基于雁群启示的粒子群优化算法

收稿日期:2007204217基金项目:国家自然科学基金资助项目(60475036)・作者简介:何　利(1971-),女,黑龙江讷河人,东北大学博士研究生;刘永贤(1946-),男,辽宁沈阳人,东北大学教授,博士生导师・第29卷第4期2008年4月东北大学学报(自然科学版)JournalofNortheasternUniversity(NaturalScience)Vol129,No.4Apr.2008

基于粒子群算法的车间调度与优化

何　利,刘永贤,谢华龙,刘笑天(东北大学机械工程与自动化学院,辽宁沈阳　110004)

摘 要:通过对车间调度问题的描述,针对传统调度算法寻优效率低或全局寻优能力差的弱点,提出了一种基于粒子群算法(PSO)的车间调度问题解决方案・根据车间调度问题的特点,对粒子群的编码及寻优操作进行了研究,确定了更适合车间调度问题的编码和操作方式,并将算法进行编程,应用到了系统的车间调度部分・仿真结果表明,通过设置适当的参数,可以快速地得到很好的排序结果,能够适用于动态的车间调度问题・关　键　词:生产管理系统;车间调度;智能优化算法;粒子群算法;动态调度中图分类号:F406.2 文献标识码:A 文章编号:100523026(2008)0420565204

JobShopSchedulingandItsOptimizationBasedonParticleSwarmOptimizerHELi,LIUYong2xian,XIEHua2long,LIUXiao2tian(SchoolofMechanicalEngineeringandAutomation,NortheasternUniversity,Shenyang110004,China.Correspondent:HELi,E2mail:hl0404@)Abstract:Consideringtheconventionalalgorithms’lowefficiencyofsearchespeciallyglobalsearch,PSO2basedsolutiontojobshopschedulingproblemispresented.Accordingtothecharacteristicsoftheproblem,thePSOcodingandoptimizationarestudiedtodeterminethewayofcodingandoperation,whichismoreadaptabletojobshopscheduling.Thejobshopschedulingpartofthesystemisthenprogrammedwiththealgorithm.Simulationresultsshowedthatsettingthesuitableparameterscanprovideanexcellentworkingsequencetoadapttothedynamicjob2shopproblem.Keywords:productionmanagementsystem;jobshopscheduling;intelligentoptimizationalgorithms;PSO;dynamicscheduling

第２８卷　２００８年　第５期　１Ｏ月　飞机设计　ＡⅡｔＣＲＡＦＴ　ＤＥＳＩＧＮ　Ｖ０１．２８　Ｎｏ．５　Ｏｃｔ　２ｏｏ８　

文章编号：１６７３－－－４５９９（２００８）０５－０００６—０４　

基于粒子群算法的翼型优化设计　

许平　，姜长生　

（１．南京航空航天大学自动化学院，江苏南京，２１００１６）　（２．中国人民解放军９４６６９部队，安徽芜湖２４１００７）　

摘要：采用粒子群算法（ＰＳＯ）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计　要求，优化设计后的翼型气动特性也有显著地改善，这表明了粒子群算法应用于翼型气动优化设计的可行性。　在优化设计的过程中，粒子采用递减惯性权重，以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼　型由解析函数线性叠加法表示，目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。　

关键词：粒子群算法；翼型；欧拉方程；气动优化　

中图分类号：Ｖ２１１．４　文献标识码：Ａ　

Ａｅｒｏｄｙｎａｍｉｃ　Ｏｐｔｉｍｉｚａｔｉｏｎ　Ｄｅｓｉｇｎ　ｏｆ　Ａｉｒｆｏｉｌ　Ｂａｓｅｄ　

ｏｎ　Ｐａｒｔｉｃｌｅ　Ｓｗａｒｍ　Ｏｐｔｉｍｉｚａｔｉｏｎ‘　

ＸＵ　Ｐｉｎｇ　．＿．ＪＩＡＮＧ　Ｃｈａｎｇ—ｓｈｅｎｇ　

（１．Ｃｏｌｌｅｇｅ　ｏｆ　Ａｕｔｏｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ａｅｒｏｎａｕｔｉｃｓ＆Ａｓｔｒｏｎａｕｔｉｃｓ，　Ｎａｎｊｉｎｇ　２１００１６，Ｃｈｉｎａ）　

（２．Ｕｎｉｔ　９４６６９　ｏｆ　ＰＬＡ，Ｗｕｈｕ　２４１００７，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｐａｐｅｒ　ｐｒｅｓｅｎｔｅｄ　ｈｅｒｅ　ｄｅｍｏｎｓｔｒａｔｅｓ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）　ｏｎ　ｌｉｆｔ－ｔｏ－ｄｒａｇ　ｒａｔｉｏ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｄｅｓｉｇｎ　ｏｆ　ｌａｍｉｎａｒ　ａｉｒｆｏｉｌ．Ｄｅｓｉｇｎｅｄ　ａｉｒｆｏｉｌ　ｉｓ　ｓｕｃｃｅｓｓｆｕｌ　ｔｏ　ｍｅｅｔ　ｔｈｅ　

基于改进粒子群算法的任务分配优化技术研究

随着社会的发展，任务分配问题已成为一个重要的研究领域。在许多领域，如工业、交通、医疗、军事等，任务分配的成功与否直接关系到整个系统的效率和效益。然而，在实际生产和管理中，任务分配问题具有复杂性、多样性和不确定性，传统的任务分配方法已无法满足实际需求。因此，一种有效的任务分配优化技术势在必行。

改进粒子群算法应用于任务分配优化技术已成为研究热点。粒子群算法起源于鸟群觅食行为研究，通过迭代搜索全局最优解。传统的粒子群算法只考虑了粒子的运动，而在任务分配问题中，要考虑到每个任务和每个代理的特征，以便形成合理的任务分配方案。因此，改进粒子群算法应用于任务分配的优化技术是必要的。

改进粒子群算法在任务分配优化技术中的具体应用

改进粒子群算法在任务分配优化技术中的具体应用过程包括三个方面：任务的描述、代理人的描述和任务分配方案的描述。

任务的描述主要包括任务所需时间、任务的优先级、任务的等待时间及任务的数量。代理人的描述主要包括代理人的能力、代理人的工作经验、代理人的性格和代理人的数量。任务分配方案的描述主要包括每个代理人被分配的任务数量、任务执行的状态和每个代理人的工作状态。

算法流程如下：

1.初始化种群。随机选取某个代理人和任务作为种群的初始解。 2.计算适应度。根据每个代理人的能力和多个任务的需求确定适应度函数。适应度函数的设计应该显示地考虑任务的数量、任务的优先级、任务的时限等多个因素。

3.设定粒子的速度和位置。利用几何关系将每个代理人看做一个粒子，将携带任务的代理人看做一个目标点，然后根据粒子的速度和位置，使用新的公式更新对应的位置和速度。在这个过程中，粒子速度的取值和位置的更新规则对于求解答案的成功非常重要。

4.通过选择算子来更新速度和位置。根据粒子的适应度值和与当前解最佳解的距离，通过选择算子来更新对应的速度和位置。

5.交叉操作。基于概率对代理进行交叉操作，并筛选出更好的解。

Ｖｏ１．２３　ＮＯ．６　

ＮＯＶ．２００７　科技通报　

ＢＵＬＬＥＴＩＮ　０Ｆ　ＳＣＩＥＮＣＥ　ＡＮＤ　ＴＥＣＨＮＯＬＯＧＹ　第２３卷第６期　

２００７年１１月　

基于粒子群优化算法的结构系统辨识　

徐晓龙　，孙炳楠　，付　军　

（１．浙江大学土木工程学系，杭州３１００２７；２．浙江理工大学建筑工程学院，杭州３１００１８）　

摘要：针对一般智能理论辨识方法在结构系统辨识中存在的问题，提出一种基于粒子群优化算法　

（ＰＳＯ）的辨识方法。用粒子群中的粒子表征结构物理参数，以最大似然准则为粒子群优化算法的适应　

度函数，建立了结构系统的辨识模型。数值仿真分析表明，粒子群优化算法可以精确辨识出结构系统　

的物理参数。　

关键词：结构系统辨识；粒子群优化算法；最３ｖ４；￣然准则；智能理论　

中图分类号：ＴＵ３１１．３　文献标识码：Ａ　文章编号：１００１—７１１９（２００７）０６—０８７８—０７　

Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　Ｍｅｔｈｏｄ　ｏｆ　Ｓｔｒｕｃｔｕｒｅ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　

Ｐａｒｔｉｃｌｅ　Ｓｗａｒｍ　Ｏｐｔｉｍｉｚａｔｉｏｎ　

ＸＵＸｉａｏ—ｌｏｎｇ１，ＳＵＮ　Ｂｉｎｇ—ｎｎｎ１，ＦＵＪｕｎ２　

（１．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｉｖｉｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｊｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ　３１００２７，Ｃｈｉｎａ：　

２．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｏｎｓｔｒｕｃｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｊｉａｎｇ　Ｓｃｉ—Ｔｅｃｈ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ　３１００１８．Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｔｈｅ　ｉｎｔｅｌｌｉｇｅｎｔ　ｔｈｅｏｒｙ　ａｐｐｌｉｃａｔｉｏｎ　ｔｏ　ｔｈｅ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｆ　ｓｔｒｕｃｔｕｒｅ　ｓｙｓ—　

ｔｅｒｎｓ，ａ　ｎｅｗ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｍｅｔｈｏｄ　ｔｏ　ｔｈｅ　ｓｔｒｕｃｔｕｒａｌ　ｓｙｓｔｅｍｓ　ｉｓ　ｐｒｅｓｅｎｔｅｄ　ｂａｓｅｄ　ｏｎ　ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏ—　ｒｉｔｈｍ　ｉｎ　ｔｈｅ　ｐａｐｅｒ．Ｅｖｅｒｙ　ｐａｒｔｉｃｌｅ　ｏｆ　ｔｈｅ　ｃｏｌｏｎｙ　ｉｓ　ｄｅｎｏｔｅｄ　ａｓ　ｔｈｅ　ｓｔｒｕｃｔｕｒｅ　ｐａｒａｍｅｔｅｒｓ　ａｎｄ　ｍａｘｉｍｕｍ　ｌｉｋｅｌｉｈｏｏｄ　ｃｒｉ—