Canny算子在织物疵点检测中的应用

在分析斜纹织物纹理结构规律性的基础上,运用Canny算子对织物疵点图像进行了边缘检测,获得了织物疵点二值图像,再由灰度统计的方法生成投影图,获取织物图像的特征波形,并通过阈值过滤,将疵点定位,从而正确检测织物疵点.在Visual C 6.0环境下编程并调用Matlab6.5图像处理函数实现了本算法.     

引入变异算子的粒子群优化算法

粒子群优化算法是求解函数优化问题的一种新的进化算法,然而它在求解高维函数时容易陷入局部最优。为了克服这个缺点,文中提出了一种引入变异算子的粒子群优化算法,即每次粒子更新后对种群最优位置随机选取其中一维进行变异操作,以增强算法跳出局部最优的能力。通过对5个基准函数的仿真实验,结果表明了新算法的有效性。     

粒子群优化算法在ECG数据压缩中的应用

为了更好地恢复ECG数据压缩中的原始信号,采用粒子群优化算法来求解ECG数据压缩中的最小误差问题.粒子群优化算法是基于一群粒子的智能运动而产生的随机进化计算方法.首先介绍了粒子群算法的原理和流程,其次结合拉格朗日函数和编码模型得出适应度函数,并将这种方法应用于ECG数据的压缩上,最后给出了PSO算法在ECG数据压缩上的应用实例,通过与SPIHT算法比较,文中算法的误差和平均PRD值都比SPIHT算法小.验证了粒子群算法在ECG数据压缩求误差极小值上的有效性,表明该算法具有广泛的应用前景.     

粒子群优化算法在桁架优化设计中的应用

粒子群优化(PSO)算法是近年来发展起来的一种基于群智能的随机优化算法,具有概念简单、易于实现、占用资源低等优点.为了解决有应力约束和位移约束的桁架的尺寸优化问题,将PSO算法应用于桁架结构的尺寸优化设计.首先介绍了原始的PSO算法的基本原理,然后引入压缩因子改进了PSO算法,并提出合理的参数设置值.对几个经典问题进行了求解,并与传统的优化算法和遗传算法进行了比较.数值结果表明,改进的PSO算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的尺寸优化设计.     

粒子群算法在化工过程优化中的应用

对基本粒子群算法进行了智能化改进,并运用改进粒子群算法和MATLAB语言,对化工生产过程中的苯-甲苯闪蒸过程进行了优化仿真计算。仿真结果表明,在有效地调整温度、压力及分流系数的条件下,使得气相产物中苯的产量达到最大,实现了苯-甲苯闪蒸过程的最优化,同时也证明了粒子群算法可以有效地解决化工生产过程中的优化问题。     

粒子群算法在无线网络拓扑优化中的应用

在无线传感器网络中,拓扑控制是传感器网络中的一个基本问题,主要针对无线网络中传感器的布局,建立了一个简单的无线网络拓扑优化模型,并将粒子群优化算法改进后运用到此模型中,对传感器的拓扑结构进行了优化.     

粒子群优化小波神经网络在火灾预测中的应用研究

针对城市建筑火灾预测的高度非线性和不确定性,采用粒子群算法(PSO)优化小波神经网络(WNN)后建立火灾事故时间序列预测模型.将改进后的模型进行实验仿真训练并应用于某城市建筑火灾发生次数预测中,仿真应用结果表明,网络输出值和期望值很好吻合,收敛速度和泛化能力有所提高.所以该模型能够对火灾发生情况进行分析预测,为消防安全管理部门消防警力、设施投入及城市综合防灾减灾提供科学依据和决策指导.     

基于带变异算子的粒子群优化算法

提出了一种新的带变异算子的粒子群优化算法（MOPSO）．该算法通过在后期引入变异算子，有效地增强了粒子群优化（PSO）算法跳出局部最优解的能力，且使PSO算法既摆脱了后期易陷入局部最优点的束缚，又保持了其前期搜索速度快的优点．     

粒子群优化的BP神经网络在电梯群控系统中的应用

目的提出基于粒子群优化的BP神经网络获取评价电梯群控系统派梯性能指标的新方法．方法综合考虑电梯运行特性,确定电梯调度控制策略,建立了电梯运行性能的评价指标函数,利用神经网络自学习功能获取评价指标的初始权值和阀值,针对平均候梯时间对比研究了普通BP神经网络算法和粒子群优化BP神经网络算法．结果将优化的权值和阀值代入BP神经网络获得平均候梯时间,粒子群优化的BP神经网络与BP神经网络相比,减少了迭代次数,缩短了运行时间．结论仿真实验表明,该方法可以避免BP神经网络训练中产生局部极小值,加快BP神经网络训练速率,提高电梯群控系统控制的速度．     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

量子粒子群优化算法在运输问题中的应用

将量子粒子群优化算法用于运输问题求解。用粒子的位置表示运输路径,建立运输路径的数学模型。与遗传算法相比,实验结果表明,该算法在求解运输问题中提高了最优解的精度,且具有较快的收敛速度。     

粒子群优化算法在随机分布控制中的应用

将粒子群优化算法应用到随机分布系统中,其随机系统控制目标不局限于传统的均值和方差,而是估算某些变量的概率密度函数.该方法能减少基于泛函算子模型的随机分布控制算法在仿真过程中的计算量,避免计算中间变量的概率密度函数,且对模型的要求不高,从而使控制结果更加精确高效.     

改进粒子群算法在PID参数优化中的应用

针对火电厂循环水加酸控制系统存在控制系统对象难以建立、非线性和时变的特性,采用了改进的粒子群优化算法优化PID参数,使得控制器可在不同环境温度下采用不同的PID参数.实际运行结果表明,该系统能够克服环境温度带来的干扰,使循环水pH值被控制在给定值范围内.     

粒子群优化算法在电力变压器声纹识别中的应用

针对非接触式电力变压器在监测及运行状态识别过程中存在的问题,提出了一种基于粒子群优化的电力变压器声纹识别技术。通过利用加权优化的线性预测倒谱系数和差分组合的梅尔频率倒谱系数作为变压器声纹识别的特征向量,构建了应用于变压器声纹识别的粒子群优化神经网络模型。实验结果表明,特征向量为线性倒谱系数时,所提模型识别效率要比BP神经网络的识别效率高33%;采用梅尔倒谱系数作为特征量识别准确率比线性预测倒谱系数大约提高了5.3%,平均识别时间缩短了约25%。     

粒子群优化算法在水库调度中的应用分析

寻求水库最优调度轨迹过程线是水库优化调度中的经典、难点问题.本文在分析以往水库优化调度模型优缺点的基础上,提出了基于粒子群优化算法(Particle Swarm Optimization,简称PSO)的水库优化调度模型,并通过引入罚函数解决强约束问题.以某综合利用水库优化调度为实例进行研究,并与动态规划模型计算结果进行对比分析.结果表明:粒子群优化算法原理简单,易于编程实现,而且占用计算机内存小,计算速度快,适用于年内水库优化调度规则的确定.     

改进的粒子群优化算法在物流配送中的应用

选址问题的优化模型一般是多目标约束优化模型,综合考虑物流成本和物流服务能力,以物流成本最小化和物流服务能力最大化为目标,构建一个多目标优化选址模型,通过添加参数和运用约束处理方法,将选址问题化为单目标约束优化问题,并利用嵌入最速下降法的改进粒子群优化算法ZK_PSO_SD算法进行求解,所得数值分析和对比的结果表明,所建立的选址模型具有很好的实用性.     

粒子群优化算法在求解平面选址问题中的应用研究

平面选址问题实质上是带约束的非线性连续函数优化问题。给出了用粒子群优化算法求解平面选址问题的过程描述,分析了算法的时间复杂度。该算法具有易克服局部最优和容易处理约束等优点,不需要进行特殊的编码和译码设计,算法实现简单。应用算例表明该算法是有效的,可以应用于类似优化问题的求解。     

混沌粒子群优化算法在水库防洪优化调度中的应用

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,采用自适应惯性权重因子模型来设置惯性权重因子,改善了算法的全局寻优能力,并将其用于水库防洪优化调度中。实例计算表明该算法能较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决水库防洪优化调度问题提供一种新的有效途径。     

粒子群优化灰色模型在沉降预测中的研究

DGM(1,1)模型的参数估计、数据拟合及序列预测均采用离散方程,不存在离散模型与连续模型之间的近似替代,具有较高的精度。但采用最小二乘法原理进行模型参数估计时,原始序列初始值近似替代拟合曲线的迭代初始值会对预测结果造成较大影响,并且使用受到外界因素冲击扰动后的原始数据建立模型也会大大降低DGM(1,1)模型的预测性能。鉴此,首先利用变权缓冲算子对原始数据进行新序列构造,弱化外界因素影响,再以平均相对误差最小为准则,运用粒子群算法对缓冲算子的可变权重以及新序列的初始值进行二维优化,从而提高DGM(1,1)模型的预测性能。