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 406 毫秒

1.  微粒群算法的发展及应用  被引次数:2
   李晓梅  何佳《电脑开发与应用》,2008年第21卷第11期
   介绍了1995年以来微粒群算法的开发过程,分析了算法原理、算法流程,并将微粒群算法与其他演化算法进行了比较,最后介绍了一些已经开发和在将来有希望的领域中的应用。    

2.  基于排序优化的微粒群算法  被引次数:2
   祝成虎  彭宏《计算机工程与设计》,2006年第27卷第21期
   微粒群算法是一种新颖的群智能仿生进化优化算法,其原理简单,控制参数少,容易实现,在连续空间中有很强的优化能力。研究了将微粒群算法应用于基于排序的组合优化问题,进行了算法设计,给出了算法的流程,提出了计算两个排列的差及由置换求微粒群算法的速度的具体操作方法。为加快算法的收敛速度,增强全局搜索能力,运用矩阵的逐行最小元法来初始化微粒群,引入了突变算子。对一些测试旅行商问题利用新算法进行了模拟仿真,结果表明算法是可行的。    

3.  群集智能算法研究现状及进展  
   杨元华  宋中山《数字社区&智能家居》,2007年第17期
   基于群集智能的算法研究,近年来受到了广泛的关注.本文讨论了群集智能的两种算法,蚁群智能与微粒群智能.分别阐述了它们的原理、基本算法及其一些改进算法.最后讨论了群集智能算法的一些应用实例以及它们的应用领域和未来的研究方向.    

4.  群集智能算法研究现状及进展  
   杨元华 宋中山《数字社区&智能家居》,2007年第9期
   基于群集智能的算法研究,近年来受到了广泛的关注。本文讨论了群集智能的两种算法,蚁群智能与微粒群智能。分别阐述了它们的原理、基本算法及其一些改进算法。最后讨论了群集智能算法的一些应用实例以及它们的应用领域和未来的研究方向。    

5.  群集智能算法研究现状及进展  
   王果  戴冬《河南机电高等专科学校学报》,2007年第15卷第2期
   基于群集智能的算法研究,近年来受到了广泛的关注.文中重点讨论了群集智能的两种算法,蚁群智能与微粒群智能,并分别阐述了它们的原理、基本算法及其一些改进算法.最后讨论了群集智能算法的一些应用实例以及它们的应用领域和未来的研究方向.    

6.  多阶段参数动态控制微粒群优化算法  
   曾渊  宋涛  王少波  许家栋《计算机工程与应用》,2007年第43卷第30期
   为了平衡微粒群算法中全局搜索和局部开发之间的关系,多阶段参数动态控制机制被引入了标准的微粒群算法。在多阶段参数动态控制微粒群优化算法(MDPSO)中,微粒群的搜索过程在逻辑上被划分为三个阶段,每一个阶段都有各自的优化目标,对应着每一个搜索阶段,代表微粒个体经验、种群经验、全局经验和种群排斥力、全局排斥力的5个加速常数将会按照不同的规律变化,控制种群经验和全局经验对微粒的吸引与种群重心和全局重心对微粒的排斥,可以很好地避免在优化过程初期容易出现的早熟收敛现象和在优化过程末期容易出现的收敛放慢现象。通过对标准函数的测试,验证了该方法有效性和可靠性。    

7.  基于遗传微粒群混合算法的灰度图像增强  被引次数:1
   贾占朝  张亚鸣《计算机技术与发展》,2009年第19卷第7期
   文中提出了一种基于遗传算法和微粒群算法的混合算法,该算法兼有遗传算法和微粒群算法的优点.混合算法以微粒群算法为主体,同时应用遗传算子操作来优化参数搜索,并引进了摒弃因子来调整微粒的随机性,最终得到最优值.本算法中交叉和变异算子采用了概率自适应策略,微粒群算法使用了动态惯性因子来控制微粒的速度更新.通过对标准试验函数的测试,与标准遗传算法及微粒群算法的结果比较,证明了该混合算法的有效性,并应用于图像增强处理,获得了较为满意的结果.    

8.  基于粒子群优化的约束广义预测控制实现方法  
   金建平《微型机与应用》,2010年第29卷第18期
   用微粒群优化算法解决存在约束的广义预测控制的优化问题,并给出了基于微粒群优化算法的广义预测控制算法的实现方法.将该算法应用到工业过程对象中进行测试,仿真结果表明了算法的有效性和高效性,获得了良好的控制效果.    

9.  基于微粒群算法的非线性系统模型参数估计  被引次数:1
   刘益剑  张建明  孙冀《模式识别与人工智能》,2005年第18卷第4期
   微粒群优化(PSO)算法是一种进化算法,包含的概念简单.本文不同于传统的非线性模型参数估计方法,将微粒群优化算法应用于非线性系统模型(NSM)的参数估计,并通过重油热解三集总模型参数估计进行PSO算法效果测试.实验结果表明:微粒群算法为非线性系统模型参数估计提供了一种新方法.    

10.  群智能在知识发现中的实现方法对比研究*  
   单世民  邓贵仕  何英昊《计算机应用研究》,2006年第23卷第7期
   群智能方法是新兴的模拟计算技术,在求解复杂的优化问题中表现出良好的性能。对比讨论了群智能的两个重要组成方面(蚁群算法和微粒群算法)在知识发现中的实现方法,阐述了算法的原理和特性,并提出了一些在将来需要解决的问题。    

11.  一种免疫微粒群优化算法  
   胡春霞  曾建潮  王清华  夏小翔《计算机工程》,2007年第33卷第19期
   引入克隆选择操作和借鉴免疫学习中较好的多样性来克服微粒群算法易陷于局部最优以及对多峰值函数搜索效果不佳的缺点,构建了一种免疫微粒群算法。将该算法应用于4个常见的测试函数,实验结果表明,该算法比标准微粒群算法有更好的收敛性和更快的收敛速度。    

12.  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。    

13.  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.    

14.  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.    

15.  一种新形式的微粒群算法  被引次数:3
   袁代林  程世娟  陈虬《计算机工程与应用》,2008年第44卷第33期
   标准微粒群算法在优化多峰、多维的复杂函数时,其效果并不理想,容易早熟收敛。为了改进微粒群算法处理此类问题的性能,提出了一种新的微粒群算法。该算法将标准微粒群算法迭代公式中的群体最优位置用个体最优位置的中心代替,有利于增强群体的多样性,避免早熟收敛,同时保持了迭代公式的简洁形式。3个常用测试函数的数值模拟表明,新的微粒群算法较标准微粒群算法在寻优能力上有明显的提高。    

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.  二次微粒群算法及其参数自适应策略  被引次数:1
   杨亚平  谭瑛  曾建潮《计算机工程与应用》,2006年第42卷第31期
   在对标准微粒群算法进行分析的基础上,提出了一种二次微粒群算法,并在对二次微粒群算法和标准微粒群算法进行比较分析的基础上给出了二次微粒群算法的参数自适应方案。通过对典型测试函数进行仿真,结果表明二次微粒群算法比标准微粒群算法的性能有很大提高,说明了二次微粒群算法是可行的。另外,将参数自适应时的结果同参数固定时的结果相比较,结果表明算法性能有很大提高,说明了该方案的正确性和有效性。    

18.  周期性扰动的微粒群算法  被引次数:1
   于来行  乔蕊《计算机系统应用》,2011年第20卷第6期
   微粒群算法中微粒有保持自身状态的特性,如何改变其状态对微粒位置和速度的调整有较大的影响,本文给出一种周期性随机扰动的自适应改变微粒速度的方法。当微粒要进行下一次运动时,总体采用非线性下降的惯性权重选择方法,并且在其中加入周期性随机扰动策略,使算法既能得到较快的收敛速度,又不至于陷入局部极值。将此方法应用于对几个标准函数的测试中,与标准微粒群算法及只采用线性下降的微粒群算法进行比较,新方法能得到更好的结果。    

19.  基于微粒群算法的系统可靠性优化  
   张连营《工业工程》,2004年第7卷第5期
   微粒群算法是近来发展起来的一种新的优化计算方法,在简要说明微粒群算法的基础上,将该算法用于系统可靠性优化计算,分别对串联系统的可靠性分配、桥联系统的冗余可靠性优化设计问题进行分析计算,探讨了微粒群算法在系统的可靠性优化计算中应用的可行性,计算机仿真结果表明了微粒群算法求解该问题的可靠性和有效性。    

20.  矢量微粒群算法及其应用  
   郭伟  俞金寿《自动化仪表》,2006年第27卷第5期
   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。    

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