混合粒子群算法

摘要： 为了使风电叶片疲劳试验中的试验弯矩与目标弯矩匹配,进而准确获得叶片疲劳特性,提出了采用改进的智能优化算法进行等效配重块布置的智能优化方案。通过模态试验参数辨识确定旋转质量块激振频率应等于叶片一阶固有频率,引入叶片自重作用弯矩分量并构建截面弯矩计算模型。基于差分进化变异的混合粒子群优化算法,以均方误差为适应度函数进行弯矩分布和幅值控制问题联合优化。采用LZ40.3-1.5叶片进行优化技术应用,得出疲劳试验弯矩分布的主要影响因素为激振装置及配重块个数、质量及位置,所设计的算法将关键截面弯矩误差控制在7%以内,验证了单轴疲劳试验弯矩匹配的配重优化方案的正确性及可行性。

摘要： 随着“双碳”目标的推进落实,综合能源项目加速推广。针对楼宇型综合能源服务系统耦合性强、边界约束条件多、用户负荷变化大、运行方式复杂等特点,提出了一种智能优化运行控制算法模型。通过采集源、网、负荷侧数据,考虑天气的影响,建立负荷预测模型;根据运行边界条件,确立多目标优化函数,在各种能源需求、能源价格的约束下,基于混合粒子群算法实现综合能源服务系统智能优化运行。以某科技园区楼宇型综合能源服务系统为例,采用智能优化运行方案后,能源综合效率提升了6.51百分点,自耗电减少了2.24%,有效提高了系统运行的经济性。

摘要： 传统电力系统优化模型通常以火电机组固有技术出力作为该机组的出力约束,而实际运行中,机组调度出力范围还受净负荷值及机组上一时段出力的影响,出力约束存在较大的优化空间。为有效缩减机组出力变量的可行域范围,提出净负荷增量指标,应用该指标及机组上一时段的出力状态优化各机组可调度空间范围。进一步以可调度空间范围作为约束,建立改进电力系统优化调度模型。运用标准粒子群与模拟退火算法相结合的混合粒子群算法求解。算例结果表明,混合粒子群算法能够有效改进标准粒子群算法陷入局部最优的缺点,提高模型求解精度;此外,引入可调度空间值约束的电力系统优化调度模型与传统优化调度模型相比,在确保求解精度的同时大大减少了计算量,且不易陷入局部最优。该改进的思路与方法也可应用于其它能源系统的优化调度模型中。

摘要： 针对现有入侵检测技术精度较低、特征提取能力不足的问题,构建了一种基于混合粒子群算法与多核最小二乘支持向量机的网络入侵检测模型。该模型首先针对单核最小二乘支持向量机存在的泛化能力弱、学习能力差的问题,结合多项式核函数和径向基函数的优点,构建多核最小二乘支持向量机;其次提出了一种用于入侵检测数据特征提取和多核最小二乘支持向量机参数优化的混合粒子群算法;最后将提取的特征作为参数优化后的多核最小二乘支持向量机的输入,实现对入侵检测数据集的分类识别。为了评估提出的模型的有效性,基于NSL-KDD、UNSW-NB15和CICIDS-2017数据集进行了实验,实验结果表明提出的模型的检测效果明显优于其他传统模型。

摘要： 针对拥堵情况日益严重导致的物流业配送时效不高、客户价值低等问题,综合考虑客户价值和成本等因素,提出了一种卡车与无人机联合配送时变路径的优化方法。考虑到配送过程中不同时段的拥堵情况,采用速度分布函数刻画车辆的行驶速度,同时考虑客户的时间窗、车辆的载重和无人机的载重等约束条件,建立了成本最小的数学模型。根据模型的特点,引入K-means对客户的位置进行聚类,设计混合的粒子群算法对模型进行求解。最后通过Solomom数据进行模拟仿真实验,对模型和算法的有效性进行验证。实验结果表明,与未考虑客户价值静态路网模型相比,该模型在降低9.32%成本的情况下,同时提高了16.83%的客户价值和21.28%的客户满意度,所提算法在降低配送成本和提高企业经济效益方面具有一定的有效性。

摘要： 在船舶系统中,离心泵在运行时起到了关键性的作用,而其驱动电机可靠运行是泵能够稳定工作的前提,传统PID手动调参方法存在整定时间长、难度大等缺点,很难达到理想的控制结果。针对以上问题,提出一种用混合粒子群算法(HPSO)来优化PID控制器参数的方法,将蝙蝠算法(BA)中随机移动概念引入到粒子群算法(PSO)中,并将其和PSO算法、传统方法进行对比分析,利用Matlab软件搭建PID控制模型。仿真结果表明,运用HPSO优化的PID控制器能够克服标准PSO算法易陷入局部极值的缺点,可以高效、精确、快速地寻优出PID控制器的最佳参数,并展现出了鲁棒性好、调节时间少、运行相对稳定等优点。

摘要： 由于运行中管道实际摩阻因数与设计采用值的不一致会影响供水系统的运行质量和安全,为得到准确的摩阻因数以反馈设计,以及对运行中的供水系统进行系统诊断和优化调度,提出一种基于混合粒子群优化算法(hybrid particle swarm optimization,HPSO)和管网水力计算模型的管段摩阻因数智能反分析方法,该方法以监测点处的水压监测值与水力计算模拟水压值的二乘误差最小为目标,通过HPSO的强大全局寻优能力计算不同管段的摩阻因数。对室内试验管网模型的反演结果表明:采用正常工况下反演得到的摩阻因数模拟水压监测点处水压与实际测量值之间误差最大为2.87%;在爆管工况下,水压模拟值与实际测量值最大相对误差为2.63%,说明通过该方法进行摩阻因数的反演具有较强的稳定性。

摘要： 针对传统配电网故障定位模型结果精度低的问题,提出一种基于自适应模拟退火混合粒子群算法的故障定位方法。首先,分析实际情况,改进开关节点状态值,在此基础上构造故障模型开关函数。然后,基于模拟退火算法收敛速度快的特性,结合混合粒子群算法搜索范围广的优点,实现两种算法的结合。为了避免陷入局部最优解,引入自适应寻优方案进行迭代判别。接着,分析改进算法故障定位原理,构建适应度函数。最后,对产生的多种故障情况通过Matlab进行算例仿真分析。仿真结果表明:改进算法在配电网故障定位的过程中收敛速度和精度均有明显提高,并针对不同的情况具有一定鲁棒性。

摘要： 针对单边缘服务器卸载时导致异地边缘服务器空闲状态下资源浪费问题,在远程云与多个边缘服务器联合卸载的方案下,提出一种基于改进混合粒子群算法的边缘云协同计算卸载策略(cross reorganization PSO,CRPSO)。该卸载策略中以最小化系统总代价(时延和能耗的加权和)为目标建立模型,在粒子群算法中利用适应度对粒子进行优劣分组,通过引入遗传算法中的交叉思想对劣势组的粒子进行取优,由两层筛选机制优化原始种群中粒子,经过算法迭代实现任务的最优卸载策略。仿真结果表明,与Local-MEC算法、ECPSO算法和GCPSO算法相比,所提出的CRPSO算法的系统总代价最小,优化效果明显。

摘要： 为提高橡胶挤出机Smith-模糊PID温度控制系统的控制精度,更好地实现智能整定参数与橡胶挤出机温度最优控制,采用混合粒子群(HPSO)算法优化Smith-模糊PID控制系统,完成对温度控制系统PID参数基准值的自动寻优。借助MATLAB软件辨识挤出机温控系统数学模型,搭建Smith-模糊PID温度控制系统。为避免粒子群(PSO)算法陷入局部最优,在PSO算法的基础上将社会因子分解为局部社会因子和全局社会因子,设计出HPSO算法对PID参数进行寻优;将HPSO算法优化系统前后的控制效果进行对比。结果表明:采用HPSO算法优化Smith-模糊PID温度控制系统的控制精度更高、抗干扰性能更强,温度控制精度在±(1~1.5)°C以内,并且接近±1°C,完全满足橡胶挤出生产过程中对料筒温度控制的指标要求,可以在一定程度上提升温控系统的控制精度以及挤出机械的智能化水平。

摘要： 针对传统遗传算法在车间作业调度问题难以解决求解约束优化问题时存在难以同时兼顾求解质量和收敛效率这一问题,通过采用基于工序编码的方式生成可行调度及借鉴遗传算法单点交叉方法,生成基于工件的交叉算子作为粒子的更新方式,将改进后的粒子群优化算法用于求解车间调度问题,并在算法中通过利用局部搜索的方式提升粒子群中粒子收敛效率.通过对典型的调度测试问题进行精冲零件车间模拟实验,证明了改进后的混合粒子群算法对于求解车间调度问题的适用性及具有不错的求解性能.

摘要： 空中交通流量的不断增大以及有限的空域和跑道资源，直接导致终端区航班起飞和着陆的延误。终端区内航班延误不仅会造成一定的经济损失，而且还会产生较大的安全隐患。因此，在确保安全和经济的前提下，如何减少航班进场延误，已成为空中交通流量管理的一个重要的研究内容。研究了混合粒子群算法在终端区飞机降落排序中的应用.建立数学模型并进行算例仿真分析.通过与多种算法进行对比研究,发现在双跑道模型下,混合粒子群算法与其它算法都优于先到先服务算法,用时较少.混合粒子群算法与其它群智能算法在终端区飞机排序问题上的应用都是可行的.混合粒子群算法的综合性能与人工蜂群算法相似.基于管制员习惯的约束条件并不影响优化算法计算效率.

摘要： 针对群岛泊位分配问题,以船舶总在港时间为优化目标,建立了群岛泊位分配问题模型,并提出了一种混合粒子群算法进行求解.该算法中,在更新粒子状态时加入模拟退火和免疫调节操作,增强了粒子群算法的全局搜索能力.此外,该算法中所发展的分段编码法使得粒子解码后能满足船舶类型约束.最后,以舟山群岛大宗商品泊位分配问题为例,通过实证研究,验证了混合粒子群算法的有效性.

摘要： 针对带有集的势和资产比例约束的马克维茨均值-方差模型(CCMV)的求解,提出一种带有扰动的混合粒子群算法(HDPSO).在HDPSO算法中,为提升种群跳出局部最优解的能力,引入种群多样性阈值(λα),当种群多样性低于给定阈值时,差分进化算法用来更新粒子自身最优位置,直到种群多样性大于给定阈值为止;如果全局最优粒子连续若干代没有得到提升,对其进行高斯白噪声扰动以产生新的全局最优粒子;根据粒子违背约束条件的程度,提出一种新的比较准则来比较粒子间的优劣;最后,为提升种群向全局最优解飞行的概率,采取一种广义学习策略.对测试函数的仿真结果表明,HDPSO算法是一种可行的算法.在CCMV模型求解上,相比其它算法,HDPSO算法有较优的结果.

摘要： 由于支持向量机(SVM)存在结构稀疏化不足,缺乏概率信息等缺陷,将性能更具优势的相关向量机(RVM)理论引入到大坝变形预测的应用中.RVM模型的核函数选择高斯径向基函数,核参数用基于模拟退火的混合粒子群算法(SAPSO)进行寻优.在实际应用中,RVM模型的向量数量远小于SVM模型,在保持良好泛化能力的前提下计算结构得到简化,混合粒子群算法相较于一般粒子群算法其全局寻优能力也有所提高.将上述组合模型应用于大坝变形预测实例,结果表明该模型回归预测精度较高.

摘要： 本文通过将一种基于模拟退火的粒子群算法应用到叠后地震反演中，实现了对阻抗的非线性反演。模型试验表明，该方法高效可靠，反演得到的参数体与真实的阻抗比较基本一致。

摘要： 船舶汽轮机是船舶动力装置中关键设备之一,且随着汽轮机大功率的发展趋势,其重量体积进一步增加,这给设备的设计安装带来困难,并严重影响船舶的机动性.因此,有必要在汽轮机设计中,应用优化技术寻找设计参数的最优组合,以减小汽轮机的重量或体积.建立船舶汽轮机设计计算数学模型,对其重量受冷凝器压力、高低压缸功率比和低压缸末级径高比影响的敏感性进行分析.以船舶汽轮机重量最小为目标函数,在满足一定的结构及性能约束条件下,利用混合粒子群算法对其进行优化设计.研究结果显示,采用优化方案后,汽轮机重量减小了3.13％.最后对优化结果进行了分析,指明了汽轮机优化设计的方向.

摘要： 根据我国应急物流体系的总体特点,本文对城市应急物流网络的基站选址问题进行了分析.首先利用时间满意覆盖模型和混合粒子群算法,求出在假设基站数目不同时满意程度最大的基站候选位置,再通过分析比较得出最佳可行位置。

摘要： 研究终端区航班着陆调度优化控制问题,为对多目标着陆实现实时调度,克服粒子群算法易陷入局部最优的问题,提出了一种免疫思想和禁忌搜索的混合粒子群调度算法,在粒子群算法的基础上引入了免疫系统的抗体浓度调节机制,以保证群体多样性.针对算法后期进化速度慢的缺点,采用了具有自适应能力的禁忌搜索算法进一步优化性能.最后将混合粒子群调度算法在不同规模的实例上进行了测试,并与其它几种具有代表性的算法进行了比较.实验结果表明,改进算法不仅较好地避免了陷入局部最优,提高了收敛速度,还有效地减少了航班着陆调度中的延迟.

摘要： 研究终端区航班着陆调度优化控制问题,为对多目标着陆实现实时调度,克服粒子群算法易陷入局部最优的问题,提出了一种免疫思想和禁忌搜索的混合粒子群调度算法,在粒子群算法的基础上引入了免疫系统的抗体浓度调节机制,以保证群体多样性.针对算法后期进化速度慢的缺点,采用了具有自适应能力的禁忌搜索算法进一步优化性能.最后将混合粒子群调度算法在不同规模的实例上进行了测试,并与其它几种具有代表性的算法进行了比较.实验结果表明,改进算法不仅较好地避免了陷入局部最优,提高了收敛速度,还有效地减少了航班着陆调度中的延迟.

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。

摘要： 本发明公开了一种基于混合多目标粒子群算法的无线传感网络中继节点部署算法；本发明主要研究单层网络中的中继节点部署问题，并且主要研究的网络属性为网络的平均能耗和网络通行链路的可靠性。混合多目标粒子群算法是一类新兴的多目标进化算法。它的核心思想是在多目标粒子群算法的基础上引入最优邻居学习以及遗传算法中的交叉变异拥挤距离的策略，从而显著提高算法的搜索效率。由于混合多目标粒子群算法是一种基于种群的算法，可以同时维护一组具有不同偏好的候选解，因而非常适合于求解多目标优化问题。而且，大量的实际应用表明，混合多目标粒子群算法比通常的多目标进化算法具有更高的搜索效率。

摘要： 本发明涉及一种基于混合蛙跳粒子群算法的扩展德拜模型参数辨识方法，包括以下步骤：建立扩展德拜模型，建立待辨识参数的计算公式并确定目标函数；初始化粒子群，得到对应扩展德拜模型n维解向量的n个粒子，根据待辨识参数的计算公式和目标函数计算每个粒子的自身适应度；引入蛙跳算法的差异性分组，根据每个粒子的自身适应度大小将n个粒子划分为m个族群；对每个族群进行迭代和寻优，达到迭代终止条件后，输出全局最优值的粒子所在位置为扩展德拜模型的模型辨识参数，在传统粒子群算法中加入蛙跳算法的差异性分组，避免了粒子群过早集中于同一方向，也增加同族群内粒子相互学习能力。

摘要： 本发明公开了一种基于混合多目标粒子群算法的新能源公交车充电调度方法，首先对数据集进行筛选和预处理，删除和过滤数据集中的异常值，然后计算出每台公交车在每个充电枪的充电时间，构建充电时间和充电桩使用偏差两个目标函数，最小化两个适应度函数，使用混合的多目标粒子群算法优化两个目标函数，设置系统参数，优化目标函数，将算法模型部署在服务器中，同gRPC远程调用算法，得到公交车夜间充电调度计划表。本发明利用改机多目标粒子群算法对构建的新能源公交充电时间最小和充电桩利用偏差最小进行优化，实现在保证充电时间最小的同时充电桩利用偏差最小，生成夜间充电排班计划表，方便公交场站充电调度人员调度。

摘要： 一种基于粒子群算法的改进最小残差法分析混合STR图谱的方法：S100：输入来自两个供体的混合STR图谱；S200：在(0，0.5]区间内随机生成3个粒子的初始位置，并在[‑0.01，0.01]区间内随机生成所述3个粒子的3个初始速度；S300：分别根据所述3个粒子计算得出3个residualsum；S400：分别计算3个粒子各自的个体最优位置，获得residualsum最小时Mx的值；S500：计算整个粒子群体的全局最优位置，获得residualsum最小时Mx的值；S600：更新所述3个粒子的速度和位置；S700：如果迭代次数达到阈值，则获得residualsum最小值、混合比例预测值Mx’和拆分结果；否则返回到步骤S300继续执行。本方法改进了最小残差法，重新定义混合比例实现等位基因模型(allele model)的化简；粒子群算法的引入，能够实现混合STR图谱的快速分析。

摘要： 本发明涉及一种基于改进混合粒子群算法的微电网容量优化配置方法，包括以下步骤：1)获取风力发电机和太阳能光伏电池功率序列以及负荷序列；2)以综合投资成本、综合可靠率、剩余能量率和可再生能源率为规划目标，建立孤岛微电网容量优化配置模型；3)基于步骤1)，采用改进混合粒子群算法求解所述孤岛微电网容量优化配置模型，获得最优配置方案。与现有技术相比，本发明配置精度高，能使电网可靠、环保以及能量充分利用，对于微电网规划具有实际意义。

摘要： 本发明公开了一种基于改进多目标混合粒子群算法的汽车传动参数优化方法，包括：对于当前种群中的每个粒子，根据每个粒子的位置、预设的动力性分目标函数以及经济性分目标函数计算每个粒子的个体最优值pbest，并求解Pareto最优前沿，根据所述Pareto最优前沿得到种群全局最优值gbest，根据所有粒子的类别，计算每个粒子对应的类别最优值nbest；然后计算每个粒子下一次迭代的位置；用遗传算法更新种群中的所有粒子得到用于下一次迭代的种群，然后继续迭代，满足预设的终止迭代条件时将Pareto最优前沿对应的粒子输出作为最优的汽车动力传动参数。本发明保证较低时间复杂度的前提下，防止过早收敛陷入局部最优，可以获得更准确的计算结果。

摘要： 本发明公开了一种基于混合粒子群算法的新能源消纳测算方法及系统。本发明的测算方法包括：步骤1、准备基础数据，包括新能源数据、负荷数据、省间联络线数据及断面数据；步骤2、构建电网分区模型；步骤3、电网运行方式维护，依据实际电网常规机组运行方式，配置各分区内常规机组的运行约束；步骤4、创建案例，根据案例计算需求配置相应的计算数据，启动计算并查看结果；根据上述步骤建立以新能源发电量最大为优化目标的含机组启停机约束的优化模型，其在新能源消纳测算方法中采用混合粒子群算法。本发明采用的混合粒子群算法不仅拥有常规粒子群算法的优点，并且比常规粒子群算法在计算速度方面更为快速，在计算结果方面也更为精确。

摘要： 本发明公开的一种基于混合粒子群算法的天基跟踪星群构型优化方法，属于航天器星群应用领域。本发明实现方法为：基于天基红外测量原理，构建低轨卫星星群红外测角模型；以非合作目标导弹的位置测量误差最小和星群规模最小作为优化目标，考虑星群卫星数量、轨道高度、轨道倾角、初始平近点角、相邻卫星相位角度差和升交点赤经等优化变量，构建天基跟踪星群构型“离散‑连续”混合优化问题模型；采用基于“离散‑连续”映射的改进混合粒子群算法进行该优化问题求解，实现将离散变量连同连续变量的共同优化，优化后的天基跟踪星群构型能够在保证测量精度的前提下，降低天基跟踪星群规模，进而减少天基卫星测量滑翔非合作目标的成本。

摘要： 本发明实施例提供一种基于混合粒子群算法的无人船路径优化方法和系统，以无人船当前规划路径中各路径点为基础，同时考虑多点约束和规避障碍物等自然条件约束，重新进行路径点划分，综合考虑路径长度、路径平滑度和路径安全性，实现路径长度、路径平滑度和路径安全性的多目标优化，从而规划出一条符合无人船航行实际的全局路径。