一种搜索空间自适应变化的自适应粒子群算法

提出一种搜索空间自适应的自适应粒子群优化算法.该算法对不同等级的粒子适应值采取不同的惯性权重,并随着算法的迭代不断缩小粒子群的搜索空间.同时,选择当前代的较优部分粒子直接进入下一代,其他粒子通过在缩小的搜索空间内随机生成,加快了种群收敛速度,同时又能使种群不断跳出局部最优解.几种典型函数的仿真实验表明,该算法在收敛速度和收敛精度上均较标准粒子群优化算法和普通自适应粒子群优化算法有明显提高.     

改进粒子群算法及其在热连轧负荷分配中的应用

对一种已有的自适应算法进行了改进,并将该算法思想引入到粒子群算法的改进中,在种群进化到一定代数时按照改进自适应算法改变搜索范围的大小,实现了自动调整搜索范围、提高收敛速度和精度并可有效防止粒子群算法早熟收敛的目的,同时通过实验仿真进行了验证.将该改进粒子群算法应用到热连轧机精轧机组的负荷分配优化计算中,程序运行时间小于5s,满足实时性的要求,为其提供了一种更为有效的优化手段.     

基于自适应搜索的免疫粒子群算法

经典粒子群算法由于多样性差而陷入局部最优,从而造成早熟停滞现象.为克服上述缺点,本文结合人工免疫算法,提出一种基于自适应搜索的免疫粒子群算法.首先,该算法改善了浓度机制;然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源;最后对劣质子种群进行疫苗接种,利用粒子最大浓度值调节接种疫苗的搜索范围,不仅避免了种群退化现象,而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性.     

集装箱船多港bay 位排箱的优化方法

在后续港装载状态未知情况下,针对始发港混装bay位的排箱问题提出不出现倒箱条件下,实现bay位重心位置和横倾力矩最优的多目标优化数学模型,并通过离散粒子群算法进行求解,给出粒子位置的矩阵表达形式,并通过交叉和局部搜索策略对粒子位置进行更新.该算法简便有效,收敛速度较快,可增加种群的多样性,有效抑制早熟出现.实例结果表明,该模型和求解算法可实现多港bay位排箱优化.     

一种求解混合离散优化问题的禁忌微粒群算法

微粒群优化(PSO)算法主要用于求解全局连续变量优化问题.利用罚函数处理离散变量,将混合离散优化问题min f(x),s.t.gk(x)≤0,k=1,2,…,l,xLi≤xi≤xUi,i=1,2,…,m,xm+j ∈Dj,Dj=(dj,1,dj,2,…,dj,qj),j=1,2,…,n转化为连续变量优化问题min F(x),s.t.xLi≤xi≤xUi,i=1,2,…,m,dj,1≤xm+j≤dj+qj,j=1,2…,n.为了解决标准PSO可能陷入局部最优解而存在早熟收敛的问题,本文构造微粒的邻域结构,利用禁忌搜索(TS)算法具有较强的"爬山"能力的特点,设计了一种兼具搜索惯性又能在搜索时跳出局部最优解转向解空间的其它区域的禁忌微粒群算法(TS一PSO).求解Rosenbrock's 测试函数和压力管设计问题的数值实验表明,该算法能较好地跳出局部最优,获得全局最优解.     

基于粒子群算法的移动机器人全局路径规划策略

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量.     

粒子群优化增强大津法的气泡分割方法研究

提出了粒子群算法优化增强大津法来实现气泡图像的快速准确的分割.首先介绍了阈值分割中的直方图法、经典大津法、迭代法的阈值选取原理,并利用这三种方法对垂直上升管气液两相流中稀疏上升气泡图像进行了分割,通过效果比较,并结合气泡图像的特点,提出了一种以粒子群算法优化增强大津法的图像分割法,然后利用粒子群算法的全局搜索能力改善增强大津法的阈值选取时间,求出分割阈值完成气泡的分割.实验结果表明,此方法能更准确,更快速的实现稀疏气泡的分割.     

基于粒子群空间重组的大数据优化聚类算法

大数据聚类在模式识别和故障诊断等领域具有较好的应用价值。提出一种基于粒子群空间重组的大数据优化聚类算法。首先分析了标准粒子群算法,研究粒子群算法实现大数据聚类的原理。采用粒子群空间重组方法实现对大数据信息流特征矢量重构和提取,实现优化聚类。仿真结果表明,采用该算法进行大数据聚类,能有效提高数据分类的准确性,降低误分率,提高了数据挖掘和特征提取性能。     

一种基于粒子群参数优化的改进蚁群算法及其应用

针对现有基于粒子群参数优化的改进蚁群算法耗时较大的问题,提出了一种新的解决方案.方案中采用一种全局异步与精英策略相结合的信息素更新方式,同时合理减少蚁群算法被粒子群算法调用一次所需的迭代代数.对日本旭川垃圾场巡查机器人路径规划问题仿真求解的结果表明,与其他算法相比,该改进算法具有比较明显的速度优势.     

基于PSO的Live Wire交互式图像分割算法

传统Live Wire算法易受伪轮廓干扰,并且算法执行速度较慢.针对这些问题,提出一种基于PSO的Live Wire交互式图像分割算法.算法首先构造新的代价函数,引入相邻节点间梯度幅值变化函数来减轻伪轮廓的干扰,提高了算法的分割精度;其次,为了提高算法的执行效率,应用粒子群算法求取图像中任意两点间最短路径来定位目标边界,并与经典的基于Dijkstra动态规划图搜索的Live Wire算法进行比较.实验结果表明,与传统方法相比,所提算法在分割精度和执行效率上都有很大提高.