摘要：为提高粒子群算法的收敛性,基于动力系统的稳定性理论分析了带有惯性权重的粒子群算法模型的收敛性,提出了在算法模型收敛条件下惯性权重w和加速系数c的参数约束关系。使用4个测试函数对具有所提参数约束关系的惯性权重粒子群算法模型和典型参数取值惯性权重粒子群算法模型进行了对比仿真研究,实验结果表明,具有提出的参数约束关系的惯性权重粒子群算法模型在收敛性方面具有显著优越性。

摘要：通过对标准PSO算法中惯性权重和全局最好值的分析,提出了一种根据全局最好值的变化而自适应变化的随机惯性权重的方法。通过对5个典型的Benchmark函数的测试,结果表明此方法在收敛速度和全局收敛性方面都较线性递减的惯性权重的方法有所改进。最后,将改进的PSO算法应用于分类问题,与标准PSO算法与C4.5的结果相比,分类精度和速度都有所提高。

摘要：粒子群算法(particle swarm optimization,PSO)是一种容易实现且高效的优化算法,但该算法对各种参数反应较为敏感.本文针对经典粒子群算法容易陷入局部最优的不足之处进行研究,提出对经典粒子群算法使用自适应惯性权重并引入模拟退火法的思想来解决经典粒子群优化算法容易陷入局部最优解的问题.仿真实验结果表明,本文提出的混合算法与经典粒子群算法相比,不仅能够避免寻优过程中陷入局部最优问题,而且还具有收敛速度快、成功次数高、稳定性及寻优结果好等特点.

摘要：在粒子群优化算法的3个参数中,惯性权重是最重要的参数,它对粒子群优化算法性能的提高起到至关重要作用.因此许多学者对粒子群优化算法中的惯性权重设计进行了广泛研究,目前取得许多成果.本文介绍了基本粒子群优化和标准粒子群优化算法,综述了惯性权重在粒子群优化算法中的各种改进策略.为粒子群优化算法的进一步改进研究提供参考.

摘要：【目的】针对潜油螺杆泵采油系统中联轴装置零齿差内啮合机构重合度低、内外齿轮齿厚系数不稳定以及齿厚偏薄易导致轮齿折断等问题,提出了一种优化机构内变位系数、提高重合度值的方法,并设计了相应的优化模型。【方法】分析了传统设计方法中零齿差机构变位系数的设计缺陷,明确了目标函数和约束条件,定义了设计变量。采用粒子群优化(PSO)算法中的惯性权重线性递减策略提升粒子的局部与全局寻优能力,引入收缩因子并通过改进的速度更新迭代公式缩短收敛时间。以重合度和齿厚系数为优化目标函数,同时结合零齿差内啮合机构的齿轮约束条件建立了优化模型。【结果】为验证算法的稳定性,以用户输入的初始参数(内外齿轮模数为6,齿数为12,分度圆压力角为20°,外齿轮齿宽为30 mm,内齿轮齿宽为28 mm,偏心量范围为2.5~5 mm)进行优化分析。结果表明,通过改进PSO算法得到了径向变位系数和切向变位系数的最优解,即改进PSO算法显著提升了变位系数的优化效果。对比原始数据和优化结果,改进PSO算法的重合度提升了最高达26.2%,特别是在不同偏心量下,优化后的重合度均显著提高。【结论】通过对比改进前后的PSO算法,改进后的算法兼具全局收敛性与精确搜索能力,所得变位系数更加合理有效;优化后的齿厚系数更加平稳,显著降低了轮齿折断风险。最终优化后的变位系数不仅满足各项约束条件,且便于后续加工,提高了计算效率,显现出良好的设计效果。

摘要：为了提高旋转弹系统的控制品质,采用分数阶控制器进行双通道旋转弹控制系统设计。建立了旋转弹系统控制模型,进行线性化处理和解耦控制,并对解耦后的数学模型设计了分数阶PIλDμ控制器。针对分数阶控制器的参数整定问题,提出一种基于惯性权重的自适应粒子群优化算法,引入惯性权重非线性调整策略来平衡控制全局与局部搜索,从而得到全局最优解。仿真结果表明,该控制模型和控制器的设计合理可行。

摘要：本文针对标准磷虾群算法(KH)存在收敛速度较慢、计算精度不够和对复杂问题易陷入局部最优解的缺陷做出改进与完善,提出一种融合改进差分进化算子和S型自适应惯性权重的改进磷虾群算法(SDEKH)。通过多种标准测试函数对SDEKH、KH等智能算法进行对比测试,验证了SDEKH的优良性能;并运用SDEKH对桁架结构进行优化设计,通过与其他方法的优化结果对比验证了SDEKH的优化效率和精度均有提升,为工程结构优化设计提供了一种更加高效、精准的方法。

摘要：准确的短时交通流预测是交通控制和交通诱导的依据.提出一种基于改进灰狼算法(TGWO)优化BP神经网络的短时交通流预测模型(TGWO-BP),有效提高短时交通流预测精度.针对标准灰狼算法(GWO)收敛速度慢,容易陷入局部极值的问题,提出一种自适应递减的收敛因子,使灰狼算法区分全局搜索和局部搜索;改进灰狼个体的位置更新公式,引入惯性权重,调节惯性权重大小使灰狼算法具有跳出局部极值的能力;对比分析TGWO-BP、GWOBP、PSO-BP、BP这4种短时交通流预测模型,结果显示,TGWO-BP的短时交通流预测模型误差为10.03%,达到较好的预测精度.

摘要：为了提高修正炮弹系统模型的控制品质,采用分数阶控制器以取得更优的控制效果。针对分数阶控制器参数整定时大都需要公式推导、计算量大等问题,提出一种基于混沌自适应粒子群优化算法(CAPSO)并用于修正炮弹分数阶控制器的设计。将混沌算法与惯性权重调整的粒子群算法融合,对粒子群进行混沌初始化并对陷入局部最优的粒子进行混沌搜索,同时引入惯性权重非线性调整策略提高了算法的收敛精度,得到全局最优解。利用CAPSO算法对分数阶PIλDμ控制器的参数进行整定,并用于修正炮弹俯仰角稳定回路的控制中。通过仿真实验,验证了该优化算法的可行性。仿真结果表明,CAPSO算法在修正炮弹分数阶控制器的参数整定方面优于主导极点法、粒子群优化算法(PSO)等算法,与PSO算法相比调节时间减少了1.139 s、超调量减小了11.84%,具有收敛速度快、超调量小、稳定性好、抗干扰性强等特点;经CAPSO算法优化的分数阶PIλDμ控制器动态响应特性要优于整数阶PID控制器。

摘要：针对鲸鱼优化算法存在探索和开发能力难以协调、易陷入局部最优的不足,提出一种基于混沌搜索策略的鲸鱼优化算法(CWOA).首先,采用混沌反向学习策略产生初始种群,为全局搜索多样性奠定基础;其次,设计收敛因子和惯性权重的非线性混沌扰动协同更新策略以平衡全局探索和局部开发能力;最后,将种群进化更新与最优个体的混沌搜索机制相结合,以减小算法陷入局部最优的概率.对10个基准测试函数和6个复合测试函数进行优化,实验结果表明, CWOA在收敛速度、收敛精度、鲁棒性方面均较对比算法有较大提升.