行为综合功能流水线中的负载平衡蚁群调度算法

在专用集成电路高层次综合中,功能流水线是提高算法描述执行速度的关键技术.针对时间约束和资源约束的两类行为综合功能流水线调度问题,提出了一种基于蚁群优化(ACO)的调度算法.LB-ACO算法将ACO算法与力向算法相结合,使用修改的力向公式定义局部试探因子,用个体调度结果的质量来更新全局试探因子.实验结果表明,LB-ACO算法在保证较低的时间复杂度O(cn2)的前提下,获得接近最优的调度结果.     

改进小波变异粒子群优化算法用于直线阵综合

为了有效避免粒子群优化(Particle Swarm Optimization,POS)算法早熟收敛和陷入局部最优,提出了一种改进的小波变异粒子群优化(Improved PSO with Wavelet Mutation,IPSOWM)算法,该算法每次迭代时以一定的概率选中粒子进行小波变异扰动,将该改进算法应用于直线阵综合问题,结合实际应用中的数字衰减器和数字相移器进行了仿真试验.结果表明:该改进算法的搜索精度及稳定性均优于对比文献中结论,适合于天线阵综合问题.     

含冷热电联供的综合能源系统优化调度

针对综合能源系统的优化调度问题,文中考虑了含光伏发电系统、燃气轮机、电制冷机、电锅炉、溴化锂制冷机等能源转换设备的综合能源系统,构建了以系统运行成本及治理二氧化碳所需费用总和最低为目标函数的优化模型,并综合考虑了多约束条件,将模拟退火法融入到粒子群算法中,对模型进行求解,通过相关算例证明了所提模型能够降低系统总成本。仿真结果表明,与基本粒子群算法相比,通过模拟退火粒子群算法求解模型能够有效减少综合能源系统在调度周期内的总成本,对能源的综合利用有实际意义。     

基于改进粒子群算法的天线方向图综合技术

针对基本粒子群算法的早熟收敛、易收敛于局部极值的特点，提出一种改进的粒子群优化算法，采用对全局最佳微扰和惯性权重跳变阈值的设置改善了算法的优化速度和收敛精度。经过对一系列测试函数的计算，证明该方法具有良好的优化效果。最后，给出了该方法应用于阵列天线方向图综合中的模型和仿真实例。     

粒子群优化算法用于光纤布拉格光栅综合问题的研究

提出了一种新的光纤光栅综合技术,将光纤光栅的传输矩阵法与粒子群优化算法(PSO)结合起来,得到了一种光纤光栅综合问题的全新方法。通过调整粒子群优化算法的相关参数,我们可以得到适合需要的反射谱。与其它光栅综合算法相比,该方法具有简单,收敛速度快等优点,同时该技术具有普遍性,还可以用于其它类似的综合问题。     

粒子群优化算法在网格工作流调度中的应用

为了提高网格工作流管理系统的性能,将粒子群优化算法（PSO）引入到网格工作流的调度策略中．分析算法的基本原理,根据网格工作流调度的问题对其进行变形,提出基于粒子群优化算法的网格工作流调度策略,并与基于Dijkstra的网格工作流调度算法进行对比实验．实验数据表明,粒子群优化算法在网格工作流调度中的性能较好．     

车间调度问题的量子粒子群优化算法设计

针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,将量子粒子群优化算法用于求解车间调度问题,按照量子粒子群优化算法的进化规则在调度空间内搜索最优解,并对量子粒子群算法的参数选择进行了研究。以典型的Job-Shop调度问题作为实验对象,实验结果表明QPSO算法相对PSO算法具有较好的全局搜索能力。     

基于改进型粒子群算法的阵列天线综合

粒子群优化(PSO)算法是一种通过粒子之间的合作与竞争来实现复杂多维空间的最优区域搜索的优化算法。本文中改进型PSO算法(NPSO),通过增加积分控制项改善了PSO算法全局搜索能力,并将该方法应用于多元环形阵列天线方向图的综合,实现了阵列方向图与预先给定的目标方向图的高度逼近。最后通过数值实例说明这种NPSO方法的有效性。     

改进的粒子群优化算法用于方向图阵列综合

为了克服粒子群优化算法早熟收敛,本文提出了一种改进的小波变异粒子群优化算法,由于该算法每次迭代时以一定的概率选中粒子进行小波变异扰动,能够克服算法后期易发生早熟收敛和陷入局部最优的缺点。同时将改进的算法应用于天线阵列方向图综合问题中,综合效果好于现有文献。     

粒子群算法在电梯群控调度中的应用

随着电梯的广泛使用,人们对电梯的研究也越来越多,针对乘客乘候梯时间过长、电梯能耗性能不理想的问题提出了一种基于粒子群算法的电梯群控调度方法。首先选取乘客乘梯时间、候梯时间、电梯电能损耗量建立电梯群控系统的多目标优化模型,使用粒子群算法对模型进行优化;然后设计仿真实验用乘客的平均乘梯时间、候梯时间以及电梯的起停次数这几个指标与遗传算法进行对比,最后的实验结果说明将粒子群优化算法应用到电梯群控调度中能够具有更好的表现。     

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。     

一种同时实现算子调度与数据流图划分的高层次综合算法

选择分模块的数据通道作为高层次综合的目标结构,完整地定义了同时实现算子调度和数据流图划分的高层次综合算法,并提出一种有效的启发式求解方法.与传统的结构相比,由于在关键路径中消除了全局连线的延时,分模块的结构可以有效地减小时钟周期、优化电路性能.实验结果验证了该方法的有效性     

一种同时实现算子调度与数据流图划分的高层次综合算法

选择分模块的数据通道作为高层次综合的目标结构,完整地定义了同时实现算子调度和数据流图划分的高层次综合算法,并提出一种有效的启发式求解方法.与传统的结构相比,由于在关键路径中消除了全局连线的延时,分模块的结构可以有效地减小时钟周期、优化电路性能.实验结果验证了该方法的有效性.     

PSO-based Control Algorithm for Polarization Mode Dispersion Self-adaptive Compensation

Polarization mode dispersion（PMD） is considered to be the ultimate limitation in high-speed optical fiber communication systems. Establishing an effective control algorithm for adaptive PMD compensation is a challenging task, because PMD possesses the time-varying and statistical properties. The particle swarm optimization（PSO） algorithm is introduced into self-adaptive PMD compensation as feedback control algorithm. The experiment results show that PSO-based control algorithm has some unique features of rapid convergence to the global optimum without being trapped in local sub-optima and good robustness to noise in the optical fiber transmission line that has never been achieved in PMD compensation before.     

改进适应度函数的阵列综合粒子群算法

针对标准粒子群算法在阵列综合应用中收敛所需的迭代次数较多、收敛速度较慢等问题,提出了一种基于改进适应度函数计算的粒子群改进算法。根据阵列在采用标准粒子群算法时的收敛趋势,提出在适应度函数计算中,对适当角度范围内的适应度函数进行加权计算,使影响收敛速度因素的计算权值得到提高、并得到优先处理,从而降低平均计算时间。通过对线阵天线的仿真实验,结果表明该方法效果明显,可以在满足方向图要求的前提下,大大减少收敛所需迭代的次数,加快收敛速度。     

IIR数字滤波器设计的粒子群优化算法

本文探讨了粒子群优化算法及其性能评估准则，然后重点研究了IIR数字滤波器设计的粒子群优化算法及其实现步骤。最后，通过IIR数字低通、带通滤波器设计两个实例证明了本文算法的有效性。     

PSO2 based Control Algorithm for Polarization Mode Dispersion Self-adaptive Compensation

Polarization mode dispersion(PMD) is considered to be the ultimate limitation in high-speed optical fiber communication systems. Establishing an effective control algorithm for adaptive PMD compensation is a challenging task, because PMD possesses the time-varying and statistical properties. The particle swarm optimization(PSO) algorithm is introduced into self-adaptive PMD compensation as feedback control algorithm. The experiment results show that PSO2based control algorithm has some unique features of rapid convergence to the global optimum without being trapped in local sub-optima and good robustness to noise in the optical fiber transmission line that has never been achieved in PMD compensation before.     

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.