第50卷第2期 中南大学学报(自然科学版) Vol.50 No.2 2019年2月 Journal of Central South University (Science and Technology) Feb. 2019 DOI: 10.11817/j.issn.1672−7207.2019.02.013
基于粒子群的改进智能算法在载荷识别中的应用
谢兵1, 2，谢博群3，张猛3，曲先强3
(1. 湘西南农村信息化服务湖南省重点实验室，湖南 邵阳，422000；
2. 湖南大学 信息科学与工程学院，湖南 长沙，410082；
3. 哈尔滨工程大学 船舶工程学院，黑龙江 哈尔滨，150001)
摘要：针对粒子群优化算法(PSO)无法处理反求问题中的病态问题，基于粒子群优化算法，通过遗传算法对粒子
群优化算法进行改进，提出一种改进的粒子群优化算法(GAPSO)，通过载荷识别对该方法进行验证，并应用于静
态载荷识别和动态载荷识别算例中。研究结果表明：改进后的粒子群优化算法既能使粒子群优化算法处理病态问
题，又提高了反求问题的求解精度。
关键词：载荷识别；反问题；粒子群优化算法(PSO)；遗传算法
中图分类号：O342；TP311 文献标志码：A 文章编号：1672−7207(2019)02−0343−07 Application of improved intelligent algorithm based on
particle swarm in load identification
XIE Bing1, 2, XIE Boqun3, ZHANG Meng3, QU Xianqiang3
(1. Key Laboratory of Information Service of Hunan Province for Rural Area of Southwestern Hunan,
Shaoyang 422000, China;
cso算法
CSO算法是由XX等于XX年XX月在第X次XX智能会议上提出的一种新的仿生算法，CSO算法模拟了鸡群的层次结构和鸡群觅食行为，包括公鸡、母鸡和小鸡，可以有效地提取鸡群的智能来优化问题。CSO算法能够简单、快速地解决科学研究领域中的各类数值计算问题，具有收敛速度快和收敛效率高的优点。
理想化鸡的行为：
1、在鸡群中，有几个群体。每组由一只占主导地位的公鸡、几只母鸡和小鸡组成。
2、如何将鸡群分成几组，并确定鸡（公鸡、母鸡和小鸡）的身份，都取决于鸡本身的适应值。几个适应值的鸡将被当作公鸡，每只公鸡都是一组中的领头公鸡。几个适应值最差的鸡将被指定为雏鸡。其他的应该是母鸡。母鸡随机选择住在哪一组。母鸡和小鸡之间的母子关系也是随机建立的。
3、群体内部的等级秩序、支配关系和母子关系保持不变。这些状态每隔几个时间步长才更新一次。
4、鸡跟着它们的同伴公鸡去寻找食物，而它们可能阻止公鸡吃自己的食物。假设机会随意偷别人已经找到的好食物。小鸡在妈妈（母鸡）周围寻找食物。优势个体在食物竞争中占优势。
5、假设RN、HN、CN和MN分别表示公鸡、母鸡、雏鸡和母鸡的数量。RN鸡将被认为是公鸡，而最差的CN鸡将被认为是雏鸡。其余的被当作母鸡对待。由它们在时间步长t的位置，描述的所有N只虚拟鸡在D维空间中搜索食物。在这项工作中，最优化问题是最小问题。因此，RN鸡对应于RN适合度最小的鸡。
su(n)群和so(n)群结构常数的分析公式及图解法
su(n)群和so(n)群是数学领域的重要结构之一。许多理论和应用都有用到它们。它们的结构常数是可以通过不同的分析公式和图解法来确定的。
首先，su(n)群是一个拉格朗日定理空间，其结构常数形式是n(n-1)/2维空间中的一个正定正交基，其包含n(n-1)/2个张量，可以将其写入以下定义：
Aij=Ai j-Aj i
其中Ai和Aj分别是任意选择的i和j.
结构常数的图解法是非常有用的，因为它们可以使我们快速计算出群的结构常数。在su(n)群中，可以构建一个n维立体空间，用来图解其结构常数。而在so(n)群中，计算结构常数的图解法基于其特殊结构，可以将其表示成n对矩阵元素。
su(n)群和so（n）群的结构常数分析公式可以帮助我们快速求解其结构常数。通过定义的空间大小和结构形式可以求解这些结构的结构常数。同时，图解法也可以很好的帮助求解这些结构常数。
总之，su(n)群和so(n)群的结构常数可以通过不同的分析公式和图解法来求解。它们可以在各种理论和应用中得到广泛应用，对研究贡献巨大。
专家系统的名词解释
专家系统是一种人工智能系统,通过学习和分析大量专家知识和经验,为非专家用户提供智能化的建议和决策支持。
专家系统通常由以下几个部分组成:
1. 专家知识库:存储了专家的经验和知识,包括领域知识、规则、方法、技能等。
2. 模型:对专家知识库进行建模,建立一个可以识别和提取知识的方法,以便系统能够从数据中学习。
3. 推理引擎:根据用户提供的问题或输入,通过模型对专家知识库进行推理,并生成相应的建议或决策。
4. 用户界面:提供一个友好的用户界面,让用户可以方便地获取和使用系统提供的建议和决策。
专家系统的应用非常广泛,例如医疗诊断、金融风险评估、工业过程控制、项目管理等。在医疗领域,专家系统可以帮助医生为患者提供个性化的治疗方案,在金融领域,专家系统可以帮助银行家评估投资风险并提供合适的投资建议,在工业领域,专家系统可以帮助工程师制定优化的工艺方案。
虽然专家系统已经取得了很大的进展,但仍然存在一些挑战和限制,例如知识库的更新和维护、模型的可解释性和安全性等。因此,未来专家系统的发展将更加注重智能化、自动化和可解释性,以提高系统的实用性和可靠性。
