群智能理论及应用

作为一种新兴演化计算技术,群智能已成为新的研究热点,它与人工生命,特别是进化策略和遗传算法有着极为特殊的联系,已完成的理论和应用研究证明群智能方法是一种能够有效解决大多数全局优化问题的新方法.更为重要的是,群智能的潜在并行性和分布式特点为处理大量的以数据库形式存在的数据提供了技术保证.本文介绍了群智能理论的产生和发展过程,并着力阐述了两种典型算法;微粒群算法和蚁群算法的基本原理以及研究现状.     

雷达干扰资源的粒子群分配技术研究

粒子群算法是一种群智能的优化算法,其理论来源于人工生命和演化计算理论.该论文建立了雷达干扰资源分配的数学模型,基于粒子群算法,采用了交叉策略.为了避免陷入局部最优,该论文还采用了进化策略,从而改进了粒子群分配技术.最后,仿真实现了干扰资源的优化分配并详细分析了仿真结果.     

基于粒子群优化算法的阵列天线方向图综合

粒子群优化算法（PSO）是一种基于群智能的随机优化算法,其理论简单,参数少,易于实现,可用于解决大量非线性、不可微和多峰值的复杂问题。本文介绍了粒子群算法的基本原理和基本流程,研究了如何将这种方法应用于阵列天线的方向图综合上,给出了PSO 算法在阵列天线方向图综合的应用实例,结果表明粒子群算法在阵列天线方向图综合上有很好的应用前景。     

群智能微粒群算法及参数分析

微粒群算法是继蚁群算法之后提出的又一种新型的进化计算技术,具有典型的群智能的特点。文中首先介绍了微粒群算法的基本原理、流程,在算法参数分析的基础上,运用测试函数对粒子在寻优过程中的轨迹的进行研究,有利于探讨微粒群算法的收敛性,全局和局部平衡性以及算法稳定性和复杂程度,对算法参数的选择提供有效的指导和借鉴意义。     

一种基于文化机制的狼群算法

狼群算法是一种新的群智能优化算法。为解决该算法中,人工狼在进行智能搜索时的盲目性问题,现结合文化算法提出了一种基于文化机制的狼群算法——文化狼群算法。并应用三个经典的复杂测试函数对文化狼群算法的收敛性能进行了测试,并与狼群算法、粒子群优化算法进行了比较。实验结果表明文化狼群算法具有更好的收敛性能。     

智能路径优化方法综述

智能路径优化方法可以被用于现代工程领域的路径选择、资源分配、经济评估等各个方面。为了便于根据实际情况进行算法选择,文中针对几种常用的智能路径选择优化方法进行了一定的分析研究。首先,阐述了几种不同算法的理论研究情况并给出了这些算法的基本实现流程,即:禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法、蜂群算法。对不同算法进行了优缺点对比。最后,分析了不同的算法的实际应用领域,提出了智能优化算法的发展趋势。     

基于粒子群算法的阵列波束宽零陷优化设计

作为一种新型的群智能随机优化算法,粒子群优化（PSO ）算法在解决各种非线性复杂问题上得到了广泛的应用。研究了粒子群优化算法在阵列天线方向图零陷加宽技术上的应用,通过实例表明粒子群算法能够在较宽的角度区间上形成满足要求的零陷,在抗干扰应用方面具有较高的应用前景。     

基于拟生态优化算法的CDMA多用户检测方法

拟生态优化算法是一类模拟自然生态系统运行机制,求解复杂优化问题的智能计算方法,其中的蚁群算法和粒子群算法是较新出现的两种具有不同特点的方法。该文研究基本蚁群算法和离散粒子群算法,并结合CDMA多用户检测问题,改变算法的搜索机制,提出两种CDMA多用户检测的方法。从理论分析以及实验仿真的角度对比两种方法,表明两种方法的计算复杂度低且可以得到较好误码率性能,同时又各有特点。     

量子行为粒子群算法在图像恢复中的应用

遗传算法等智能搜索技术避免了图像恢复方法中存在的较多约束和计算量过大的问题,但遗传算法存在“过早收敛”现象。作为一种新的智能优化算法-量子行为粒子群优化算法,在全局收敛性和稳定性上有较好的表现。文章提出了一种基于量子行为粒子群算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较。仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。     

基于微粒群算法的聚类分析

文章将微粒群算法应用于数据挖掘的聚类分析。在对微粒群算法进行改进的基础上．提出了基于微粒群算法的聚类分析。理论分析和仿真结果表明该算法是有效的。     

粒子群优化算法用于阵列天线方向图综合设计

粒子群优化算法是基于一群粒子的智能运动而产生的一类随机进化算法,其优点是算法非常利于理解和应用.本文介绍了粒子群算法的原理和流程,研究了如何将这种方法运用于天线阵的方向图综合上,给出了PSO算法在综合阵列方向图的应用实例,表明粒子群算法在天线阵列综合中具有广泛的应用前景.     

智能优化的微粒群算法研究

微粒群算法是移动计算主体与群体的选择中，符合智能计算，以群体为操作单元的一种演化方法。它起源于对简单社会系统的模拟，由单一个体组成的群体与环境以及个体之间的互动行为，从而产生可预测的群体行为，这种方法优化了个体的行为策略。研究了微粒群优化算法，指出了该算法的研究进展，以此启发更深入的理论和应用研究。     

粒子群优化算法及其应用

粒子群优化（PSO）算法是一种新颖的演化算法，它属于一类随机全局优化技术，PSO算法通过粒子间的相互作用在复杂搜索空间中发现最优区域。PSO的优势在于简单而又功能强大。介绍了基本的PSO算法、研究现状及其应用，并讨论将来可能的研究内容。     

基于环形结构带缓存器模型的并行微粒群算法

受并行遗传算法的启发，文章设计和实现了一种基于环形结构带缓存器模型的并行微粒群算法。它基于一种单向环结构的拓扑连接，可以保证优良粒子在子种群问的扩散，丰富种群的多样性。仿真实验的结果表明．该并行算法不仅有效地提高了求解效率，而且在一定程度上改善了早熟现象，算法的各项性能与微粒群算法相比有了很大提高。     

基于Social Cognition粒子群算法多用户检测

最优多用户检测方法具有最优性能,但复杂度高,利用优化算法求解可以降低实现复杂度。粒子群算法是一种简单有效的新型群智能优化算法,研究了一种Socialcognition模型简化粒子群算法,并应用于大用户量CDMA多用户检测问题,主要考虑降低算法复杂度,提高算法的实现效率。分析及仿真表明该方法在系统用户数量较大时具有较好性能。     

智能天线中基于粒子群算法的二维DOA估计

简要介绍了智能天线应用于无线通信系统中的特点、优势以及智能天线的一些相关基础知识,并建立了均匀圆阵下的信号模型。较为详细地分析了智能天线中关于二维DOA估计的MUSIC算法。为了有效解决MUSIC算法巨大计算量的问题,引入了优化计算领域的研究热点一粒子群算法对其进行改进,进行了算法仿真。仿真结果表明,通过运用群智能搜索,基于粒子群算法的二维DOA估计能有效降低MUSIC算法的计算量,同时具备较好的估计精度。     

动态自适应微粒群优化算法

群体智能是目前智能领域非常活跃的新兴研究领域,微粒群算法作为其典型的实现形式,受到普遍的关注.本文分析了基本微粒群算法的特点,改善了动态自适应微粒群优化算法,实验结果证明该方法的优越性.     

一种新型多步式位置可选择更新粒子群优化算法

 粒子群优化(PSO)算法是一种新兴的群体智能优化技术,其由于具有原理简单、参数少、效果好等优点已获得广泛研究和应用.粒子个体极值更新速率低是影响该算法收敛速度和精度的主要因素之一.本文提出一种新型多步式位置可选择更新的粒子群算法,把标准粒子群中速度的单步更新公式分解成三步更新,取所生成的3个位置中的最好位置作为最终结果,细化了粒子的搜索轨迹、在不增加算法复杂度条件下提高了个体极值以及全局极值的更新速率,因而改善了算法的收敛速度和精度.采用Sphere、Rosenbrock等6个经典测试函数,并按照固定迭代次数运行和固定时间长度运行两种方法进行测试.测试结果表明该算法简单、稳健、高效,而且明显优于现有的4种经典粒子群算法.     

粒子群算法优化的智能机器人无线充电方法

目前机器人传统直插式充电方式存有布线复杂、灵活性差,且不适用于易燃、易爆等特殊环境等问题,无线充电技术的应用有利于促进机器人智能化方向发展。为提高机器人无线充电效率,设计了一种基于无线通信技术、定位技术、无线充电技术的机器人智能无线充电系统;为提高粒子群算法全局寻优能力,引入鸽群优化算法地图、指南针算子和地标算子,提出了一种粒子群-鸽群融合定位算法对机器人充电位置进行定位优化;实验数据表明,设计算法具有较高的定位精度,较快的收敛速度,有利于机器人获取最佳充电位置,提高充电效率。     

PSO算法在物流配送车辆路径优化模型中的应用

物流配送中车辆路径优化问题是一类有实用价值的组合NP问题。粒子群算法是一种新出现的群智能优化方法,将其应用于车辆路径优化问题,构造车辆路径问题的粒子表达方法,建立此问题的粒子群算法,并与实际情况作了对比,结果表明,粒子群算法可以快速、有效的求得车辆路径问题的优化解,是求解车辆路径问题的一个较好方案。