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.     

基于遗传算法的光学膜系初始结构优化设计

膜系初始结构优化设计是膜系优化设计的关键。针对多膜料设计 ,提出了一种新的膜系初始结构优化设计算法 ,将膜系的初始设计视为组合优化问题 ,采用遗传算法 ,求得组合的最优解。给出了算法的原理 ,并给出了相应的设计实例。结果表明 ,本算法是一种简单、有效、通用性强的膜系初始化设计方法     

基于量子遗传算法的宽带离散化极紫外多层膜的研制

提出了一种基于量子遗传算法的宽带极紫外多层膜的离散化设计方法,解决了在膜系设计中普遍采用的遗传算法存在求解精度低的问题.同时在基于量子遗传算法的膜系设计方法中对膜系进行了离散化设计,解决了在仅由时间控制膜厚且沉积速率较大的镀膜系统中的膜厚高精度控制的问题.依据量子遗传算法的膜系设计结果采用磁控溅射镀膜系统镀制宽带极紫外多层膜.测试结果表明,宽角度极紫外多层膜的入射角为0°~15°,反射率达45%以上;宽光谱极紫外多层膜的入射波长为13~15nm,反射率达20%以上.相关研究工作为宽带极紫外多层膜的研发提供了另一种可供选择的且较优的搜索优化算法,同时该算法结合实验,实现膜厚的离散化设计,使镀制出的多层膜具有较好的光谱性能.     

基于遗传算法的30.4 nm多层膜设计

阐述了用遗传算法设计周期和非周期多层膜的原理和实现过程,完成了30.4 nm Mg/SiC周期和非周期多层膜设计,研究了遗传算法中不同种群数和多层膜膜厚取值范围对优化结果的影响.计算发现,种群数的恰当选取是使算法快速达到或逼近最优解的前提,膜厚取值范围的合理选择是提高算法效率的关键.设计得到入射角10°的周期多层膜和15°~22°范围内的宽角多层膜在波长30.4 nm处的反射率依次为56.57%与39.96±0.29%,5°入射的双功能多层膜在波长30.4 nm和58.4 nm处的反射率分别为54.1%和0.1%.结果表明遗传算法也是一种很好的多层膜设计方法.     

进化算法在膜系自动设计中的应用

在膜系的优化设计中,以膜系结构为参数的评价函数是一个非常复杂的多峰值函数。传统的优化算法强烈地依赖于膜系的初始设计,且易陷入较接近于初始结构的一个局部极值处。为解决这一矛盾,将全局寻优的自适应进化算法用于光学薄膜的膜系优化设计,设计中只需问题解的编码和适应度函数,而不依赖其他任何辅助信息(包括初始结构),有利于自动设计的进行。将该方法与常用设计方法进行了比较。高反膜、分光镜的实例优化表明：在相同设计要求下,用自适应进化算法可以得到更加合理的膜系结构,而且膜系结构简单,设计灵活,容易实现。理论和实践均表明该方法是高效和可靠的。     

基于二进制粒子群算法的认知无线电决策引擎

提出了基于粒子群算法的认知无线电决策引擎,并提出了一种种群自适应粒子群算法,利用粒子群算法调整优化无线电参数,运用多载波系统对算法性能进行了仿真分析.实验结果表明基于二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定性上都要明显优于经典遗传算法,基于种群自适应粒子群算法的决策引擎则能进一步提高算法初期性能,满足认知无线电实时性要求. 关键词： 认知无线电 粒子群算法 遗传算法 认知决策引擎     

基于遗传算法的减反射膜的优化设计

为了研究膜系设计领域内的全局性优化方法,提出了基于遗传算法的膜系设计方法。编制了用遗传算法进行膜系设计的通用程序,并在各种类型的减反射膜设计中取得了成功。结果表明：基于遗传算法得到的减反射膜具有与近期发表的膜系结果相一致或更好的光谱性能和全局性。同时在应用遗传算法进行膜系设计时,不需要给定初始膜系,可以设定膜层厚度边界和膜层数,这对于设计和镀制有现实意义的光学薄膜极为有利,并且只要改变目标反射率就能推广到其他膜系的设计中,具有良好的可移植性。     

量子势阱粒子群优化算法的改进研究

为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱 提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.     

粒子群算法在非线性系统应用中的早熟现象及其改进

通过分析粒子群算法早熟现象的机理,研究早熟收敛的本质,并提出一种克服粒子群算法早熟现象的局部"飞跃"策略.应用仿真及系统工程实例表明,该方法能有效地改善粒子群算法在非线性全局优化上的早熟问题,提高了粒子群算法的全局搜索能力.     

应用粒子群算法进行光学自动设计

将粒子群算法用于光学系统的设计优化中,构造相应的数学模型,并编程实现算法.设计了关于曲率半径r、透镜面之间的距离d和玻璃折射率n等光学系统结构参数的适应度函数,用此函数作为评价函数实现对像差的自动校正.给出用粒子群算法进行光学系统设计的实例.结果证明,粒子群算法可以克服以往光学设计中高度依赖初始结构的缺点,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Bloch球面搜索的量子粒子群优化算法

通过分析量子势阱粒子群优化算法的设计过程,提出一种基于Bloch球面搜索的量子粒子群优化算法.首先用基于Bloch球面描述的量子位描述粒子,用泡利矩阵建立旋转轴,用Delta势阱模型计算旋转角度,用量子位在Bloch球面上的绕轴旋转实现搜索.然后用Hadamard门实现粒子变异,以避免早熟收敛.这种旋转可使当前量子位沿着Bloch球面上的大圆逼近目标量子位,从而可加速优化进程.仿真结果表明,该算法的优化能力优于原算法.     

基于本征正交分解的气动优化设计外形数据挖掘

气动外形的全局优化设计会产生大量的过程数据,其中隐含的设计知识具有较高的挖掘价值.数据挖掘有助于获取直观、可定性描述的设计知识.本文采用基于本征正交分解的数据挖掘方法从气动优化设计的过程数据中获取设计知识,数据挖掘对象为跨音速压气机转子叶片NASA Rotor 37的优化过程数据,该数据由基于粒子群方法的绝热效率最大化优化设计产生.结果表明:基于本文数据挖掘方法获取的设计知识能够直接反映气动外形的变化规律,为叶片的气动外形设计提供参考;数据挖掘的设计知识成功地验证了优化设计结果的有效性.     

光量子体系下基于粒子群算法的LED植物照明光源设计

在现代农业生产中,常采用发光二极管(LED)作为植物照明光源对农业作物进行补光,为提高LED植物照明阵列光源的均匀度,本文在光量子体系下,提出一种新的基于粒子群算法的LED植物照明阵列光源设计方法。通过MATLAB对红蓝光LED植物光源阵列进行数学建模,运用粒子群算法寻找高均匀度条件下的红蓝光LED坐标,设计出二维情况下的红蓝光LED排布阵列;在三维情况下,为解决维度升高时可能会导致的求解陷入局部极小问题,采用改进的随机惯性权粒子群算法进行三维方案设计,并使用Tracepro对两种设计方案进行验证,与传统的红蓝光LED等间距逐行排列设计进行了对比。研究结果表明,与常见逐行排列LED阵列设计达到的光量子通量密度(PPFD)均匀度为79.6%相比,通过粒子群算法寻优的设计方法,二维设计方案的PPFD均匀度达到88.7%,较等间距逐行排列设计提高了9.1%;三维设计方案的PPFD均匀度达到92.6%,较二维设计方案提高了3.9%,较等间距逐行排列设计提高了13%。本实验证明了运用粒子群算法在二维和三维空间进行LED植物照明阵列光源设计的可行性,在简易设计流程的同时,提高了工作效率。     

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。     

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.     

2维静磁场多参量微动粒子群优化算法

提出一种微动粒子群优化算法,针对2维静磁场多参量优化问题,在给出轴上目标轴向磁感应强度分布曲线的前提下,可以得到趋近于该分布曲线的磁结构。该算法分为前后两阶段:第一阶段采用前后试探法(微动),同时也参照最优粒子的信息;第二阶段采用基本粒子群优化算法。微动粒子群优化算法可以发挥多核计算机在工程设计上的潜力,而且即使粒子数目很少,也能不断趋近目标解。     

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。     

Optimization analysis of the thermal cloaking problem for a cylindrical body

The inverse heat transfer problem associated with constructing multilayer material shells cloaking the presence of a cylindrical body in an externally applied temperature field is studied. As the original mathematical model, the steady-state heat equation for an anisotropic shell is used. With the help of the optimization method, this inverse problem is reduced to the corresponding control problem. A numerical algorithm of its solution based on the particle swarm optimization is proposed, and the results of numerical experiments are discussed.