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 859 毫秒

1.  基于部分微粒更新改进的具有非线性动态惯性因子的微粒群新算法  
   叶长燊  林诚  张慧  付杰《计算机与应用化学》,2010年第27卷第9期
   微粒群算法是基于群体智能的全局优化算法,在许多领域得到广泛的应用.该算法具有简单易于实现的优点,但是容易陷入局部极值尤其是采用动态惯性因子.采用动态惯性因子有利于提高微粒群算法的收敛速度,但降低了其全局搜索能力.针对具有惯性因子微粒群算法在进化过程中微粒群多样性减弱容易陷入局部最优值的问题,以非线性动态惯性因子的微粒群算法为基础,提出1种基于部分微粒更新的微粒群算法,以提高微粒群的多样性,进而提高了算法的全局搜索能力.新算法利用Sphere、Rastrigin、Rosenbrock、Schaffer、Freudenstein-Roth、Goldstern-Price 6个经典测试函数进行测试,并与基本微粒群算法和具有线性动态惯性因子微粒群算法比较.通过模拟优化比较,新算法寻优效率高、全局性能好、优化结果稳定,新算法能有效提高微粒群的多样性,具有较好的收敛性能和全局优化能力,尤其适合多峰函数的优化.    

2.  二阶微粒群算法  被引次数:3
   胡建秀  曾建潮《计算机研究与发展》,2007年第44卷第11期
   为了提高标准微粒群算法的全局收敛性,提出了一种新的微粒群算法——二阶微粒群算法.首先,介绍了二阶微粒群算法的引入,分析了其收敛性,并且研究了其参数的选择范围.其次,在分析二阶微粒群算法的进化方程的基础上,引出了具有随机惯性权重的标准微粒群算法.再次,在二阶微粒群算法中加入振荡因子来调整微粒的速度变化率,更好地使二阶微粒群算法收敛于全局最优.最后,利用这几种改进方法对典型测试函数进行仿真,实验结果表明,这些方法能够有效克服早熟问题,在全局收敛性和收敛速度方面均优于标准微粒群算法.    

3.  基于随机微粒群算法的电力系统无功优化  
   张登科  黄挚雄《继电器》,2008年第36卷第12期
   介绍保证以概率1全局收敛的随机微粒群算法,针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题,介绍一种改进的随机微粒群算法,这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成,使得搜索更为有效。提出将两种算法分别应用于电力系统无功优化,通过对IEEE14节点系统的仿真计算,并与遗传算法、标准微粒群算法相比较,结果表明这两种算法取得了更好的优化效果,改进的随机微粒群算法更具有实用意义。    

4.  基于随机微粒群算法的电力系统无功优化  
   张登科  黄挚雄《电力系统保护与控制》,2008年第36卷第12期
   介绍保证以概率1全局收敛的随机微粒群算法,针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题,介绍一种改进的随机微粒群算法,这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成,使得搜索更为有效.提出将两种算法分别应用于电力系统无功优化,通过对IEEE14节点系统的仿真计算,并与遗传算法、标准微粒群算法相比较,结果表明这两种算法取得了更好的优化效果,改进的随机微粒群算法更具有实用意义.    

5.  基于微粒群算法与模拟退火算法的协同进化方法  被引次数:14
   王丽芳  曾建潮《自动化学报》,2006年第32卷第4期
   提出了一种基于模拟退火与微粒群算法的协同进化方法,利用了微粒群算法的易实现性、局部快速收敛性以及模拟退火算法的全局收敛性.通过两种算法的协同搜索,可以有效克服微粒群算法的早熟收敛.仿真结果表明,本文的协同进化方法不仅具有较好的全局收敛性能,而且具有较快的收敛速度.文章从理论上证明了该方法以概率1收敛于全局最优解.    

6.  面向钻削路径规划问题的微粒群优化算法研究  
   朱光宇《信息与控制》,2008年第37卷第1期
   提出一种基于微粒群优化(PSO)算法的方法,用于解决离散空间的群孔钻削路径规划问题.为了满足钻削路径规划问题中整数编码的需要,建立了算子中元素的二元转换方法和操作方式,对算法的操作算子进行改进.针对基本微粒群算法全局收敛率较低的问题,本文在算法数学模型的基础上,引入了重新生成“停止进化微粒”的方式对算法加以改进.实验表明,改进的算法全局收敛率较基本算法提高3倍多;新的算法具有实现简单、收敛速度快、能够实现全局收敛的优点.实际应用中,采用新的PSO优化算法对钻削路径优化后,可以节省17.9%的机床工作台移动时间.    

7.  自适应模糊粒子群算法求解IT服务优化选择问题  
   王润孝  杨云涛  李俊亭《西北工业大学学报》,2012年第30卷第6期
   为了解决IT服务选择问题,提出了一种基于自适应模糊粒子群算法的IT服务优化选择方法。首先,针对业务流程对IT服务的需求,建立了以响应时间、执行费用、可靠性、可用度为目标的IT服务优化选择模型。然后,设计了求解模型的粒子群优化算法,应用模糊推理规则,自适应调整粒子进化过程中的自身学习因子和全局学习因子,以提高粒子收敛速度和全局搜索能力,从而获取了满足业务流程QoS约束的较优IT服务单元。最后以算例验证了模型及算法的可行性和有效性。    

8.  基于微粒群与混合蛙跳融合的群体智能算法  
   孙辉  龙腾  赵嘉《计算机应用》,2012年第2期
   针对微粒群算法和混合蛙跳算法存在的早熟收敛问题,提出一种基于微粒群与混合蛙跳算法融合的群体智能算法。新算法将整个群体分成数目相等的蛙群和微粒群群体。在两群体独立进化过程中,设计了一种两群之间的信息替换策略:比较蛙群与微粒群的最佳适应值,如果蛙群进化较好,利用蛙群各子群中最差个体替换微粒群一部分较好个体;否则,用微粒群中较好的一部分个体替换蛙群各子群的最好个体。同时,设计了一种两群之间的相互协作方式。为避免微粒群因早熟收敛而影响信息替换策略效果,适时对其所有个体最好位置进行随机扰动。仿真实验表明,新算法可以有效提高全局搜索能力及收敛速度,对于高维复杂函数问题,算法具有很好的稳定性。    

9.  差分进化微粒群优化算法-DEPSO  被引次数:1
   贺安坤  苗良《微计算机信息》,2006年第22卷第36期
   微粒群优化算法是一种新的进化计算技术,具有良好的优化性能,但是对于高维多模态函数,因进化后期微粒多样性的降低导致算法早熟收敛.文章提出的差分进化微粒群优化算法(DEPSO),拓宽了微粒信息传递的途径,增加了微粒的多样性,保证了算法的全局收敛.实验结果表明,DEPSO比PSO有更好的性能.    

10.  基于自适应微粒群算法的网格工作流调度  被引次数:1
   Yu Mingyuan  胡亚红  Wang Ziren《计算机应用与软件》,2008年第25卷第8期
   服务网格是一个通过组合网格服务为用户提供强有力的各种服务的系统,其中网格服务遵循OGSA的标准.网格服务工作流调度的关键在于如何在应用程序运行过程中能动态地根据当前系统中基本服务的情况,组合出满足用户需要的服务.提出了一种自适应微粒群优化算法用于服务感知的Web服务选择,其中引入了一个特殊的速度变异操作来增强空间搜索的有效性,并融合了遗传算法杂交与变异.它不仅能很好地满足组合服务的需求,而且能更有效地进行全局搜索.仿真试验显示对于具有全局Qos约束条件的Web服务选择在执行效率上自适应微粒群优化算法明显优于其它混合遗传算法(如种群多样性控制遗传算法).    

11.  基于离散粒子群算法的动态Web服务组合  
   张燕平  荆紫慧  张以文  钱付兰  石 磊《计算机科学》,2015年第42卷第6期
   随着互联网中Web服务数量急剧增加,如何从大量候选服务中快速、动态地选择出满足用户QoS需求的服务组合是亟待解决的关键问题.提出一种基于离散粒子群智能优化算法的DDPSO算法,以解决动态Web服务组合问题.首先引入Skyline技术来剔除冗余候选服务,以降低服务选择时空开销.其次针对PSO易陷入早熟收敛状态,使用Trimming Operators保证粒子群多样性,增强全局搜索能力.最后通过真实数据集和随机数据集的大量仿真实验验证了本算法的可行性和有效性.    

12.  流体动压轴承多目标优化设计的改进灰色微粒群算法  
   罗佑新  车晓毅  汪超《润滑与密封》,2008年第33卷第4期
   针对齿轮箱流体动压轴承多目标优化问题,提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用灰色综合关联度将多目标优化问题转化为单目标优化问题,再用改进微粒群算法求解,开发了混合离散变量优化的灰色改进微粒群法程序.该方法能合理地处理优化设计中混合离散变量的取值问题,通过对标准微粒群算法改进,引入动态罚函数,构造一种新的适应函数,算法具有很强的全局寻优能力.优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,全局收敛能力强.    

13.  一种新型的多种群微粒群算法  
   王辉《计算机工程与应用》,2010年第46卷第35期
   针对微粒群算法容易出现早熟问题,提出一种动态种群与子群混合的微粒群算法(SPSDPSO)。该算法在微粒群搜索停滞时对微粒进行分群,在子群内部通过微粒随机初始化以及个体替代策略提高优化性能,在子群进化一定代数后重新混合为一个种群继续优化,种群进化与子群进化交替进行直至满足算法终止条件。SPSDPSO的种群与子群混合进化策略增强了群体多样性,并且使得子群体之间能够进行充分的信息交流。收敛性分析表明,SPSDPSO以概率1收敛到全局最优解。函数测试结果表明,新算法的全局收敛性能有了显著提高。    

14.  基于粒子群算法的配电网网架规划  被引次数:8
   张宪  苑津莎  杨薛明  康支霞《华北电力大学学报(自然科学版)》,2006年第33卷第3期
   针对配电网网架规划问题,提出了一种改进的混合粒子群算法,引入与以往的进化粒子群混合算法不同的动态邻域间极值粒子的交叉操作,提高了算法的收敛速度;提出一种“尽量满足辐射状约束”的方法,有效地解决了离散变量的处理和辐射网判断之间的矛盾。算例计算表明,该算法收敛速度快,具有很好的全局搜索能力,是可行且有效的,对于推广PSO在电力系统中的应用具有积极的意义。    

15.  人工鱼群与微粒群混合优化算法*  被引次数:4
   姚祥光  周永权  李咏梅《计算机应用研究》,2010年第27卷第6期
   针对人工鱼群算法局部搜索不精确、微粒群优化算法易发生过早收敛等问题,提出一种新的人工鱼群与微粒群混合优化算法。算法的主要思想是先利用人工鱼群的全局收敛性快速寻找到满意的解域,再利用粒子群算法进行快速的局部搜索,所得混合算法具有局部搜索速度快,而且具有全局收敛性能。最后,以五个标准函数和一个应用实例进行测试,测试结果表明,提出的算法在一定程度上避免了陷入局部极小,加快了收敛速度且提高了搜索精度。    

16.  改进微粒群算法在光子晶体优化中的应用  
   曾渊  李源  许家栋《计算机仿真》,2008年第25卷第3期
   针对标准微粒群算法无法合理控制全局搜索和局部开发之间的关系,容易出现早熟收敛和全局收敛放慢的现象,提出了一种基于吸引力排斥力平衡机制的改进微粒群算法.改进算法将优化过程分为三个阶段,设定了每个阶段的目标,以此为指导来分别调整引力斥力大小和极优值传播速度,有重点地进行全局搜索或局部开发,以达到提高优化效率的目的.采用四个典型测试函数对改进算法进行了测试,并将该算法应用在光子晶体带隙优化设计?实验结果表明,改进微粒群算法很好地避免了早熟收敛和全局收敛放慢的现象,相比标准算法具有较高的可靠性和稳定性,是一种高效的优化算法.    

17.  一种全局收敛的PSO算法及其收敛分析  被引次数:2
   高浩  冷文浩  须文波《控制与决策》,2009年第24卷第2期
   在分析了速度因子对微粒群算法影响的基础上,针对以往算法的弱点,提出了一种基于Gaussian变异全局收敛的粒子群算法.该算法使用全局变异因子使粒子具有了良好的全局搜索能力,并证明了它能以概率1收敛到全局最优解.同时使用了局部变异因子,使算法在局部搜索过程中具有较高的搜索精度.典型函数优化的仿真结果表明,该算法具有寻优能力强、搜索精度高、稳定性好等优点,适合于工程应用中的函数优化问题.    

18.  异步随机微粒群算法  
   陈保娣  曾建潮《太原重型机械学院学报》,2009年第5期
   在研究微粒群算法生物特征的基础上,提出了一种异步随机微粒群算法——ASPSO.该方法是在微粒的进化过程中,采用异步模式使全局最好位置信息以异步方式在种群中传播。从理论上证明了ASPSO与同步模式微粒群算法SPSO相比较具有更快的局部收敛速度,并对四个经典测试函数进行了仿真测试,测试结果表明:与SPSO相比,ASPSO算法具有更快的收敛速度。    

19.  动态调整选择策略的改进蚁群算法  被引次数:7
   郑松  侯迪波  周泽魁《控制与决策》,2008年第23卷第2期
   针对蚁群算法存在停滞现象的缺点,提出一种动态调整的选择策略以强化其全局搜索能力.改进的选择策略通过适当刺激蚂蚁尝试具有较弱信息素解,以提高所得解的全局性.给出了新算法仿真实验步骤,并将改进后的蚁群算法与传统蚁群算法分别应用于旅行商问题(TSP)进行仿真实验.仿真结果表明,改进后的算法具有优良的全局优化性能,可抑制算法过早收敛于次优解,有效防止了停滞现象,收敛速度也大大加快.    

20.  基于多策略离散差分进化的移动互联网个性化服务组合  
   许斌  亓晋  印溪  王野  常瑞云《电信科学》,2016年第2期
   移动互联网技术的普及使人们不再满足于单一功能的服务,而更倾向于按需定制的个性化服务或服务组合.提出了一种应用于Web服务组合的多策略离散差分进化(multi-strategy discrete differential evolution,MDDE)算法.该算法采用随机选择框架,调用具有不同特性的变异策略,是一种搜索能力和收敛速度均衡的离散差分进化算法.实验结果表明,MDDE算法在求解Web服务组合优化问题中比原始DE算法的收敛精度更高,稳定性更好.    

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