鉴了遗传算法的变异方式对HHO算法进行扰动。使用竞争性自适应重加权采样法(CARS)、连续投影算法(SPA)、粒子群优化(PSO)算法、遗传算法(GA)、 HHO算法与IHHO算法进行比较,并以4个定性分析近红外光谱数据集与2个定量分析近红外光...     

改进的测量设备无关协议参数优化方法

实际量子密钥分发中参数的优化选择能大幅提升系统密钥生成率和最大传输距离,由于全局搜索算法的成本过大,本地搜索算法被广泛地应用.然而该算法存在两个问题,一是所得解不一定为全局最优解,二是算法的有效性极大地受制于初始值的选择.利用蒙特卡罗方法对密钥生成率函数是否为凸函数进行了证明,并仿真分析了密钥生成率函数在不同参数维度上的特性,提出了粒子群本地搜索算法并与本地搜索算法进行仿真比较.结果表明,密钥生成率函数为非凸函数,但合理设置初始值,本地搜索算法仍能求得全局最优解;在传输距离较远时,本地搜索算法因难以通过随机取值的方法得到有效的初始值而失效,粒子群本地搜索算法能克服这一缺点,以轻微增加算法复杂度为代价,提升了系统的最大传输距离.     

混合粒子群优化算法及其收敛性分析

为解决标准粒子群优化算法不能保证全局收敛、寻优精度低等问题,提出一种融合Kent混沌映射、云模型和布谷鸟搜索,并采用混沌初始化、全局及局部均衡搜索、多子种群协同进化等策略的混合粒子群优化算法(CPSO),同时对其收敛性和复杂度进行分析。经典的benchmark测试函数的实验统计结果表明,CPSO算法在收敛性、寻优精度、稳定性等方面均优于经典算法。