摘要：提出一种利用粒子群优化算法进行在线寻优的自适应控制算法,该方法可抑制极限环的振荡幅值.应用极值搜索控制的思想,在线测量极限环的振荡幅度,并将其作为优化目标,利用粒子群优化算法寻找最优控制量,使得极限环的振荡幅值最小.针对粒子群优化和极限环控制的特点,提出一种加快收敛的算法.数值实验表明,提出的算法不仅与传统基于摄动方法的极值搜索控制性能相当,而且可对非凸和不光滑目标函数进行在线寻优,鲁棒性更强.

摘要：引入模糊数学、概率论和博弈论知识,设计一种ABC(Always Best Connected)支持型QoS(Quality of Service)组播路由机制.该机制采用区间形式描述用户QoS需求和边(链路)参数,引入边参数概率和用户满意度,通过边评价和博弈分析,基于粒子群优化算法,寻找使各方效用达到或接近Nash均衡下Pareto最优的QoS组播路由树.仿真结果表明,该机制是可行和有效的.

摘要：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.

摘要：鉴于平衡全局和局部搜索在多目标粒子群优化算法获取完整均匀Pareto最优前沿方面的重要性,设计平衡全局和局部搜索策略,进而提出改进的多目标粒子群优化算法(bs MOPSO).文中策略在局部搜索方面设计归档集自挖掘子策略,通过对归档集中均匀分布的部分粒子进行柯西扰动,使归档集涵盖整个前沿面的局部搜索.在全局搜索方面设计边界最优粒子引导搜索子策略,以边界最优粒子替换部分粒子的全局最优解,引导粒子向各维目标的边界区域搜索.选取4种对比算法在ZDT和DTLZ系列的部分测试函数上进行实验,结果表明bs MOPSO具有更快的Pareto最优前沿收敛效率和更好的分布性.

摘要：为了提高自然语言处理中文本和情感分类的准确性,提出了一种基于粒子群优化支持向量机的机器学习方法。该方法通过对粒子群位置、速度和当前粒子最佳位置的不断更新来优化支持向量机的参数,从而寻找最佳支持向量机。文本和情感分类的实验结果显示:提出的粒子群优化支持向量机方法在训练速度和准确率方面表现出较好的性能。

摘要：针对飞行器等复杂工程系统优化设计面临的计算求解耗时、可行域收敛困难等问题,提出了一种基于约束过滤器的代理模型辅助粒子群优化方法(SAPSO-CF)。该方法结合粒子群优化框架与径向基函数,有效降低了计算成本。提出一种双重过滤采样策略,结合基于Kreisselmeier-Steinhauser约束过滤器的全局探索与基于子空间径向基函数的局部搜索,同时改善新增样本的可行性与最优性,引导粒子群优化过程快速收敛。标准数值算例测试结果表明,与GLoSADE、C2oDE方法相比,SAPSO-CF方法在全局收敛性、鲁棒性以及优化效率方面具有优势。采用SAPSO-CF方法求解固体火箭发动机多学科设计优化问题,在满足燃烧室、喷管等学科约束条件下,优化后发动机总冲性能提升了15.3%,且最优性优于GLoSADE方法,验证了SAPSO-CF方法的有效性与工程实用性。

摘要：粒子群优化(PSO)算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。在大量参阅国内外相关文献的基础上,简要介绍了PSO算法的工作原理,较为全面地详述了粒子群优化方法在电力系统中的应用,如电网规划、检修计划、短期发电计划、机组组合、负荷频率控制、最优潮流、无功优化、谐波分析与电容器配置、参数辨识、状态估计、优化设计等方面,并对今后可能的应用指出了研究方向。

摘要：面向舞蹈机器人中常见的行走动作,模仿人类的行走行为,构建舞蹈机器人腿部模型,并设计机器人步态与被模仿者步态的跟踪优化函数,利用粒子群优化方法对步态模型中的膝关节的控制参数进行优化.根据仿真结果,该方法能够在符合机械结构要求的情况下,实现舞蹈机器人对人类步态行为的模拟,达到了良好的步态控制目标,方法可行有效.

摘要：提出了1种换热网络的粒子群优化设计方法,提高大规模无分流换热网络的设计速度和效果。采用超结构建立换热网络模型,以各个换热器和换热量为演化个体,以投资和运行费用最小化为优化目标,发挥粒子群的群智特点寻优计算。避免传统设计的计算复杂、不能同时优化投资和运行费用等问题,解决了换热器的换热量受换热条件约束、相互制约而影响设计的难题,保证演化过程中解的可行性,实现设计过程的智能化。以某炼油厂的常减压蒸馏过程的换热网络为实验对象,仿真研究,证明了算法有效和优越。

摘要：对现有多目标粒子群优化算法的全局最优解选择机制进行分析,指出其不足。在此基础上设计一种全新的极坐标下的选择机制:利用极坐标下解和粒子的角度信息计算适应度角度,选择适应度角度最大的解作为粒子的全局最优解。并针对多目标粒子群优化算法在迭代后期收敛变慢的问题改进位置更新公式:将位置更新过程产生的中间点也作为粒子新位置的候选解,有效提高算法收敛速度。对测试函数的仿真试验表明,所提出的改进算法在解集的分布性和收敛性上较其它典型算法有明显提高。