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。     

基于边界扫描技术的测试性优化方法研究

针对基于边界扫描测试技术对集成电路测试复杂的问题,提出了贪婪算法和图的色素理论算法;贪婪算法是指在测试网络与器件之间建立一个矩阵模型,通过局部最优解来寻找全局最优解的一种算法;图的色素理论是借助图的色数理论和技术,通过图形绘制网络与器件的关系,从中寻找最少着色方案的一种算法;实验结果表明,贪婪算法和图的色素理论两种算法的应用都能够较好地解决电路板测试性复杂性和测试性完备性问题,具有很强的实用性,可用于复杂数字电路板测试。     

角度受限下稀疏投影数据的改进粒子群优化随机CT重建

当计算机断层成像(CT)中X射线的采样范围和数量受限时,得到的稀疏投影数据完备性很低,重建算法的搜索空间巨大。基于凸优化思路的迭代求解算法及其改进采用固定搜索路径,难以在有限时间内收敛至全局最优解;粒子群优化具有全局搜索能力,但计算成本和存储代价过高。为解决这类不完备投影数据的重建问题,提出基于粒子群优化的随机稀疏重建算法。首先,通过随机策略生成具有多样性的初始种群,以保证算法的搜索能力;其次,随机选择梯度下降或基于个体历史最优解和全局历史最优解的随机方向进行迭代,以兼顾算法效率和搜索方向的多样性;最后,基于适应度评价,有针对性地重新生成随机初始种群,强制跳离局部最优。针对角度受限下无噪声和含噪声的稀疏投影数据,分别进行重建实验。结果显示,与常见的凸优化迭代和粒子群优化算法相比,本文算法既能保证算法效率,又在重建质量和算法稳健性上具有明显优势。     

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。     

基于改进离散差分进化算法的测试选择

针对武器装备系统的测试选择问题,首次提出利用基于混合策略的离散差分进化算法(MD-DDE)进行测试选择;重新定义种群中个体的含义,根据其容易陷入早熟的特点,引入自适应变化的缩放因子和交叉因子;采用混合差分策略,进一步平衡了算法的全局寻优和收敛速度的矛盾;在选择操作的基础上突出了优先级的特点,使结果更具应用价值;通过实例和离散粒子群算法进行了对比,验证了该算法的有效性。     

一种求解约束优化问题的改进粒子群算法及其应用

针对复杂约束优化问题,提出一种改进的粒子群方法。该粒子群算法对于不满足约束条件的粒子实行全概率接收,但令其目标函数值同为一个很小的常数,以保持粒子的多样性并使最优解在可行域内。另外,在PSO算法的基础上,使惯性权值按对数规律单调递减,同时引进选择遗传算子,以增强其全局寻优性能。数值实验表明:与PSO算法和一些其它优化算法相比,改进算法具有较强的寻优能力和寻优效率。工程应用表明,改进算法具有一定的优越性。     

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。     

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。     

基于改进蛙跳算法的无线传感器网络覆盖优化

针对传统算法在解决无线传感器网络覆盖优化上存在的覆盖率较低和节点分布不够均匀的问题,提出了一种改进的蛙跳算法;为了同时达到增加算法的种群多样性和加快算法收敛速度的目的,改进蛙跳算法分别增加了个体高斯学习机制和根据粒子群思想改进的更新策略,让族内最差个体在自身附近进行局部搜索,若无效,则使族内最差个体同时向族内最优个体和全局最优个体学习;在性能评估实验中,对改进的蛙跳算法分别进行了标准函数测试和无线传感器网络覆盖优化测试;测试结果表明,在6个标准测试函数中,改进的蛙跳算法与其他算法相比在4个测试函数上的收敛精度有了明显提高;在无线传感器网络覆盖优化中,改进的蛙跳算法也能够使节点分布更加均匀,使网络覆盖率达到了85.6%。      

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%。     

基于矩阵开关的面向信号ATS测试通路选择研究

对ATS软件通用性的提高进行了研究,提出在UUT变得越来越复杂的情况下,要提高ATS软件通用性,合理、高效和可靠的测试通路选择算法必不可少,为解决现有的ATS测试通路选择算法只能实现单次测试通路选择最优而不能实现在一个测试序列中整体最优的缺点,首先研究了矩阵模块的物理模型、信息模型和数学模型,然后给出了复用测试通路选择算法,最后通过一个算例对该算法进行了验证,结果表明该算法可以以更少的继电器通断总数来完成相同的测试,从而不仅可以减少测试用时,还可以延长矩阵模块的使用寿命。     

一个修改的混沌蚁群优化算法

本文提出一个用于混沌蚁群优化算法的算法结束条件, 并 将算法结束条件加入混沌蚁群优化算法. 通过数值试验, 验证其有效性. 数值试验表明混沌蚁群优化算法可以得到较高精度 的最优解. 修改的混沌蚁群优化算法可以通过多次混沌搜寻, 逐步逼近最优解, 可以用来求解复杂连续空间优化问题. 关键词： 混沌蚁群优化算法 优化 数值模拟     

一类不确定离散混沌系统的自抗扰控制器与小脑神经网络并行优化控制

针对一类受扰不确定离散非线性混沌系统,提出了基于免疫动态微粒群优化策略的ADRC与CMAC神经网络并行控制方法(ADRC-CMAC).ADRC控制器抑制系统扰动,保证系统的稳定性;CMAC神经网络控制器实现前馈控制保证系统的控制精度和响应速度.利用动态免疫微粒群算法对ADRC-CMAC并行控制器参数进行全局优化.实验结果表明该控制方法具有较快系统的响应速度,较好的抗干扰能力,控制精度高. 关键词： 自抗扰控制器 小脑神经网络 并行控制 混沌系统     

基于不动点理论的多系统兼容接收机频点选择问题的研究与遗传算法实现

基于不动点理论研究了多系统兼容接收机的频点选择问题,并引入遗传算法解决了这一问题.将Banach不动点理论引入频点空间,提出并证明了频点空间中频点集的遗传进化过程反映了频点空间呈现出的一种不动点物理特性;经过频点空间算子的足够多次的反复遗传进化作用,频点空间中的任一迭代序列源频点集都将最终收敛于唯一不动点目标频点集,而该不动点目标频点集中的目标频点即为该频点选择问题的最优解.完成了遗传算法应用于频点选择问题的理论研究与实现.仿真结果表明,该算法能够有效地解决多系统兼容接收机的频点选择问题. 关键词： 多系统 接收机 遗传算法 不动点     

基于改进遗传算法的移动机器人路径规划

针对传统遗传算法存在的搜索效率低、易于陷入局部最优解的问题,提出了一种改进的遗传算法。采用简单的一维编码替代复杂的二维编码,节约了存储空间。在遗传算子的设计中,重新定义了交叉算子和变异算子,避免了陷入局部最优。最后将最短路径和免碰撞相结合作为适应度函数进行遗传优化。实验结果表明,改进的算法能够快速、有效的规划出最优路径。     

鲸群优化的粒子滤波算法研究

针对标准的粒子滤波存在粒子贫化问题,提出了一种鲸群优化的粒子滤波算法。用粒子表征鲸鱼个体, 模拟鲸鱼群体搜寻猎物的过程,引导粒子向高似然区域移动。将粒子滤波中粒子的状态值作为鲸鱼群的个体位置,将粒子的状态估计转化为对鲸鱼群的寻优;通过鲸群的螺旋运动方式优化粒子的重要性采样过程,使粒子分布更加合理,对鲸群算法中的全局最优值引入最优邻域随机扰动策略,并在鲸鱼位置更新过程中加入自适应权重因子;选用一种典型的单静态非增长模型进行仿真测试。测试结果表明:提出的方法与传统的粒子滤波以及引力场优化的粒子滤波相比,在保证相同粒子数的前提下,算法的均方误差分别降低了28%和9%,证明了鲸群优化的粒子滤波算法具有更高的估计精度,并且在粒子数较少的情况下,可实现更准确的状态估计。     

基于改进DPSO算法的并行测试任务优化调度研究

并行测试以减少测试时间和降低测试成本的强大优势,已成为当前自动测试系统发展的方向。针对并行自动测试过程中,测试任务调度复杂,难以优化的问题,以PSO算法为基础,通过对问题空间编码的重新定义,并运用交叉、变异算子给出了新的粒子位置的更新公式,提出了一种改进后的DPSO算法。依据并行测试完成时间极限定理,给出了并行测试任务调度的目标函数与约束条件。以某雷达电子装备并行测试系统中三块电路板并行测试为例,对改进的DPSO算法进行了仿真验证,得到了最优调度测试序列。结果表明：与遗传算法相比,改进后的DPSO算法迭代次数更少,寻优性能更好,适用于工程应用。     

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。     

基于改进禁忌搜索算法的液体透镜系统优化设计

建立了一套最新的优化概念,以便于液体透镜在一般光学系统中的优化设计。由于液体透镜拥有多个离散的变焦位置,设计时不得不在其中选择多个位置作为阻尼最小二乘法(DLS)的初始优化点。而这些位置通常是由设计者凭经验来选择的,不同的选择不仅会对设计过程带来不同的影响,而且会给设计结果带来本质的不同。基于此提出了一套改进禁忌搜索(ITS)算法,从而实现在DLS算法优化的过程中液体透镜变焦位置的自动选取,从而得到更佳的成像效果。     

不可压缩流的并行两水平稳定有限元算法

提出一种数值求解定常不可压缩Stokes方程的并行两水平Grad-div稳定有限元算法。首先在粗网格中求解Grad-div稳定化的全局解, 再在相互重叠的细网格子区域上并行纠正。通过对稳定化参数、粗细网格尺寸恰当的选取, 该方法可得到最优收敛率, 数值结果验证了算法的高效性。