论文部分内容阅读
随着科技和社会的发展,人们对最优化的需求愈来愈广,这也增进了最优化方法和算法的研究,而这其中以仿生和拟物为基础发展起来的群体智能优化算法发展最为迅速,粒子群优化算法和细菌觅食算法就是其中具有代表性的算法。跟传统优化算法相比较,这两种算法具备求解速度快,求解精度高,适用范围广泛等诸多优点。本文首先以标准粒子群优化算法(简称PSO)为主体,在此基础上引入了细菌觅食算法(简称BFO)局部搜索能力强的优点和自适应权重粒子群优化算法(简称APSO)的自适应权重特性,针对PSO算法处理复杂优化问题所存在的缺陷进行了改良,提出一种基于细菌觅食的自适应粒子群优化算法(简称BFPSO),然后将其应用于机械设计中的减速器斜齿圆柱齿轮中心距设计,最后将三种群智能优化算法应用于飞行器自动飞行控制系统仿真优化设计中。本文主要研究内容包括:1.在理论部分,首先从介绍群体智能优化算法的产生背景以及特点开始,对PSO算法、APSO算法和BFO算法的原理、特点和操作过程进行了详细的研究。然后针对PSO算法收敛快、易早熟的特点,以及BFO算法收敛慢、精度高等特点,本文结合两种算法的优势对算法进行了改进,把BFO算法相对于PSO算而言局部搜索能力强的核心步骤和部分全局搜索能力强的步骤混合进了PSO算法,并引入APSO算法的自适应权重算子,提出了BFPSO算法。最后通过几个经典的测试函数对三种优化算法进行收敛性、准确性、可靠性以及鲁棒性进行测试并进行详细对比,通过对比分析证明BFPSO算法的优化性能相对于改进前的算法有了明显的提升。2.在应用部分,首先将BFPSO算法应用于减速器的中心距优化,通过优化计算的结果显示,在满足设计要求的情况下,BFPSO算法设计的斜齿圆柱齿轮中心距与经验设计值、传统优化算法设计值相比更小,证明了BFPSO算法在减速器设计上应用的可行性。然后将三种群智能优化算法在自动飞行控制系统的仿真优化设计上进行了应用,并将三种群智能优化算法和传统的设计方法根轨迹法的仿真设计效果进行了对比。仿真设计结果表明,BFPSO算法仿真设计的自动控制系统性能更优,验证了本文提出的BFPSO算法解决工程实际问题的能力。