针对人工鱼群算法(AFSA)中收敛精度不足、早熟现象明显、稳定性较差及结果精度受参数影响较大的问题,提出基于嵌入机制的改进人工鱼群算法。以参数统计分析为基础,设定步长与视野数值成反比的条件下,构建一种模仿生物视觉特性的步长、视野因子模型,并将差分进化算法中的变异行为作为人工鱼群完成觅食、聚群、追尾行为后的干扰行为。根据参数之间的关系、视野与步长的关系,采用五种类型测试函数分别对AFSA、DAFSA、DE进行对比验证,结果表明DAFSA在稳定性、计算精度与早熟现象改进方面较AFSA有明显提升。同时为验证所提方法的实用性,将其应用在50t/22.5m桥式起重机主梁金属结构轻量化设计中。

针对粒子群算法在解决高维度复杂优化易陷入局部最优的问题,构建差分进化算法(DE)、人工蜂群算法(ABC)与粒子群算法(PSO)并行运算的种群更新模型,提出基于并行策略的改进混合粒子群算法(DA_PSO)。以并行策略为基础,不改变种群规模,独立运行3种算法,每隔n次比较3种算法,获得当前最优点,并用其替换粒子群算法的种群最优点,利用PSO算法个体向种群最优靠近的特点,充分吸收DE算法、ABC算法的优点,使被替换后的PSO算法跳出局部最优,提升优化结果的质量。采用五种类型测试函数分别对ABC、DE、PSO和DA_PSO进行对比验证,结果表明较其他算法而言,DA_PSO算法精度高,稳定性好,适应性强。同时为验证所提方法的科学性与实用性,将其应用在10t~32t/31.5m系列化的桥式起重机主梁金属结构轻量化设计中。