基于均匀设计的粒子群优化算法参数设定

粒子群优化算法的参数设置通常是依靠经验和试验来确定, 造成试验工作量大且难以得到最优的参 数组合, 影响了算法的使用。通过将粒子群优化算法基本模型的参数设定问题描述成均匀设计中多因素多水平的 试验设计, 从而能够用较少的试验很快设定算法参数的取值。仿真试验表明该方法的可行性和有效性。     

基于改进粒子群算法的配电网检修计划优化方法

为提高配电网检修计划的合理性与经济性,提出一种基于改进粒子群算法配电网检修计划优化方法.首先,以检修成本、供电损失和故障损失最小为目标,以实际检修过程中存在的检修资源限制、检修先后顺序、安全稳定运行等问题为约束条件,建立符合实际配网检修过程的检修计划优化模型;其次,为减小求解问题的复杂度,提出对不同类型的约束采取相应的预处理方法;最后,通过将自然选择思想融入到种群粒子的迭代更新中,提高种群粒子的整体质量,克服标准粒子群算法存在的早熟收敛、易于陷入局部最优解的问题.将改进的粒子群算法应用于具体算例的求解,结果表明提出的模型和算法具有很好的可行性与合理性.     

基于多级惩罚函数的粒子群约束优化算法

基于多级惩罚函数和粒子群算法解决多约束优化问题,采用粒子种群中的多个粒子并行寻优,避免多约束优化问题收敛于局部优化解。定义了多级分配函数作为约束因子表达惩罚函数与约束条件间函数关系,约束因子按照约束条件的不同分为多个等级。提出了粒子群多级惩罚函数算法,应用于三个经典约束优化问题,均在较少迭代次数内得到高精度优化解。     

量子粒子群算法在结构模态参数识别中的应用

量子粒子群算法作为粒子群算法的改进,具有参数少、好编程、易收敛等优势而备受关注.通过将由结构输入、输出数据计算而得的实测频响函数与包含所需识别的结构模态参数的理论频响函数之差最小化作为优化目标,经过对理论频响函数中的结构模态参数搜索取值而使目标函数最小,此过程将结构模态参数识别问题转化为优化问题.采用量子粒子群算法进行优化而得到结构模态参数.为验证该方法的有效性,对一数值模拟的三层混凝土框架结构进行分析,结果表明,量子粒子群可以有效地识别结构模态参数.     

基于模拟退火的粒子群算法求解约束优化问题

针对复杂约束优化问题,提出一种基于模拟退火(SA)的粒子群(PSO)算法(SAPSO)。该算法使粒子的飞行无记忆性,结合模拟退火算法重新生成停止进化粒子的位置,增强了全局搜索能力。同时采用双群体搜索机制,一个群体保存具有可行解的粒子,用SAPSO算法使粒子逐步搜索到最优可行解;另一个群体保存具有不可行解的粒子,并且可行解群体以一定的概率接受具有不可行解的粒子,有效地维持了群体的多样性。仿真结果表明:该算法能够快速准确地找到位于约束边界上(或附近)的最优解,具有较好的稳定性。     

求解TSP问题的增强型自探索粒子群算法

分析了单点调整思想自探索粒子群算法求解TSP问题的不足,并以此为基础构造了求解TSP问题的增强型自探索粒子群算法。在算法中进一步强化了粒子的自探索行为,增加了随机序列段调整思想,以提高算法发现全局最优解的概率。实验结果分析,表明了该增强型自探索粒子群算法具有较强的全局搜优能力,比其他同类算法获得了质量更高的解。     

基于粒子群算法的CT 系统参数标定及优化

本文针对CT 系统参数标定及成像问题,利用CT 系统成像原理,得到CT 系统参数与探测器接受信息的关系,建立相关的数学模型。基于螺旋CT 原理,利用简单的几何关系,有效地求解出CT 系统模板的参数,较好地实现了CT 系统参数标定。在此基础上利用经典Radon 变换求解出未知介质的几何信息和吸收率信息,解决了未知介质的模型重建的问题。最后特别引入粒子群算法实现五个参数的调节优化,并设计和优化了新的模板,解决了原模板设计可采集的数据较少的问题,精度和稳定性都有明显的改善。     

粒子群算法和Qos约束对EIGRP度量算法的优化

针对EIGRP协议无法适应高速复杂网络、不考虑服务质量的缺点,提出了一种基于粒子群算法和Qos约束路由的计算EIGRP混合度量值的算法.分析了EIGRP协议计算路径开销主要依据的五个指标在应用中的特点,并在此基础上建立模型,将粒子群算法应用到该模型中实现路径的寻优.仿真结果表明,粒子群算法用于该模型中能够得到很好的收敛速度和寻优结果.     

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。     

基于粒子群算法的Universum SVM参数选择

分类器的模型参数对分类结果有直接影响.针对引入无关样本的Universum SVM算法中模型参数选择问题,采用粒子群优化(particle swarm optimization,PSO)算法对其进行优化.该方法概念简单、计算效率高且受问题维数变化的影响较小,可实现对多个参数同时优选.此外,在PSO中粒子适应度函数的选择是一个关键问题.考虑k遍交叉验证法的估计无偏性,利用交叉验证误差作为评价粒子优劣的适应值.通过舌象样本数据实验,对参数优选前后测试样本识别正确率进行比较,实验结果验证了该算法的有效性.     

水文模型参数优选的改进粒子群优化算法

针对标准粒子群算法的早熟收敛问题,提出了一个提高算法性能的改进途径,即引入动态改变惯性权重策略和混沌思想,在两个方面同时改进以提高粒子群算法的收敛速度和克服局部极值的能力.对两个函数进行寻优测试表明,改进后的粒子群算法收敛速度、精度以及全局搜索能力均优于标准粒子群算法.最后将提出的改进粒子群算法应用于新安江模型进行参数优选,应用结果表明,该算法具有较强的可行性与实用性.     

用离散粒子群优化算法求解WTA问题

为了提高武器-目标分配(WTA)问题的求解效率和性能,提出了一种用离散粒子群(DPSO)算法求解此问题的新方法.对粒子群算法中的速度和位置进行了重新定义,使其可求解WTA这类离散组合优化问题,并采用贪心的启发式策略对迭代产生的方案进行调整,以利于快速找到最优或次优的分配方案.算法测试表明新算法执行速度快,结果令人满意,...     

求解背包问题的病毒协同进化粒子群算法

为提高粒子群算法的搜索性能,提出一种基于病毒进化理论的改进离散粒子群算法:病毒协同进化粒子群算法.在粒子群中引入生物病毒机制和宿主与病毒基于感染操作的思想,病毒采用与粒子等长的编码方式,执行反向代换、结合等操作,利用病毒的水平感染和垂直传播能力较好地维持个体的多样性和对解空间的局部搜索能力.通过解决背包问题对算法进行验证,仿真表明所提算法搜索性能优于遗传算法、模拟退火及标准粒子群等其他算法.该算法能有效求解背包问题等NP难题.     

求解调度问题的粒子群算法编码方法研究

利用粒子群算法求解调度问题的关键是建立有效的粒子编码结构。介绍了作业车间、流水车间和并行机调度等3类典型调度问题的特点,阐述了求解调度问题的粒子群算法结构,指出设计粒子群算法编码方法需要考虑的3个关键问题。提出3种求解不同调度问题的粒子群算法编码方法,并从生成调度解的可行性和有效性、粒子群计算模型的适用性和解码过程的复杂性等几个方面对粒子编码方法进行分析。以作业车间调度问题为例,验证了所提粒子编码方法的有效性。     

改进粒子群优化算法求解旅行商问题

提出了一种改进粒子群学习算法,在改进的算法中,粒子不仅根据自身和同伴中最好的个体调整自己的飞行速度,而且按照一定的概率向其他个体学习。这种强化后的学习行为更符合自然界生物的学习规律,更有利于粒子发现问题的全局最优解。同时借鉴单点调整算法思想,提出了调整因子和调整序概念用以重构粒子群算法。最后,用改进后的粒子群算法求解旅行商问题,数字仿真表明了算法的有效性。     

采用正交免疫克隆粒子群算法求解SAT问题

根据Kennedy和Eberhart提出的二进制粒子群算法,基于抗体克隆选择理论提出一种求解合取范式可满足问题的粒子群算法——正交免疫克隆粒子群算法．该算法将合取范式可满足问题转换为求解目标函数最小值的优化问题,为提高收敛速度,根据子句的先验知识计算出个体的初始指派概率对种群进行初始化．为了避免算法早熟收敛,提高粒子群个体解分布的均匀性,将离散正交交叉算子用于免疫基因操作中,并给出适应于求解合取范式可满足问题的免疫粒子群进化算子．实验采用标准SATLIB库中变量个数从20~250的3700个不同规模的标准合取范式可满足问题对正交免疫克隆粒子群算法的性能作了全面的测试,并与标准粒子群算法和免疫克隆选择算法进行了比较．结果表明,正交免疫克隆粒子群算法的成功率在3个算法中最高,运行时间和评价次数最少．     

粒子群复形法求解旅行商问题

针对众多领域的组合优化问题可转化为旅行商问题（TSP），提出求解TSP的粒子群复形（CPSO）算法.该算法在迭代的每一步，都将全部点根据适应值进行排序，让好点与差点进行两两配对.根据配对的两点连线中点的适应值与好点的适应值的比值，确定在连线的某位置取出一点.将取出的点与差点和整体最优点的差值点进行线性组合, 所得到的新点取代当前两点中的差点.对TSP解序列提出5种运算, 得到能求解TSP的CPSO算法.并求解了14个点的TSP问题与印刷电路板（PCB）数控钻走刀路线优化问题.结果表明，与遗传算法和蚁群算法相比，该算法具有更强的搜索性能和更好的稳定性，收敛速度更快.     

预测RNA二级结构离散粒子群优化算法

根据RNA二级结构预测问题实质和基本粒子群优化算法特性,提出一种离散粒子群优化算法模型.定义该模型中一个可变集合搜索空间,设计了基于此空间粒子群速度与位置更新公式及运算规则.采用局部精英粒子优化策略解决了粒子群算法易陷入局部最优的问题.实验结果表明,该算法在收敛速度和精度上都具有较好的性能.