简介：为了改善冲压件加工质量,采用量子粒子群算法优化六杆压力机构并进行运动仿真.分析六杆压力机构工作过程,采用几何关系式推导冲头的位移方程式.确定设计参数,构造冲头速度优化目标函数,增加约束条件.采用量子粒子群算法优化目标函数,得出六杆最优运动参数.采用数学软件MATLAB对冲头速度进行仿真验证,输出冲头速度运动曲线.结果表明：优化后的六杆压力机构在冲压工件时,冲头速度跳动幅度较小,回程速度快.采用量子粒子群算法优化六杆压力机构设计参数,能够提高冲压件产品综合质量.

简介：摘要电力市场下AGC机组的调配问题是辅助服务领域中的一个重要研究课题，合理的选择AGC机组对电网的经济运行很重要。本文提出了采用粒子群优化算法对电力市场AGC机组的调配问题进行探究，依据粒子群算法原理在MATLAB软件中编程对实际系统的AGC机组调配问题进行求解。研究结果表明，改进的PSO算法即可以克服整数规划法的缺点，也能避免了遗传算法复杂的参数设置，且能得到问题的最优解。改进粒子群算法是解决AGC机组调配问题的新方法。

简介：摘要水库优化调度可以很大程度的提高水资源的利用率，有助于缓解当前日益紧张的水资源问题。本文为缓解塔里木河下游水资源日益短缺的现状，实现垦区水资源的统一调配，首先以恰拉水库为研究对象，在分析恰拉水库实际运行的基础上，以灌溉缺水量最小和库损最小为目标，考虑水量平衡、库容等方面的约束，建立恰拉水库的优化调度模型；其次，在基本粒子群算法框架中融入模拟退火算法思想，建立基于改进后的粒子群算法的模型求解方法；最后，对丰、平、枯三个典型年分水库不同供需水情况进行优化调度。结果能够有效减少库损，改进后的粒子群算法计算精度高，跳出局部最优解的能力强，能够平稳快速地得到水库调度方案，该方法为新疆不同水库优化调度提供技术支持。

简介：针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示：信标节点为5个,节点总数为15时,平均定位误差为0.877m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21m增长到4.65m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82m下降到0.76m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。

简介：摘要针对PSO算法易早熟、收敛精度差、迭代后期收敛速度慢等问题，提出了一种基于算法参数变化的简化粒子群算法。该算法惯性权重和学习因子分别随迭代次数呈指数函数变化和正弦三角函数变化，使用4个经典Benchmark测试函数进行仿真测试。结果表明本算法能较好收敛到全局最优值，且收敛速度快，收敛精度高，优化性能好。

简介：要想记住10个电子的粒子，可以采用找“关联”的推导方法。第一步，“左邻右舍法”。如图1所示，首先写出10号元素Ne，再依次写出它的“左邻右舍”。“左邻”如9号元素F，8号元素0，7号元素N，要形成10个电子，就分别以阴离子的形式依次写到元素Ne的左侧。

简介：布谷鸟搜索算法和粒子群优化算法都属于仿生优化群算法,它们的原理简单、实现方便,在诸多领域得到应用。虽然这两种算法优点明显,但是它们在全局搜索能力、收敛速度等方面存在不同程度的不足,当它们应用于复杂优化问题时,需要采用改进措施来提升其性能。把布谷鸟搜索算法和粒子群优化算法进行混合,在两种算法平行进化的基础上引入共享机制,使两种算法优点互补。仿真证明,混合算法提升了算法的全局搜索能力和收敛速度,适应性更强,可以应用于复杂的优化问题。

简介：为提高粒子群算法的搜索效率,克服分解方法处理复杂多目标问题的不足,通过考虑父代解的选择和种群的更新对算法收敛性及解的分布均匀性的重要影响,提出了一种基于分解的改进自适应多目标粒子群优化算法。首先,为提高算法收敛速度,在分解方法确保进化种群多样性的前提下,设计了新的适应度评价方法以评价个体的优劣,并将在竞争中获胜的优质后代解添加到父代候选解中;其次,为避免算法陷入局部最优,在更新粒子时,从当前粒子的邻居或邻居外随机选择个体最优和全局最优位置;最后,引入外部文档,将其作为候选的输出种群,并采用拥挤距离维持多样性,增强了算法处理复杂问题的能力。用12个测试函数的数值实验,并与5种多目标优化算法的比较,表明了所提算法的优越性。

简介：摘要粒子群算法是一种新的智能优化算法，它是对生物群体协同优化能力的研究，是一种针对每个粒子追求自身最优粒子和全局最优位置的一种启发式随机优化算法。在随机搜索的过程中，此算法收敛于最优粒子群优化算法。详细介绍了基本粒子群优化算法和改进的粒子群优化算法，并进行仿真研究，简要阐述了该算法在电力系统中优化应用情况，以期为日后的相关工作提供参考。

简介：为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。

简介：摘要优化变电检修计划，可以获得更加经济和理想的检修计划方案。基于这种认识，本文提出了一种基于粒子随机变异思想的改进型离散粒子群算法，能够对变电检修计划模型进行优化。从计划的优化效果来看，采用该算法可以降低变电检修成本，并使检修工作效率得到提高，因此可以为变电检修带来更多的效益。

简介：摘要由于电力系统无功优化问题具有多变量、非线性等特点，针对基本粒子群算法容易陷入局部最优解，本文提出了改进的方法，通过动态调节惯性权重w和改进位置更新策略，可以较好的平衡全局寻优能力和局部搜索能力，将改进后的粒子群算法应用于电力系统无功优化问题中，更好的解决无功优化问题。

简介：摘要随着新能源发电技术的广泛应用，其较强的随机性和不确定性会使得电网产生可靠性和稳定性的问题，因此，需要加装旋转备用机组以改善电网的稳定性。本文对旋转备用机组容量的经济运行进行研究，并采用粒子群算法求得旋转备用机组经济运行的最优解，从而同时保证电网的可靠性和经济运行。算例计算证明了本文方法的有效性。

简介：摘要近海系泊系统作为气象监控、海洋探测的主要载体工具，对工程的实际应用有一定的积极作用，在整个系泊系统处于最终平衡状态下，从系统的上部钢管开始受力分析计算，建立不同方向上力的平衡方程和以下部链结点为取距中心的力矩平衡方程，求得钢管倾斜角度以及下部单元间相互作用拉力，进而计算出钢管的相对位置改变量。继续分析下部单元的受力情况，建立相同的平衡方程组并求解，通过反复迭代计算，建立以浮标吃水深度为自变量的迭代代数模型，可求得河道底部的链环倾斜角度以及整个系泊系统的垂悬高度。

简介：摘要光伏阵列被云层局部遮挡，使得其功率-电压（P-V）曲线呈现阶梯状、多极值的形状，从而造成传统的最大功率点跟踪不起作用，陷入局部寻优，本文提出了一种可以快速、稳定并且能够全局寻优的最大功率点跟踪（MPPT）算法。算法先将粒子群优化（PSO）改进，使得在一定的迭代次数下稳定地全局更新所有粒子的速度和位置，快速找到最大功率点（MPP）的大概位置，再利用改进的Fibonacci数列作为变步长扰动观察法步长改变的依据，快速接近和得到功率的最佳解1。通过Simulink建立了仿真模型，与变步长扰动观察法、传统粒子群优化算法进行比较，验证了算法在精度与速度上有明显提升。

简介：建立了一种冲压机构模型简图，给出了冲压机构运动动力学方程，并推导了冲压机构滑块运动位移、速度及加速度运动方程式。最后引用改进粒子群算法优化目标函数，将优化结果输入到MATLAB软件中进行滑块位移、速度及加速度仿真。同时，与优化前仿真结果进行比较和分析。仿真结果显示，冲压机构设计变量参数采用改进粒子群算法优化后，在冲压机械工件过程中，其运动速度几乎处于匀速状态。冲压机构运动参数采用改进粒子群算法优化后，能够提高冲压机构运动的稳定性，从而提高冲压件产品的质量。

简介：针对船舶复杂结构优化问题,结合智能优化算法在解决复杂工程结构优化设计的优势,将遗传粒子群算法应用于船舶结构优化设计中。根据中国船级社规范,建立长江水系货多用途船中剖面结构尺寸优化的数学模型,然后采用MATLAB软件对遗传粒子群算法进行编程,实现遗传粒子群算法对多用途船中部舱段结构的优化,并与遗传算法的计算结果进行对比。结果表明,遗传粒子群算法使货舱段中剖面面积相对于初始值下降了7.3%,且优化性能优于标准遗传算法。

简介：摘要风力发电机组、抽水蓄能电站以及传统燃煤火力发电机组的协同优化，考虑联合运行系统的经济性，因而是个单目标优化问题，但有着很多的约束条件和极高的变量维度，采用传统的优化方法无法在短时间内得到最优解，因而，对于本文高维度、多变量的解空间问题，需要寻找一种合适的算法来解决问题。粒子群优化算法从解空间的随机解出发，通过粒子的运动迭代最终达到最优解。因此，本文采用了粒子群优化算法作为基础，对联合运行系统的优化进行求解。

简介：螺旋桨作为船舶等海上运输设备的主要动力来源和方向控制器,对船舶工业的发展起着重要的作用.随着螺旋桨动力学理论和结构设计的不断完善,针对船舶螺旋桨的改进技术也层出不穷.在传统螺旋桨升力线理论的基础上,针对螺旋桨的三维翼型剖面设计引入了粒子群优化算法,并用该优化算法对设计过程进行功能和结构的优化.

简介：为了提高多目标粒子群算法的收敛性和多样性,提出了一种基于最优网格距离的多目标粒子群算法（HMOPSO）。该算法是在多目标粒子群算法（MOPSO）的基础上,利用网格技术和Pareto占优排序原理,提出了一种新的全局学习样本选取策略。实验结果表明,该算法能够有效的避免早熟收敛,相比MOPSO算法,HMOPSO表现出良好的整体性能,是对标准多目标粒子群的一种有效改进。