用并行化的QPSO解决有约束的优化问题

采用粒子群系统的并行化的量子化模型提高全局搜寻能力，在解决约束问题时采用不固定的多阶段任务补偿函数以提高收敛性，并获得更准确的结果，提出了并行化的QPSO（PQPSO）算法。此算法在几个可信赖的基准函数中被测试，并且实验结果显示PQPSO的最优值和运行时间比QPSO和传统的PSO有很大的提高，而且运行所用的时间资源接近线性减少。     

基于粒子群算法的数据库查询优化

查询优化是数据库系统设计和实现所采用的一项重要技术,也是影响数据库系统性能的一个重要因素.本文把一种新的演化计算模型＂粒子群算法＂引入查询优化模型中来,在查询策略的状态空间上构造了粒子群算法的一个原型,利用粒子群算法对连接操作进行优化.     

一种基于差异演化变异的粒子群优化算法

为了保持粒子种群的多样性而避免发生“早熟”的问题,提出一种基于差异演化变异的粒子群优化算法（PSO）,该方法通过粒子聚集性判断如果粒子群中的粒子过于聚集,则使用差异演化算法对PSO算法中各个粒子的自身历史最佳位置进行变异,以实现保持粒子群种群多样性的目的。对4种常用函数的优化问题进行测试并进行比较,结果表明：所改进的粒子群优化算法比标准粒子群优化算法更容易找到全局最优解,优化效率和优化性能明显提高。     

神经网络泛化性能优化算法

基于提高神经网络泛化性能的目标提出了神经网络泛化损失率的概念,解析了与前一周期相比当前网络误差的变化趋势,在此基础上导出了基于泛化损失率的神经网络训练目标函数.利用新的目标函数和基于量子化粒子群算法的神经网络训练方法,得到了一种新的网络泛化性能优化算法.实验结果表明,将该算法与没有引入泛化损失率的算法相比,网络的收敛性能和泛化性能都有明显提高.     

基于免疫粒子群算法的水轮机机组供水系统节能控制方法

传统供水系统节能控制方法忽略了对水轮机状态的监控,导致在降低系统能耗的同时,供水过程出现机组运行不稳定问题,为此,设计基于免疫粒子群算法的水轮机机组供水系统节能控制方法。利用T-S模糊模型构建供水系统数学模型。采用模糊神经网络结构作为新型节能控制的设计原理,设计新的节能控制器。通过免疫粒子群算法实现供水系统的整体控制,...     

一种混合粒子群算法及其在Job Shop问题中的应用

粒子群算法是一种新颖的演化计算技术，具有思想简单、容易实现的优点，被广泛应用于连续空间的优化。结合遗传算法的思想提出一种新的进化方式并用于Job Shop离散空间优化，进一步结合粒子群算法的群体多样性和禁忌搜索算法的集中搜索性提出一种粒子群算法和禁忌搜索算法的混合策略。用Job Shop问题作为测试基准，仿真试验显示混合粒子群算法是可行和有效的。     

具有量子行为粒子群优化算法的并行化研究

在研究了具有量子行为粒子群算法的基础上,受遗传算法并行化的启发,对具有量子行为的粒子群算法提出并实现了新的并行化策略。针对通信时间过长的问题,提出了改进方法。最后通过benchmark测试函数,将并行化量子粒子优化算法和二进制遗传算法、十进制遗传算法、粒子群优化算法的并行化方法进行了仿真比较,并对结果进行了分析。     

欠驱动机械臂优化控制的粒子群算法

粒子群优化算法是基于群体的演化算法,本质上是一种随机搜索算法,能以较大概率收敛到全局最优。论文针对欠驱动Acrobot机械臂系统,运用部分反馈线性化的状态反馈控制设计摇起控制器,利用粒子群算法(PSO)进行在线优化获得摇起控制器参数最优值,为平滑而稳定地切换到平衡控制器提供了保障。仿真结果显示,该方法能大大缩短系统摇起到进入平衡状态的时间,并具有容易实现以及计算量小的优点。     

粒子群优化算法在Acrobot平衡控制中的应用

粒子群优化算法(PSO)是基于群体的演化算法,本质上是一种随机搜索算法,并能以较大概率收敛到全局最优。本文针对欠驱动Acrobot机械臂系统,利用模糊控制原理设计平衡控制器,运用粒子群算法对模糊控制器的量化因子进行在线优化,获得平衡控制器参数的最优值,以实现降低系统超调量,减少系统振荡和平衡时间的目的。仿真实验结果验证了该方法的有效性。     

一种混合粒子群算法及其在Job Shop问题中的应用

粒子群算法是一种新颖的演化计算技术,具有思想简单、容易实现的优点,被广泛应用于连续空间的优化。结合遗传算法的思想提出一种新的进化方式并用于Job Shop离散空间优化,进一步结合粒子群算法的群体多样性和禁忌搜索算法的集中搜索性提出一种粒子群算法和禁忌搜索算法的混合策略。用Job Shop问题作为测试基准,仿真试验显示混合粒子群算法是可行和有效的。