- 1、本文档共5页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
改进的粒子群算法在圆度误差评价中的应用—崔星星
ADDIN CNKISM.UserStyle改进的粒子群算法在圆度误差评价中的应用
崔星星,陈岳坪来稿日期:
基金项目:广西自然科学基金资助项目(2014GXNSFAA118337);广西教育厅科研重点资助项目(2013ZD048,ZD2014074)广西科技大学科学研究基金资助项目(院科博12Z15);广西重点实验室建设项目(13-051-38)
作者简介:崔星星,(1989-),男,广东深圳人,硕士研究生,主要研究方向:精密测量;
陈岳坪,(1973-),男,湖南岳阳人,博士,副教授,主要研究方向:精密检测技术
,卢海燕
(广西科技大学 机械工程学院,广西 柳州 545006)
摘 要:由于用最小区域法(MZC)评价圆度的目标函数是非线性函数,用传统的优化方法难以进行评价,而且还容易陷入局部最优解。本文基于最小区域法(MZC)准则的基础上,运用一种改进的粒子群算法—协同粒子群优化(CPSO)算法来评价圆度误差,此方法将原来的粒子群分成若干个子种群,每个子种群中粒子各自寻求自己的最优值,各种群粒子信息共享,共同进化,直到达到指定的进化代数,最后比较得出最优值。相比遗传算法(GA)和标准的粒子群优化(PSO)算法具有全局有哪些信誉好的足球投注网站能力强,收敛速度快,精度高的优点。最后在MATLAB软件编程环境下,用实例比较验证了CPSO算法的有效性。对其他的几何量评价具有指导意义。
关键词:协同粒子群优化(CPSO);粒子群优化(PSO);圆度;优化
中图分类号:TH16 文献标识码:A 文章编号:
The Application of Improved Particle Swarm Optimization Algorithm in the Evaluation of Roundness Error
CUI Xing-xing, CHEN Yue-ping, LU Hai-yan
(School of Mechanical Engineering, Guangxi University of Science and Technology, Guangxi Liuzhou 545006,China)
Abstract: As the objective function is a nonlinear function using the minimum zone method (MZC) to evaluate the roundness, the traditional optimization method is difficult to evaluate and easy to fall into local optimal solution. Based on the minimum zone method (MZC) criterion, it utilizes an improved particle swarm optimization (PSO) algorithm—cooperative particle swarm optimization (CPSO) algorithm, to evaluate the roundness error. This method divides the original particle swarm into several sub populations, each of which searches its own optimum respectively. All particle groups share their information and evolve together until the certain evolution number is reached. In the end, the optimal value is obtained through comparison. Compared to the genetic algorithm (GA) and PSO algorithm, CPSO has stronger global search ability , faster convergence rate and higher precision. Finally, the validation of CPSO algorithm is tested with an example coding in MATLAB, which is important in guiding other geometrical quantity.
Key Words: Cooperative Pa
文档评论(0)