首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 687 毫秒

1.  一种基于扰动项的混合粒子群优化算法  
   鲁敏  刘清  朱健生《无线通信技术》,2012年第21卷第2期
   为了保持粒子种群的多样性而避免发生"早熟"的问题,本文提出一种基于扰动项混合粒子群优化算法(PSO),该方法通过提高粒子群多样性来提高PSO的收敛性能.首先用标准PSO来迭代,当粒子群失去多样性时,在包含粒子群的超球外随机设置一粒子对全局最优粒子干扰,并在PSO更新公式中加入扰动项来干扰每个粒子.最后将该改进的PSO应用于函数逼近,实验结果验证了本文提出的PSO性能优于几种经典的PSO算法.    

2.  一种适用于电网扩展规划问题的边界搜索粒子群优化算法  
   牛东晓  凌云鹏  赵奇  赵庆营《华北电力大学学报(自然科学版)》,2007年第34卷第4期
   针对电网扩展规划问题,根据粒子群算法收敛性受初始粒子分布影响较大的特点,结合边界搜索思想,提出了一种粒子群初始化方法。该方法利用边界搜索策略对粒子群进行初始化,使粒子初始化在安全边界附近,优化了粒子群的初始化范围。最后通过算例证明了这种方法应用于电网规划的有效性。    

3.  改进标准粒子群算法的阵列天线综合  
   丁 桥《微波学报》,2017年第33卷第1期
   针对标准粒子群(Particle Swarm Optimization, PSO)算法应用于非对称副瓣形状方向图综合时,收敛速度慢和容易早熟的缺陷,提出了一种改进标准粒子群算法。该方法借助于修正Taylor综合法先得到连续口径分布,然后通过对其抽样得到粒子群初始化的基本值,对该基本值添加随机值得到PSO优化的初始粒子种群,将该种群用于PSO迭代时,采用“精英”选择思想,即用较好的粒子替代部分较差的粒子,直到满足停止条件。文中给出了运用该方法综合的两个实例,验证了其可行性,并通过多次重复试验,验证了该方法的高效性。    

4.  基于整数域改进粒子群优化算法的多平台武器目标分配  
   杨飞  王青  侯砚泽《兵工学报》,2011年第32卷第7期
   武器—目标分配(WTA)问题是军事运筹学中经典的NP完全问题,其模型为非线性整数规划模型,包含多种约束条件,求解复杂、收敛速度慢,采用改进粒子群优化(PSO)算法求解WTA问题。在建立WTA最优化分配模型的基础上,提出了一种针对多约束WTA问题的粒子编码方案及模型的适应度函数,解决了粒子的整数域初始化问题。采用粒子相似度函数,重新定义PSO算法中速度及距离概念,进而提出一种适用于整数规划的粒子速度更新算法及粒子寻优调整操作方案,提高了PSO算法的迭代效率及寻优能力。仿真结果表明,该算法计算快速有效,特别适合粒子群体规模较大时的WTA问题实时求解。    

5.  基于改进粒子群优化算法的IIR数字滤波器设计  
   张旭珍  马红梅  薛鹏骞《计算机工程与设计》,2011年第32卷第8期
   针对粒子群优化(PSO)算法存在早熟收敛问题,提出了一种改进算法——带有柯西扰动的重分布粒子群优化(RPSO)算法,并应用于IIR数字滤波器的优化设计。RPSO在检测到粒子群早熟收敛时,自动触发粒子重分布机制,帮助粒子逃离局部收敛区域,同时在迭代过程中对种群的全局最优位置施加柯西扰动以保持种群的多样性。仿真实验结果表明,在对IIR数字滤波器设计时,RPSO算法的性能优于粒子群、量子粒子群以及基于混沌变异的粒子群优化等算法。    

6.  一种改进的粒子群优化算法  
   WANG Xiao-li  张学良  WEN Shu-hua  卢青波《机械工程与自动化》,2008年第4期
   针对粒子群算法容易陷入局部最优的缺点,在改变动态惯性权值的基础上,提出了一种动态迭代次数粒子群算法DIPSO(Dynamic Iterative Particle Swarm Optimization).该算法根据每个周期内达到收敛的迭代次数不同,在一个周期内,当其和累积小于某个值时,就对其重新进行初始化,从而使算法具有动态的自适应.通过对几种典型测试函数的优化,结果表明,DIPSO算法的收敛速度明显优于PSO算法,收敛精度也有所提高.    

7.  基于双指数分布的粒子群算法  被引次数:1
   赵鹏军  刘三阳《计算机工程与应用》,2008年第44卷第29期
   针对标准粒子群算法容易陷入局部最优、收敛精度低的缺点,提出了一种改进的粒子群算法。它用双指数分布改进了速度方程度,并用其动态地调整粒子的最大速度,扩大了群体的多样性,增强了粒子跳出局部最优解的能力,保证了整个寻优过程的持续收敛。通过比较和分析5个典型测试函数的实验结果,改进的粒子群算法提高了迭代后期的收敛速度,有效地避免PSO算法的早熟收敛问题,而且具有较高的收敛精度。    

8.  基于改进粒子群算法的输电网扩展规划  被引次数:2
   李如琦  周媛媛《昆明理工大学学报(自然科学版)》,2009年第34卷第1期
   针对标准粒子群(SPSO)算法易收敛到局部最优的缺点,采用了一种改进的粒子速度更新公式,即在SPSO算法速度更新公式的基础上,加入一个平均极值项,使得各粒子能参考其它同伴的信息;此外在算法迭代过程中加入变异操作,适时初始化失活粒子的位置和速度来保持种群多样性.在输电网扩展规划中的应用结果表明,上述两个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进粒子群(IPSO)算法的有效性.    

9.  改进的粒子群算法在可靠性优化设计中的应用  
   张辉  叶南海  陈凯  卢进海  翟银秀《机械设计》,2012年第29卷第7期
   针对粒子群优化算法在处理约束问题时产生的不可行解,引用基于多级罚函数的约束处理方法。为了改进罚函数粒子群算法易早熟、后期收敛慢、易陷入局部最优解的缺点,提出了动态改变惩罚系数的改进粒子群算法。应用于几个经典的测试函数,都在较少的迭代次数内得到了高精度的优化解,验证了算法的有效性。以某一机械零部件的可靠性优化为例,建立了基于改进粒子群算法的可靠性优化设计模型。结果表明:该方法能快速有效地解决可靠性优化设计问题,计算结果明显优于常规的多级罚函数法。    

10.  基于混沌序列的粒子群优化算法  被引次数:25
   孟红记  郑鹏  梅国晖  谢植《控制与决策》,2006年第21卷第3期
   提出一种改进粒子群局部搜索能力的优化算法,对于陷入局部极小点的情性粒子,引入混沌序列重新初始化,在迭代中产生局部最优解的邻域点,帮助情性粒子逃商束缚并快速搜寻到最优解.对经典函数的测试计算表明。改进的混合算法通过微粒自适应更新机制确保了全局搜索性能和局部搜索性能的动态平衡,而且保持了PSO计算简洁的特点,在收敛速度和精度上均优于普通的PSO算法.    

11.  一种改进的小波变异粒子群优化算法  
   高东慧  董平平  田雨波  周昊天《计算机工程》,2012年第38卷第21期
   为提高粒子群优化(PSO)算法的优化性能,提出一种改进的小波变异粒子群算法(IPSOWM)。在每次迭代时以一定的概率选中粒子进行小波变异扰动,从而克服PSO算法后期易发生早熟收敛和陷入局部最优的缺点。数值仿真结果表明,IPSOWM算法的搜索精度、收敛速度及稳定性均优于PSO和PSOWM算法。    

12.  含维变异算子的粒子群算法  被引次数:7
   付国江  王少梅  刘舒燕  李宁《武汉大学学报(工学版)》,2005年第38卷第4期
   提出了一种新型的PSO算法———含维变异算子的粒子群算法(PSODMO),该算法在变异开始后到迭代结束之前的每一次迭代中,计算每一维的收敛度,以一定的概率对收敛度最小的维进行变异:让所有粒子在该维上的位置重新均匀分布在可行区域上.通过对4个多峰的测试函数所做的对比实验,表明所提出的PSODMO增强了全局搜索能力,搜索成功率大为提高,克服了原始的PSO算法易于收敛到局部最优的缺点.也明显优于对原始PSO进行传统变异的方法.    

13.  一种改进的粒子群优化算法及其仿真  
   陆克中  张秋华  孙兰娟《微机发展》,2007年第17卷第11期
   粒子群优化算法(particle swarm optimization,PSO)是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO算法具有简单、易实现、可调参数少等特点,在很多领域得到了广泛应用。但PSO算法存在早熟收敛问题。为了克服粒子群优化算法的早熟收敛问题,提出了一种旨在保持种群多样性的改进PSO(IPSO)算法,以提高PSO算法摆脱局部极小点的能力。通过对3种Benchmark函数的测试,结果表明IPSO算法不仅具有较快的收敛速度、有效的全局收敛性能,而且还具有良好的稳定性。    

14.  一种改进的粒子群优化算法及其仿真  
   陆克中  张秋华  孙兰娟《计算机技术与发展》,2007年第17卷第11期
   粒子群优化算法(particle swarm optimization,PSO)是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO算法具有简单、易实现、可调参数少等特点,在很多领域得到了广泛应用。但PSO算法存在早熟收敛问题。为了克服粒子群优化算法的早熟收敛问题,提出了一种旨在保持种群多样性的改进PSO(IPSO)算法,以提高PSO算法摆脱局部极小点的能力。通过对3种Benchmark函数的测试,结果表明IPSO算法不仅具有较快的收敛速度、有效的全局收敛性能,而且还具有良好的稳定性。    

15.  一种改进粒子群算法及其在热工过程模型辨识中的应用  被引次数:1
   高文松  刘长良《热力发电》,2010年第39卷第3期
   为了提高基本粒子群优化(PSO)算法的收敛性,提出了一种引入选择与变异机制的改进PSO算法.该算法选择一定范围的优秀粒子代替较差粒子,并使粒子以不同的概率变异.仿真试验表明,引入选择与变异机制使PSO算法的收敛速度得到了提高,并且有效抑制了PSO算法的早熟.将改进PSO算法应用于热工过程模型辨识,在较少的迭代次数内得到了比较精确的模型辨识结果,且具有很好的收敛性能,获得了满意的辨识效果.    

16.  一种改进的粒子群优化算法  
   侯振华《计算机与现代化》,2010年第2期
   介绍PSO算法原理和特点,通过在粒子选取、惯性权重和局部搜索上改进,提出一种改进的粒子群优化算法,并与0.618法相结合,结合学习经验进行迭代更新,用于局部函数优化问题。同时提出根据最佳熵最值将PSO算法应用于图像分割,对于图像分割领域有一定的参考价值。    

17.  基于混沌粒子群优化的图像相关匹配算法研究  
   杨延西  刘丁  辛菁《电子科学学刊》,2008年第30卷第3期
   该文将混沌优化搜索技术应用于粒子群优化算法(PSO),提出了一种基于混沌搜索的粒子群优化算法(CPSO),该算法利用了PSO算法的收敛快速性和混沌运动的遍历性、随机性等特点,采用混沌初始化粒子初始位置,在运行过程中根据粒子群适应度的方差来自适应混沌更新粒子位置。几种典型函数的测试结果表明:CPSO提高了对多维空间的全局搜索能力,并可以有效避免早熟现象。将该方法用于图像相关匹配算法,提出了一种新的基于CPSO的图像相关匹配算法。实验结果证明该方法对解决噪声情况下的图像匹配问题十分有效。    

18.  基于混沌粒子群优化的图像相关匹配算法研究  被引次数:2
   杨延西  刘丁  辛菁《电子与信息学报》,2008年第30卷第3期
   该文将混沌优化搜索技术应用于粒子群优化算法(PSO),提出了一种基于混沌搜索的粒子群优化算法(CPSO),该算法利用了PSO算法的收敛快速性和混沌运动的遍历性、随机性等特点,采用混沌初始化粒子初始位置,在运行过程中根据粒子群适应度的方差来自适应混沌更新粒子位置.几种典型函数的测试结果表明:CPSO提高了对多维空间的全局搜索能力,并可以有效避免早熟现象.将该方法用于图像相关匹配算法,提出了一种新的基于CPSO的图像相关匹配算法.实验结果证明该方法对解决噪声情况下的图像匹配问题十分有效.    

19.  飞行时间自适应调整的粒子群算法  被引次数:5
   张建科  刘三阳  张晓清《计算机应用》,2006年第26卷第10期
   为改善粒子群优化算法的搜索性能,提出一种飞行时间自适应调整的粒子群算法(FAA-PSO)。该算法在粒子群进化过程中随着进化代数增大自适应调整粒子的飞行时间,从而克服了传统粒子群算法中粒子飞行时间固定为1导致的粒子在迭代后期搜索性能下降的困难。数值结果表明,该算法有利于加速收敛,提高收敛精度。    

20.  有效的混合粒子群算法求解阻塞流水车间调度问题  
   张其亮  陈永生《计算机集成制造系统》,2012年第18卷第12期
   针对以最小化完工时间为目标的阻塞流水车间调度问题,提出了一种混合粒子群算法进行求解。该算法将粒子群算法与迭代贪婪算法进行了结合。利用改进的迭代贪婪算法产生问题初始优化解,利用粒子群算法进行全局优化。针对粒子群算法易早熟收敛的特点,提出一种判断粒子停滞和粒子群早熟的方法,并在发现种群早熟后利用迭代贪婪算法的构造操作和毁坏操作对相关粒子进行变异,同时按照一定比例对最差的部分粒子进行重新初始化,以增加种群多样性。通过标准实例测试,验证了所提算法的有效性。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号