检索结果-内蒙古大学图书馆

工业仪表与自动化装置 2022年第5期 42-47页

作者：董青青解丹婷陕西能源职业技术学院煤炭与化工产业学院陕西咸阳712000

智能无人喷洒车为解决工业化生产带来的空气中粉尘污染问题提供了可行的思路,但现有的无人喷洒车控制系统的精度和场景适应性限制了其应用推广。该文提出了一种基于自适应滚动窗口设计轨迹跟踪控制器的智能喷洒车控制系统,该控制系统建... 详细信息

智能无人喷洒车为解决工业化生产带来的空气中粉尘污染问题提供了可行的思路,但现有的无人喷洒车控制系统的精度和场景适应性限制了其应用推广。该文提出了一种基于自适应滚动窗口设计轨迹跟踪控制器的智能喷洒车控制系统,该控制系统建立了航向误差补偿模型和控制参数的自适应策略以提高控制精度,并能够根据实时场景更新路径规划和控制器频率,实现无人驾驶喷洒车的位置的实时预测和滚动优化,增强轨迹跟踪控制的鲁棒性。通过TruckSim仿真和场景实验验证了提出的无人喷洒车路导航控制系统的有效性和实用性。

关键词：无人汽车轨迹跟踪误差补偿模型控制参数自适应

来源：评论

学校读者我要写书评

暂无评论

基于双变异模式协同的自适应微分进化算法

引用

控制与决策 2017年第7期32卷 1196-1202页

作者：王世豪杨红雨李玉贞韩松臣杨波四川大学空天科学与工程学院成都610065 四川大学国家空管自动化系统技术重点实验室成都610065 上海电器科学研究所上海200063

针对微分进化算法(DE)易陷入局部最优解、进化后期收敛速度慢、求解精度低等缺点,结合DE/rand/1和DE/best/1两种变异模式分别具有全局探索能力和局部开发能力的优点,引入精英存档策略和控制参数自适应策略,提出一种双变异模式协同自适... 详细信息

针对微分进化算法(DE)易陷入局部最优解、进化后期收敛速度慢、求解精度低等缺点,结合DE/rand/1和DE/best/1两种变异模式分别具有全局探索能力和局部开发能力的优点,引入精英存档策略和控制参数自适应策略,提出一种双变异模式协同自适应微分进化(DMCSa DE)算法.15个典型benchmark测试函数的实验结果表明,DMCSa DE能够有效提高算法的全局探索能力和局部开发能力,避免早熟收敛,大大提高算法的收敛性能和鲁棒性,同时,精英种群的大小对DMCSa DE的优化性能具有明显的影响.

关键词：微分进化全局优化精英存档控制参数自适应

来源：评论

学校读者我要写书评

暂无评论

基于局部搜索策略的差分演化算法研究及改进

基于局部搜索策略的差分演化算法研究及改进

引用

作者：杜望江西理工大学

学位级别：硕士

随着科技的发展,许多来自工程和社会领域的问题变得越来越复杂,随之而来的是求解这些问题变得越来越困难了,传统的优化方法已经不能够满足当前问题求解的要求。而群体智能优化算法作为解决这些问题的一种方案,能够很好的解决这些问题,... 详细信息

随着科技的发展,许多来自工程和社会领域的问题变得越来越复杂,随之而来的是求解这些问题变得越来越困难了,传统的优化方法已经不能够满足当前问题求解的要求。而群体智能优化算法作为解决这些问题的一种方案,能够很好的解决这些问题,因此越来越受到世界各国研究者的重视。差分演化(Differential Evolution,以下简称DE)算法是近年来一种流行的群体智能优化算法。由于它操作简单、控制参数少、鲁棒性强等特点,使得算法在优化领域所受到的关注逐年增长。然而,DE算法在实际优化当中仍然存在一些不足,如:算法控制参数的敏感性,合适的变异策略难以选取及算法局部寻优能力并不突出等。针对这些不足,本文在对传统DE算法研究的基础上,提出两种不同的改进DE算法,主要的工作如下:首先详细介绍了DE算法的提出、基本原理、操作流程及研究意义,给出了DE算法的流程图和伪代码。对国内外DE算法的研究进展进行了简单阐述,对相关改进DE算法进行分类归纳,总结了算法的优势和不足。与大多数智能算法类似,DE算法本身缺乏局部寻优能力,这也导致算法在演化过程中收敛速度变慢,不能够以较少评价次数或者演化代数收敛到问题最优解。为保持种群的多样性,防止算法过早的陷入局部最优,加强局部的搜索能力及加快收敛速度,提出一种基于精英解学习的邻域搜索差分演化算法。使用13个基准测试函数对提出的算法进行了测试并与几种经典的改进算法进行比较。实验表明,提出的算法在收敛速度和解的精度上有较大的优势。DE算法的性能主要取决于变异策略和控制参数,控制参数的不同往往对最终的结果有着很大的影响。一般来说,在使用DE算法求解问题之前,需预先设定好控制参数和变异策略。但是在求解问题过程中,使用试错法来调整合适的参数是非常耗时的。同时算法在局部搜索能力不强,在演化过程中少部分个体会出现停滞现象。针对以上不足,提出一种混合区域搜索策略的自适应差分演化算法。通过25个测试函数对提出的算法性能进行评价,结果显示,提出的算法优于近年来的几个知名算法。

关键词：全局优化差分演化算法局部搜索策略精英解学习控制参数自适应停滞现象

来源：评论

学校读者我要写书评

暂无评论

改进自适应微分进化算法求解全局优化问题

引用

计算机应用研究 2016年第12期33卷 3634-3637页

作者：王世豪杨红雨李玉贞刘洪杨波四川大学空天科学与工程学院成都610065 四川大学国家空管自动化系统技术重点实验室成都610065 上海电器科学研究所上海200063

针对微分进化(differential evolution,DE)算法在进化后期收敛速度慢、收敛精度低、易陷入局部最优解等缺点。通过改进DE的变异方程,并引入一种新的控制参数自适应策略,提出了一种改进自适应微分进化(improved adaptive differential ev... 详细信息

针对微分进化(differential evolution,DE)算法在进化后期收敛速度慢、收敛精度低、易陷入局部最优解等缺点。通过改进DE的变异方程,并引入一种新的控制参数自适应策略,提出了一种改进自适应微分进化(improved adaptive differential evolution,IADE)算法。进化过程中IADE将根据个体适应值与父代平均适应值之间的关系动态地调整控制参数。同时,采用10个常用于优化算法比较的标准函数对IADE和其他改进DE算法进行对比实验。实验结果表明,IADE算法不仅能够显著地提高收敛速度和收敛精度,而且具有非常好的鲁棒性,从而使得该算法能够满足过程优化的实时性、准确性以及稳定性要求。

关键词：微分进化全局优化控制参数自适应收敛速度鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于改进自适应微分进化算法的进港航班排序

基于改进自适应微分进化算法的进港航班排序

引用

第十一届中国智能交通年会

作者：李玉贞王世豪杨红雨上海电科智能系统股份有限公司四川大学空天科学与工程学院四川大学国家空管自动化系统技术重点实验室

针对进港航班排序问题,本文通过改进微分进化(Differential Evolution,DE)算法的变异方程并引入一种新的控制参数自适应策略,提出了一种改进自适应微分进化算法(Improved Adaptive Differential Evolution,IADE)。在IADE中,种群中的每... 详细信息

针对进港航班排序问题,本文通过改进微分进化(Differential Evolution,DE)算法的变异方程并引入一种新的控制参数自适应策略,提出了一种改进自适应微分进化算法(Improved Adaptive Differential Evolution,IADE)。在IADE中,种群中的每个个体都有自己的控制参数,且随着种群进化而自适应调整。典型Benchmark测试函数的实验结果表明IADE具有很高的收敛速度、收敛精度以及鲁棒性。同时,将IADE应用到进港航班排序问题,仿真结果表明IADE能够有效地减少航班队列的总延误时间,减少经济损失,是一种求解进港航班排序问题的有效方法。

关键词：进港航班排序总延误时间最小微分进化控制参数自适应改进变异方程

来源：评论

学校读者我要写书评

暂无评论

基于新自适应差分进化算法的Magic Formula轮胎模型参数辨识方法

引用

机械工程学报 2014年第6期50卷 120-128页

作者：王前杨志坚丁康华南理工大学机械与汽车工程学院广州510640

针对传统差分进化法固定的控制参数设置与进化策略难以适应复杂多变的问题的状况,提出一种新的自适应差分进化方法,并将其应用于魔术公式(Magic formula,MF)轮胎模型的参数辨识中以解决其参数辨识难的问题。该方法结合基于成功进化个体... 详细信息

针对传统差分进化法固定的控制参数设置与进化策略难以适应复杂多变的问题的状况,提出一种新的自适应差分进化方法,并将其应用于魔术公式(Magic formula,MF)轮胎模型的参数辨识中以解决其参数辨识难的问题。该方法结合基于成功进化个体的控制参数选择策略以及基于双审判矢量的进化策略,实现控制参数的有效自适应。通过对纯侧偏工况下轮胎数据的侧向力和回正力矩参数辨识,证明该方法比另外两种先进的自适应差分进化算法IOA和SspDE具备更好的全局优化与快速收敛能力,也比传统的数值优化Levenberg-Marquardt方法识别精度更高,是辨识MF轮胎模型参数的一种有效手段。

关键词：差分进化算法控制参数自适应轮胎模型参数识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：