首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 125 毫秒
1.
郭伟  俞金寿 《自动化仪表》2006,27(5):13-16,20
在对微粒群优化算法PSO分析的基础上,提出了矢量微粒群优化算法VPSO。该算法通过矢量运算方法来定义微粒的运动,从而达到寻找最优解的目的。将VPSO和PSO分别用于常用测试函数的优化求解,结果表明:VPSO的优化性能明屁优于PSO。基于VPSO构造的矢量微粒群神经网络(VPSONN)在丙烯腈收率软测量建模的应用中表明:基于VPSONN的丙烯腈收率软测量模型具有较高的精度,应用前景广阔。  相似文献   

2.
利用改进微粒群算法优化PID参数   总被引:11,自引:0,他引:11  
提出一种利用改进微粒群算法优化PID参数的方法。微粒群算法(PSO)是一种随机全局优化技术,算法通过微粒间的相互作用发现复杂搜索空间中的最优区域,算法简单、容易实现且功能强大。将PSO算法加以改进并应用在PID控制器的参数优化,经仿真证明了PSO算法的有效性,其性能优于遗传算法和传统的经验公式。  相似文献   

3.
基于惯性权重对微粒群优化算法(Particle Swarm Optimization,PSO)优化性能的显著影响,提出了一种改变惯性权重的方法以改进PSO算法的优化性能。算法中惯性权重的动态改变是通过对其进行PSO寻优来控制的。经过对标准函数的测试计算,无论是二维还是多维的问题,这种改变惯性权重的PSO算法的寻优结果的准确度和精度均得以提高,收到了良好的效果,尤其在高维情况下,显示出算法性能得到了明显改善。  相似文献   

4.
提出一种两群替代微粒群优化算法(Two Sub—warms Substituting PSO),该方法将微粒分成不同的两分群,其中一分群微粒采用全局型pso算法进行搜索寻优,另一分群微粒采用局部型pso算法进行搜索寻优。在搜索过程中通过判断适应度值的变化率来决定是否按照黄金分割率用一分群中若干优势微粒取代另一分群中的劣势微粒。对两种常用函数的优化问题进行测试并进行比较,结果表明:该两群替代微粒群优化算法比基本微粒群优化算法具有更好的优化效率和优化性能。  相似文献   

5.
多速微粒群优化算法及其在软测量中的应用   总被引:1,自引:0,他引:1  
多速微粒群优化算法(MVPSO)是一种改进的微粒群优化算法,具有概念清晰、操作简单、易实现等优点,同时克服了PSO算法易陷入局部极值的不足多速粒子群优化算法(MVPSO)是一种改进的粒子群优化算法,具有概念清晰、操作简单、易实现等优点,同时克服了标准PSO算法易陷入局部极值的不足。用MVPSO和PSO对几种典型多峰值函数优化问题进行测试,结果表明MVPSO优化算法更容易找到全局最优解,优化效率和优化性能明显提高。将MVPSO优化算法应用于青霉素发酵过程产物(青霉素)浓度软测量,建立基于MVPSO算法的青霉素发酵过程产物浓度软测量模型。实验表明,基于MVPSONN的软测量模型比基于BPNN的软测量模型具有更好的性能。  相似文献   

6.
基于离散微粒群优化算法的SVM参数选择   总被引:1,自引:0,他引:1  
支持向量机(SVM)的学习性能和泛化能力主要取决于参数选择,然而传统的优化算法难以解决此问题。文中通过支持向量的个数建立优化目标函数,采用微粒群优化(PSO)算法对其优化,寻找最优参数。PSO是一种新兴的基于群体智慧的进化算法。实验表明,微粒群优化算法是支持向量机参数选择的有效方法。  相似文献   

7.
网格任务分配是一个NP难问题,结合微粒群优化(Particle Swarm Optimization,PSO)算法,和网格自身的特性,提出了基于网格的混合微粒群算法。算法对问题的解空间进行变换、重定义,使之更加符合PSO算法的求解环境,实现了网格资源的优化分配。与离散微粒群(DPSO)算法和遗传算法进行了仿真比较,结果表明,新的PSO算法具有较好的性能。  相似文献   

8.
增强型微粒群优化算法及其在软测量中的应用   总被引:14,自引:0,他引:14  
对微粒群优化算法(PSO)进行分析,提出一种增强型微粒群优化算法(EPSO),用EPSO和PSO对几种常用函数的优化问题进行测试比较,结果表明EPSO比PSO更容易找到全局最优解,优化效率和优化性能明显提高,将EPSO用于催化裂化装置主分馏塔粗汽油干点软测量,建立了基于EPSO算法的粗汽油干点神经网络软测量模型,研究结果表明,基于EPSONN的软测量模型比基于BPNN的软测量模型具有更高的精度和更好的性能。  相似文献   

9.
简化的分类微粒群算法及其在风电场建模中的应用   总被引:1,自引:0,他引:1  
提出一种简化的分类微粒群算法.首先将微粒按适应值的差异划分成较好、普通和较差3类;然后对这3类微粒分别采用3种对应的没有速度项的简化模型进行动态制整,有效地增加了种群的多样性.通过对4种典型测试函数的仿真实验,并与经典PSO和2个目前较为流行的改进PSO进行比较,实验结果表明了所提出的改进算法具有更好的优化性能.将改进算法用于风电场风速概率模型优化的实验结果表明,与传统最小二乘法相比,该方法拟合的Weibull参数精度更高,更具实际参考价值.  相似文献   

10.
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.  相似文献   

11.
基于粒子群优化算法的PID控制器参数整定   总被引:2,自引:1,他引:2  
PID控制器的性能完全依赖于其参数的整定和优化,但参数的整定及在线自适应调整对常规的PID控制器是难以解决的问题。根据粒子群算法具有对整个参数空间进行高效并行搜索的特点,提出了一种基于粒子群优化算法整定PID控制器参数的设计方法,并定义了一种新的性能指标函数来评价PID控制器的性能。现以二阶的船舶控制装置为研究对象,运用粒子群优化方法对PID控制器参数进行了寻优研究。仿真结果表明,该方法比一般PID参数整定方法具有更好的控制性能指标,有着一定的工程应用价值。  相似文献   

12.
混合型粒子群优化算法研究   总被引:3,自引:1,他引:2  
为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了研究,给出了这三种混合粒子群算法的优缺点及适用范围。  相似文献   

13.
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。  相似文献   

14.
混合蛙跳算法研究综述   总被引:2,自引:0,他引:2  
针对混合蛙跳算法(SFLA)是一种结合了基于遗传基因的模因演算算法和基于群体觅食行为的粒子群优化算法的亚启发式协同搜索群智能算法,系统地介绍了SFLA的基本原理和算法流程,讨论了SFLA的研究进展和应用现状,并指出了SFLA的发展趋势和下一步的研究方向.  相似文献   

15.
基于改进PSO算法的LSSVM入侵检测模型   总被引:4,自引:1,他引:3  
在基本PSO算法和线性权重下降PSO算法的基础上,提出一种并行PSO算法,将粒子群分成两组,分别采用不同的惯性权重,各侧重于全局搜索和局部搜索,根据进化代数动态调整两种算法中进化的粒子数。通过仿真实验,证明了并行PSO算法的寻优性能优于基本PSO算法和线性权重下降PSO算法。  相似文献   

16.
Particle swarm optimization (PSO) is a population-based stochastic optimization. Its parameters are easy to control, and it operates easily. But, the particle swarm optimization is a local convergence algorithm. Quantum-behaved particle swarm optimization (QPSO) overcomes this shortcoming, and outperforms original PSO. Based on classical QPSO, cooperative quantum-behaved particle swarm optimization (CQPSO) is present. This CQPSO, a particle firstly obtaining several individuals using Monte Carlo method and these individuals cooperate between them. In the experiments, five benchmark functions and six composition functions are used to test the performance of CQPSO. The results show that CQPSO performs much better than the other improved QPSO in terms of the quality of solution and computational cost.  相似文献   

17.
为解决目前电网系统无功优化潮流计算中存在的问题,如计算量大,计算结果中的各节点电压值可能导致无功电源出力接近极限值,并可能与系统电压安全发生冲突,发电机出力越限等。本文采用带罚函数、学习因子和惯性权重的改进粒子群算法,通过模拟编程,求解了在给定约束条件情况下,两个典型系统(5节点典型系统 和39节点典型系统)的无功优化潮流计算问题。通过计算结果分析比较,总结出了在无功优化计算中,如何对电网中的约束条件进行处理,以及如何设置粒子群算法中的相关参数和范围。并讨论了电网的约束条件对无功优化结果的影响,给出了粒子群算法中罚函数、惯性权重及学习因子等参数的设置原则以及对算法收敛性的影响,并对算法的改进进行了展望。  相似文献   

18.
This paper proposes a methodology for automatically extracting T–S fuzzy models from data using particle swarm optimization (PSO). In the proposed method, the structures and parameters of the fuzzy models are encoded into a particle and evolve together so that the optimal structure and parameters can be achieved simultaneously. An improved version of the original PSO algorithm, the cooperative random learning particle swarm optimization (CRPSO), is put forward to enhance the performance of PSO. CRPSO employs several sub-swarms to search the space and the useful information is exchanged among them during the iteration process. Simulation results indicate that CRPSO outperforms the standard PSO algorithm, genetic algorithm (GA) and differential evolution (DE) on the functions optimization and benchmark modeling problems. Moreover, the proposed CRPSO-based method can extract accurate T–S fuzzy model with appropriate number of rules.  相似文献   

19.
为使粒子群优化算法(PSO)优化过程的多样性与收敛性得到合理解决,以提高算法优化性能,基于种群拓扑结构与粒子变异提出两种粒子群改进算法RSMPSO和RVMPSO.改进算法将具有信息定向流动的闭环拓扑结构与星型拓扑结构或四边形拓扑结构相结合,促使粒子在前期寻优过程中具有较高的多样性,保证搜索的广度,而在后期满足粒子群的整体收敛性,保证寻优的精度.同时,将布谷鸟搜索算法(CS)中的偏好随机游走变异策略引入改进算法中,增强粒子跳出局部最优的能力.对标准测试函数的仿真实验表明,所改进的PSO算法与其他6个对比算法相比不仅操作简单,优化精度高,而且在算法收敛性及稳健性方面都有着更出色的表现.  相似文献   

20.
基于MATLAB的粒子群优化算法及其应用   总被引:69,自引:2,他引:69  
该文探讨了粒子群优化算法及其改进,并提出了算法的离线性能评估准则和在线性能评估准则。在此基础上重点研究了MATLAB环境中粒子群优化算法的仿真方法,主要包括数据结构设计、参数编码以及进化信息跟踪等关键内容。最后,对典型的多峰函数优化试验表明:作者开发的粒子群优化算法结构简单,运行快,是一个通用有效的优化工具。  相似文献   

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