共查询到20条相似文献,搜索用时 218 毫秒
1.
2.
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. 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
6.
7.
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。 相似文献
8.
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. 相似文献
9.
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。 相似文献
10.
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. 相似文献
11.
文中阐述了群体、群集、群体智能、群体控制以及群体系统等相关概念,综述了基于群体智能的自组织运动控制的相关研究工作和研究内容,包括群体控制系统模型的发展历程、群体控制中的各种群集控制策略和控制算法、群体控制系统的系统行为表现以及基于群体控制扩展的各类智能优化算法。最后文中提出了群体自组织运动控制研究的发展趋势。 相似文献
12.
13.
微粒群优化算法在协同建筑设计中的应用 总被引:7,自引:0,他引:7
介绍了群体智能的特点、算法以及基于群体智能的多agent协同设计系统模型。重点介绍微粒群优化算法的原理,工作流程。最后,以一个建筑外观设计为实例,介绍了算法在协同建筑设计组装过程中的应用。 相似文献
14.
15.
16.
无线传感网络的节点部署随机性很强,每个节点的利用率不同,经常用到的节点可能会能量耗尽死亡,传统的网络协议将传感网络随机分为不同的簇,簇头能量很微弱的节点可能仍被选为簇头,造成了节点死亡,其没有避绕死亡节点的机制,造成通讯稿效率不高.为此提出微粒群优化LEACH的无线传感网络通信优化方法,结合LEACH的优点,簇头选择时使用微粒群的高度智能优化的特点将簇头当前能量与原始能量作为选择因素构造目标函数.通过适应度值避让节点中的死亡节点.实验仿真结果证明,簇头微粒群优化后传感网络能量损耗大大降低,死亡节点通信数目也变小.提高了通讯效率. 相似文献
17.
粒子群优化(Particle Swarm Optimization,PSO)算法在复杂多峰函数可行域空间搜索时极易陷入局部极值点.研究表明改变种群拓扑结构和调整算法参数有助于改善种群的多样性,但是目前研究中少有同时考虑种群全局拓扑结构和局部粒子个体能力.本文提出一种具有异构分簇特性的自适应PSO算法.该算法采用K-均值聚类算法对种群进行动态分簇,形成多异构子群,并采用Ring型拓扑结构进行子群间信息流通.而后采用基于寻解水平评价的粒子自适应参数调整策略进行个体调整.通过实验分析表明该算法能够提高粒子群优化的种群的多样性、粒子活性、搜索能力和收敛性能,同时也降低了算法对参数初值的依赖性. 相似文献
18.
改进微粒群算法优化PID参数的研究 总被引:1,自引:0,他引:1
微粒群算法是一种新的随机优化算法,算法通过微粒间相互作用发现复杂搜索空间中的最优区域,该算法具有搜索速度快、寻优能力强、算法简单等特点,但也存在普遍的缺点。本文基于微粒群算法容易陷入局部极值和收敛速度慢的缺点,提出一种新的改进算法,介绍了将改进微粒群算法用于PID控制器参数优化的方法,算法实现流程,并结合Matlab强大Simulink系统仿真功能证明了改进算法的有效性,其性能优于经验公式和遗传算法。 相似文献
19.
20.
针对战场频谱动态指配问题,建立了基于用频冲突等级最小的频谱指配数学模型,提出了
一种采用粒子编码和交叉更新位置的离散粒子群优化算法,根据本问题特征设计了合适的适
应度函数和局部搜索策略。实验结果表明,提出的算法能够有效地求解频率指配问题。 相似文献