基于混合优化算法的纳米薄膜参数表征

为了在椭圆偏振测量过程中得到精确的纳米薄膜参数,提出了一种求解纳米薄膜参数的混合优化算法。结合人工神经网络算法反向传播和粒子群算法快速寻优的特点,建立了改进粒子群-神经网络(Improved Particle Swarm Optimization-Neural Network,IPSO-NN)混合优化算法。该算法在较少的迭代次数下具有快速跳出局部最优解的能力,从而快速寻找椭偏方程最优解。文中使用该算法对标称值为(26.7±0.4)nm的硅上二氧化硅纳米薄膜厚度标准样片进行薄膜参数计算。结果表明:采用IPSO-NN混合优化算法计算薄膜厚度时相对误差小于2%,折射率误差小于0.1。同时,文中通过实验对比了传统粒子群算法与IPSO-NN算法,验证了IPSO-NN算法计算薄膜参数时能有效优化迭代次数和寻找最优解的过程,实现快速收敛,提高计算效率。     

粒子群算法在BRDF模型参数优化中的应用

根据粗糙样片1.06微米激光双向反射分布函数(BRDF)的实验数据,利用粒子群算法结合BRDF五参数模型,对不同样片表面的BRDF进行了统计建模,获得了对应样片BRDF模型的参数值与偏差.获得的BRDF优化统计模型与没有参与优化建模的实验数据也吻合良好,验证了建模结果的合理性与正确性.将粒子群算法与遗传算法进行了比较,表明无论是优化计算时间还是拟合的精度,前者都明显优于后者.     

基于天牛须算法的粒子群算法在PID参数整定上的应用

PSO虽然被广泛应用于包含PID参数整定等各种寻优问题中,但是传统粒子群算法在某些场合收敛速度慢且较容易陷入局部最优值。针对这些问题,文中提出一种将新型高效BAS融合进PSO算法的全局寻优过程,该方法可以更好地跳出局部最优点。同时,由于BAS算法为单一个体的算法,易因为早熟收敛陷入局部最优,故将BAS和传统的PSO结合也增强了BAS的丰富度。在Schaffer函数进行的20次独立测试显示,该算法相对于传统PSO和BAS取得了较好的寻优结果。最后,将算法应用到不稳定对象的PID参数寻优中,结果显示相对于PSO和改进PSO算法,新算法下的ts、tr、IAE、ISE等各项指标均得到了提高。     

基于改进粒子群算法的并联机械手运动参数识别

在工业生产过程中，由于机械手制造与装配过程存在误差，不仅造成运动精度降低，而且阻碍生产效率提高。为解决这一问题，提出了基于了改进粒子群优化算法的并联机械手运动参数识别研究，通过建立参数数学模型，完成机械手几何参数误差的识别和补偿。实验表明，文中提出基于改进粒子群优化算法的并联机械手运动参数识别，测试误差小、收敛速度快，可以为改良生产线、改善产品质量、提高企业效率提供有效的帮助。     

基于量子粒子群算法的PID参数自整定方法

PID控制在工业生产中应用非常广泛.以直流电机模型为被控对象,提出了基于量子粒子群算法的PID参数自动整定方法.应用经典的Ziegler-Nichols方法整定PID参数,被控对象性超调大往往难以满足要求.粒子群算法是通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法.将量子粒子群算法用于优化PID参数,并与Z-N法整定的PID控制器性能进行对比.仿真结果发现,与Z-N法相比,基于粒子群算法优化的PID控制器,系统超调明显减小.除QPSO-PID(ITSE)对应的系统具有较长调节时间外,虽然应用不同优化目标优化后的PID参数不同,控制对象的响应性能却非常相似.     

基于粒子群优化算法的BSIM SOI模型参数提取

本文给出一种基于粒子群优化算法的BSIM SOI MOSFETs模型参数提取方法.该方法采用全局优化策略,计算简单,对初值依赖性低,使用浮点数编码方法,避免了数码转换时所出现的误差.与遗传算法参数提取相比,粒子群优化算法无需进行交叉、变异等操作,容易理解,易于实现,且收敛速度更快.对用该方法得到的参数值代入器件模型进行了计算,计算结果与测试结果吻合很好.本方法亦可用作对其他种类的MOSFETs进行全局参数提取.     

基于粒子群算法复合型磁靶结构参数优化调整

通电线圈与永磁体复合型磁靶需要确定的结构参数类别较多,如果不采用有效的优化算法加以优化调整,很难通过经验设定来达到理想的磁场模拟精度。为了解决这一问题,提出了一种基于粒子群算法的复合型磁靶结构参数优化调整方法,该方法将电流参数、永磁体大小、区段间距、区段的长度同时进行优化,并通过一仿真算例验证了方法的有效性。     

一种改进的变参数粒子群算法

针对粒子群算法由于算法可调参数较少,在求解多维函数时极易陷入早熟收敛的问题,提出一种改进的变参数粒子群算法。根据粒子运动特性,对粒子速度更新公式进行改进,使各项都融入相应的权重因子,通过权重因子调整粒子寻优性能。通过3个标准测试函数进行验证,并与其他算法进行比较。仿真结果表明,通过设置不同的权重因子,所提算法具有更好的寻优精度和执行能力,在求解多维函数时亦能取得较好的效果。     

基于细菌觅食与粒子群的改进混合算法

针对粒子群优化算法（PSO）在优化过程中易陷入局部极值而产生“早熟”现象,文中提出一种基于细菌觅食与粒子群的改进混合算法。粒子群优化算法与细菌觅食优化算法的结合,增强了算法的全局搜索能力,使算法具有全局搜索能力强的优点。选用Matlab进行仿真实验,实验结果进一步显示了改进混合算法的优化能力优于基本PSO算法和基本BFO算法,收敛速度快,且具有较好的鲁棒性。     

改进粒子群算法的巡航导弹路径规划

针对巡航导弹的战术特点,在设定威胁源为分布位置己知的敌方探测雷达、巡航导弹在某一高度上对探测雷达做等速水平规避运动的基础上,提出了一种新的路径规划区域粒度控制图——对称标距图;对近年来出现的粒子群算法进行了改进以使其更具智能化,将它应用于巡航导弹路径规划问题,并进行了仿真计算。仿真结果表明,对称标距图和改进后的粒子群算法能够比较好地解决巡航导弹的路径规划问题。     

基于粒子群优化的神经网络训练算法研究

本文提出了基于连接结构优化的粒子群优化算法(SPSO)用于神经网络训练,该算法在训练神经网络权值的同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力.经SPSO训练的神经网络应用于Iris,Ionosphere以及Breast cancer模式分类问题,能够部分消除冗余分类参数及冗余连接结构对分类性能的影响.与BP算法及遗传算法比较,该算法在提高分类误差精度的同时可加快训练收敛的速度.仿真结果表明,SPSO是有效的神经网络训练算法.     

基于粒子群优化的网络拥塞控制新算法

PI控制器常用于主动队列管理中,但参数整定上的试凑法具有盲目性,算法的瞬态性能也不够理想.本文推导了基于流体流理论的网络简化模型,基于该模型将集群智能中的改进粒子群优化算法(PSO)应用于PID控制器参数优化,定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中.仿真结果表明,在大时滞和突发业务流的冲击两种情况下,该方法设计的控制器的动静态性能优于RED、PI算法,超调量均小于5%,调节时间分别小于5秒、4秒,稳态误差分别小于两个数据包和3个数据包.     

基于滑动区域的粒子群虚拟网节能映射算法

针对传统虚拟网节能映射中存在的节点映射分散、链路映射跳数多等问题,利用虚拟网请求的最小生成树拓扑将节点和链路同时映射,该文提出了基于滑动区域的粒子群虚拟网节能映射算法(EVNE_SRPS)。当一个虚拟网请求到达时,生成其最小生成树拓扑,根节点为路径和最短的节点;在底层网络随机选取多个区域作为粒子对象,并在区域中心映射虚拟网请求的最小生成树拓扑;计算粒子的适应度,求出群体和个体最优解,并在最优解的指导下确定滑动方向、更新区域位置,经过迭代后得到虚拟网的映射方案。实验结果表明,与现有算法相比,该算法降低了网络能耗,提高了运营商的收益成本比。     

基于压缩因子粒子群算法的通信网络规划优化

为了解决无线网络规划中的基站合理分布规划的问题,采用4G基站规划模型,针对模型的参数难以确定,规划方法易陷入局部最优及早熟不稳定等缺点,采用自适应惯性权重、学习因子,带有收缩因子的粒子群优化算法对4G基站规划模型的参数寻找最优解。实验结果表明改进后的粒子群优化算法能够寻找模型的最优解,优化的4G基站规划模型能够有效提供与网络建设要求相符合的最优基站位置分布方案,为实际工程应用提供了参考依据。     

基于微粒群改进BP算法的非线性方程PID参数整定研究

文章从微粒群算法和BP神经网络基本原理出发,研究了将其用于PID控制的可行性,实现参数的在线自整定。仿真结果表明。基于微粒群优化BP神经网络的非线性PID参数自整定取得了良好的控制效果。     

Particle Swarm Optimization Algorithm Based Artificial Neural Network for Botnet Detection

A standout amongst the most dangers to the cyber security is known as Botnet since it offers a conveyed stage for many undesirable activities. From the network traffic flow, the identification of Botnet is a fundamental test. Artificial Neural Network–Particle Swarm Optimization (ANN–PSO) based botnet discovery is proposed in this paper. In this paper, ISCX dataset is utilized for botnet location. The features are classified as botnet flow and normal flow by giving the features separated from the dataset as a contribution to the grouping. For grouping, we have displayed ANN–PSO which lessens the false classification ratio and time multifaceted nature to 3.3% and 14 s. We contrast our proposed work with other existing work and demonstrate that our work is superior to anything that of alternate works in the simulation results.

     

基于自适应协同进化粒子群算法的虚拟网节能映射研究

该文针对虚拟网节能映射问题提出自适应的协同进化粒子群算法。首先,为虚拟网节能映射问题设置了聚合度,该聚合度被用于自适应地选择粒子的搜索方式,即随机搜索、种内搜索或种外搜索。其次,根据粒子群的进化结果,自适应地确定是否终止对子群的搜索。最后,在常用的测试环境下进行了仿真实验,对映射的能耗效果对比了结果,实验结果表明了所提算法的高效性。     

基于径向基神经网络的粒子群表面缺陷识别算法

金属部件表面缺陷识别问题是模式识别领域的研究热点,高效、可靠的表面缺陷识别方法能够有效提高生产效率、维护生产安全。针对这一问题,文中提出了一种利用径向基(RBF)神经网络和粒子群优化(PSO)算法相结合的表面缺陷识别算法。采用PSO算法确定和改进RBF神经网络的权值参数,同时对PSO算法中的惯性权重进行线性处理,有效消除了PSO算法中的最优解局部振荡现象。针对金属部件表面常见的几种缺陷对RBF-PSO表面缺陷识别算法进行网络训练,并进行相应的实际测试。文中提出的RBF-PSO表面识别算法识别准确率可达96%,相比于传统的神经网络算法具有明显的性能提升。