排序方式: 共有55条查询结果,搜索用时 0 毫秒
1.
程乐 《计算机工程与应用》2008,44(34):44-46
通过模拟蟑螂的觅食行为,提出蟑螂算法(Cockroach Swarm Optimization,CSO)。算法充分利用了蟑螂社会的平等特性和群体智慧。食物再分配、回巢等策略的使用使算法具有较强的全局搜索和局部搜索能力。以TSP问题为例对算法进行仿真测试,实验证明算法有效且优于存在的离散粒子群算法(Discrete Particle Swarm Optimization,PSO)。 相似文献
2.
该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时,为了避免该算法收敛到局部最优解的问题,在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。 相似文献
3.
4.
基于EBS 的动态密钥管理方法共谋问题 总被引:3,自引:0,他引:3
设计安全、合理的密钥管理方法是解决无线传感器网络安全性问题的核心内容.基于exclusion basis system(EBS)的动态密钥管理方法由于安全性高,动态性能和可扩展性好,受到了广泛关注.但在这种方法中存在共谋问题,即对于被捕获节点通过共享各自信息实施的联合攻击抵抗性较差.针对这一问题,分析了传感器节点形成共谋过程中的特点,以最短共谋链的长度为目标提出了共谋问题的优化模型.在此基础上,提出了基于离散粒子群算法的无线传感器网络共谋问题优化方法.仿真实验结果表明,与前人的工作相比,采用此优化模型和方法不仅提高了捕获网络难度,而且显著增强了网络对捕获节点的抵抗性. 相似文献
5.
针对资源受限的项目调度问题,提出了一种离散粒子群算法与扩展调度机制相结合的优化方法.离散粒子群算法中每个粒子的位置代表一组项目任务的优先权,迭代中通过交叉策略和局部搜索策略来更新粒子的位置,这既保持了粒子位置的离散性,又增加了粒子的多样性,避免早熟收敛.每个粒子的位置通过扩展串行调度机制转换成可行的调度方案.实算表明,扩展调度机制的引入显著地加速了收敛的进程,提高了解的精度.这种基于粒子群算法的扩展调度优化方法是求解资源受限项目调度问题的有效方法. 相似文献
6.
针对地面防空武器系统中多传感器分配问题, 首先研究基于Cramér-Rao下限的多传感器跟踪分配模型, 根据目标跟踪过程的特点将Cramér-Rao下限引入分配模型, 使得在进行跟踪分配时无需考虑目标跟踪滤波算法的选择, 同时通过细化约束条件使模型更加贴近实际作战情况。利用离散粒子群优化算法求解模型, 通过改进其搜索策略以及惯性权值和加权因子提高算法准确性与时效性, 给出了模型的求解步骤。关联仿真结果表明该分配方法的可行性, 并通过对比算法求解模型验证了改进DPSO算法的快速准确性。 相似文献
7.
最优多用户检测方法具有最优性能,但复杂度高,利用优化算法求解可以降低实现复杂度。粒子群算法是一种简单有效的新型群智能优化算法,研究了一种Socialcognition模型简化粒子群算法,并应用于大用户量CDMA多用户检测问题,主要考虑降低算法复杂度,提高算法的实现效率。分析及仿真表明该方法在系统用户数量较大时具有较好性能。 相似文献
8.
针铁矿法沉铁过程亚铁离子浓度预测 总被引:1,自引:3,他引:1
针对针铁矿法沉铁过程出口亚铁离子浓度离线化验获得,存在很大滞后性,难以实现沉铁过程实时控制的问题,研究反应器出口亚铁离子浓度在线预测方法.本文在分析沉铁过程化学反应机理的基础上,考虑铜离子对反应过程的影响,结合连续搅拌反应器(Continuous stirred tank reactor,CSTR)特性,建立了针铁矿法沉铁过程的机理模型,并提出了基于信息交换的双粒子群搜索算法(Double particle swarm optimization,DPSO)优化选择机理模型的参数,构建基于最小二乘支持向量机(Least squares support vector machine,LS-SVM)的机理模型输出误差的补偿模型,采用并联补集成方式建立了亚铁离子浓度的集成预测模型.工业现场数据验证了所建模型能有效地反映亚铁离子浓度的变化趋势,为针铁矿法沉铁过程的优化控制奠定了基础. 相似文献
9.
针对网络功能虚拟化(network function virtualization, NFV)环境下安全服务链(security service chain, SSC)故障问题,提出一种基于比例资源预留的备份恢复机制.该方法采用前摄性处理思想,预先在物理网络中按比例划分主备用资源并构造节点/链路候选集合;当发生节点故障时,从候选集合中选取重映射目标并为其分配预留的备用资源,利用改进的离散粒子群(discrete particle swarm optimization, DPSO)算法及时地解决节点故障重映射问题,在降低资源占用的同时提高故障修复率;当发生链路故障时,通过改变底层物理路径流量分割比例,将受影响流量迁移到候选集合的可用链路中,设计动态路径分割算法有效解决了链路故障重定向问题,实现底层物理网络资源剩余价值最大化.仿真实验验证了算法在不同物理网络环境下的适应性和不同故障模型下的有效性,此外,还初步探索了主用比例的取值对所提备份恢复机制的影响. 相似文献
10.
离散粒子群算法能充分利用粒子的局部极值和全局极值信息,但收敛速度慢、精度低;Inver-Over算子收敛速度快、精度高,但学习具有盲目性。结合二者优点,文中提出一种基于Inver-Over算子的改进离散粒子群优化算法。为防止早熟收敛,引入局部最优子群的概念,使粒子向局部最优子群中粒子学习而不是向个体局部最优学习。引入3个参数:学习选择概率用以确定粒子的学习对象,代数阈值确定何时向全局最优粒子学习,局部最优子群比决定最优子群的规模。讨论这些参数的选择原则,并给出相应参考选择范围。研究表明,文中算法与普通离散粒子群优化算法和郭涛算法相比,收敛速度和求解精度都有较大提高。 相似文献