群智能理论及应用

作为一种新兴演化计算技术,群智能已成为新的研究热点,它与人工生命,特别是进化策略和遗传算法有着极为特殊的联系,已完成的理论和应用研究证明群智能方法是一种能够有效解决大多数全局优化问题的新方法.更为重要的是,群智能的潜在并行性和分布式特点为处理大量的以数据库形式存在的数据提供了技术保证.本文介绍了群智能理论的产生和发展过程,并着力阐述了两种典型算法;微粒群算法和蚁群算法的基本原理以及研究现状.     

群智能在网络路由中的研究及存在问题

本文介绍了当前网络路由中常用的计算智能方法,针对当前研究的现状提出了在群智能算法融合中需要解决的实际问题。进一步给出了群智能算法路在路由应用研究的方向,有助于算法早日规范,形成实际的路由协议。     

微粒群优化算法在协同建筑设计中的应用

介绍了群体智能的特点、算法以及基于群体智能的多agent协同设计系统模型。重点介绍微粒群优化算法的原理,工作流程。最后,以一个建筑外观设计为实例,介绍了算法在协同建筑设计组装过程中的应用。     

群智能优化算法在路径规划中的应用

本文对群智能的理论内涵进行分析,然后从人工鱼群算法、蚁群算法以及粒子群算法三个角度分析群智能优化算法在移动机器人规划中的应用现状,然后对以上三种算法的性能做比较。     

群智能微粒群算法及参数分析

微粒群算法是继蚁群算法之后提出的又一种新型的进化计算技术,具有典型的群智能的特点。文中首先介绍了微粒群算法的基本原理、流程,在算法参数分析的基础上,运用测试函数对粒子在寻优过程中的轨迹的进行研究,有利于探讨微粒群算法的收敛性,全局和局部平衡性以及算法稳定性和复杂程度,对算法参数的选择提供有效的指导和借鉴意义。     

智能优化的微粒群算法研究

微粒群算法是移动计算主体与群体的选择中，符合智能计算，以群体为操作单元的一种演化方法。它起源于对简单社会系统的模拟，由单一个体组成的群体与环境以及个体之间的互动行为，从而产生可预测的群体行为，这种方法优化了个体的行为策略。研究了微粒群优化算法，指出了该算法的研究进展，以此启发更深入的理论和应用研究。     

蚁群算法在智能优化考试题库中的应用

传统的练习题库常常会给出十几套甚至几十套复习题,但是学生在练习的过程中,往往很多知识点是重复的,比如IF语句的嵌套,学生在第一套题中已经做对了,表明学生已经掌握了这个知识点,但是在后面几套题中反复出现。学生需要对已经掌握的知识点进行反复练习,类似已经掌握的知识点的内容也同样不断地出现,然而学生没有掌握的知识点,做错一次,在后续练习中可能出现也可能不出现,对学生而言,需要加强的练习,并没有得到增强。针对这个问题,文章提出将蚁群算法引入到考试系统中,通过智能优化后的系统较之以前的系统,知识点的针对性更强,学生的提高更快。     

智能路径优化方法综述

智能路径优化方法可以被用于现代工程领域的路径选择、资源分配、经济评估等各个方面。为了便于根据实际情况进行算法选择,文中针对几种常用的智能路径选择优化方法进行了一定的分析研究。首先,阐述了几种不同算法的理论研究情况并给出了这些算法的基本实现流程,即:禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法、蜂群算法。对不同算法进行了优缺点对比。最后,分析了不同的算法的实际应用领域,提出了智能优化算法的发展趋势。     

三种基于进化技术的优化算法及其对比

进化算法（EA）是模仿自然界生物进化或物种的社会行为而产生和发展的随机搜索方法，这种算法能够解决许多传统方法无法解决的大规模优化问题。本文简明介绍了三种基于进化的优化算法：遗传算法、蚁群优化算法和微粒群优化算法，并在原理、参数和应用方面对它们进行了对比。     

粒子群优化算法及其应用

粒子群优化（PSO）算法是一种新颖的演化算法，它属于一类随机全局优化技术，PSO算法通过粒子间的相互作用在复杂搜索空间中发现最优区域。PSO的优势在于简单而又功能强大。介绍了基本的PSO算法、研究现状及其应用，并讨论将来可能的研究内容。     

基于微粒群算法的汽车离合器优化设计

离合器是汽车最重要的部件之一,汽车离合器的设计对于汽车的性能具有重要的影响。文章在离合器优化设计中引入微粒群算法,运用微粒群算法对离合器中的主要构建进行优化设计,并对部件的特性进行了分析,得出运用微粒群算法进行离合器的主要构建设计能够满足构建特性的结论。     

改进型粒子群算法解决多维背包问题

微粒群优化算法(PSO)是一种基于种群的随机优化技术.将EDA算法与PSO算法结合起来,形成一种新的改进的算法(EPSO).算法将全局统计信息和全局最优解运用于解空间搜索,以期能更有效解决组合优化问题,最后将EPSO算法用于解决多维背包问题并进行了对比仿真实验.实验结果表明,在解决多维背包问题上,EPSO优于传统的PSO算法以及多种启发式智能算法,与此同时,EPSO算法使用更少的参数,因此更容易实现,运行更加稳定,效果更好.     

基于粒子群算法的软件可靠性分配问题研究

针对软件可靠性分配中不易求解全局最优解这一问题,将可靠性指标分配到每个模块中,并利用改进的粒子群优化算法来搜索模型的最优解.实验结果表明,改进的粒子群优化算法在求解软件可靠性分配问题时的效果优于遗传算法等其他智能优化算法.     

基于信息熵的改进狮群算法及其在组合优化中的应用

狮群算法是一种具有较强寻优能力的群智能算法.为了克服基本狮群算法中因狮王替换的长周期性导致收敛速度较慢,幼狮选择策略较盲目导致的前期遍历性不足,幼狮步长扰动因子受解空间影响过大和算法后期局部收敛速度慢等缺陷;本文在原始狮群算法的基础上改良了狮王的替换策略和幼狮选择的概率,引入信息熵分别控制不同幼狮的步长,引入狮王稳定因...     

基于微粒群优化算法的图像阈值分割

本文简要介绍了微粒群优化算法、图像阈值分割原理和方法,将微粒群优化算法应用到图像阈值分割问题中,对最优分割阈值进行全局寻优,并与基于迭代法、Otsu法的阈值图像分割结果进行对比,结果表明微粒群算法优化的分割阈值分割效果更好。将本方法应用到犯罪现场灰尘加层足迹图像的处理中,取得了较好的图像分割效果,为公安技术人员对犯罪现场物证信息后期处理提供了一种新的方法。     

改进微粒群算法优化PID参数的研究

微粒群算法是一种新的随机优化算法,算法通过微粒间相互作用发现复杂搜索空间中的最优区域,该算法具有搜索速度快、寻优能力强、算法简单等特点,但也存在普遍的缺点。本文基于微粒群算法容易陷入局部极值和收敛速度慢的缺点,提出一种新的改进算法,介绍了将改进微粒群算法用于PID控制器参数优化的方法,算法实现流程,并结合Matlab强大Simulink系统仿真功能证明了改进算法的有效性,其性能优于经验公式和遗传算法。     

自由搜索和微粒群算法的比较研究

群集智能是仿生智能的重用分支.探讨了一种新的群集智能优化算法--自由搜索(FS),并将其和群集智能的典型实现--微粒群算法(PSO)进行了比较研究.首先,简要回顾了PSO算法的基本原理,作重分析了自由搜索算法的优化机制;然后,从生物学背景、寻优机制、仿真实验等方面对这两种算法进行了全面深入的比较.最后,对这两种算法的发展进行了展望.     

基于粒子群算法的车间作业调度问题

通过对车间调度问题的描述,针对传统算法寻优效率低的弱点,提出了一种基于粒子群算法的车间作业调度问题的解决方案.对粒子群算法的基本原理进行了阐述,并对粒子群算法的编码、参数的选择以及解码进行了研究,以最小化最大流程时间作为评价算法的性能指标,将其用于编程求解典型调度问题.仿真结果表明,粒子群算法在求解车间作业调度的应用上是十分有效的.     

带惯性权重的粒子群优化算法性能仿真

粒子群优化算法是一种随机搜索算法,并能以较大概率收敛到全局最优,微粒群算法中关键参数的选择方法对算法特性有显著影响.文中针对微粒群算法中的加速常数、惯性权重、取值范围、种群规模的设置对算法基本性能的影响进行了分析.实验结果证明:选择适合的参数设置水平,能够获得稳健和高效的优化效果.     

粒子群蚁群融合算法的火灾救援路径研究

为获取最优的救援路径,以提高救援的有效性和实时性,文中提出了一种粒子群蚁群融合算法。该算法在分析影响路径选择因素的基础上,运用模糊数学中的层次分析法评定了道路的权重,建立了消防灭火救援模型;使用粒子群算法快速获取次优解,将此次优解作为蚁群算法的初始信息素增量,并将求解出各段路径权重矩阵引入到优化后的蚁群算法状态转移概率的求解模型中来,再利用这种改进后的状态转移规则,且考虑行车速度时变性的基础上求解出模型的最优解。实验结果表明,该方法可以完成最佳救援路径的规划。