应用改进后的粒子群优化算法评估SVR的网络安全性

文中介绍了粒子群算法优缺点,并对其粒子速度、个体认知以及种群认知的不足进行必要的改进,最后将优化后粒子群算法来验证SVR的网络安全性,结果表明粒子群优化算法对SVR网络安全性预测效果较好。     

基于广义遗传粒子群优化算法的供应链优化求解

供应链优化研究是供应链管理中的一个重要问题,也是一个难题,首先提出了一个新型供应链优化模型,针对该优化问题的求解,构造了融入特殊自然演化规则的广义遗传算法(GA),并且与粒子群优化结合,得到了广义遗传粒子群优化算法,克服了粒子群优化算法局部收敛的缺陷,提高了其全局收敛的能力。实验表明,对供应链优化问题的求解,广义遗传粒子群优化算法优于传统的遗传算法、粒子群优化算法和分枝界定法。     

基于混沌粒子群优化算法的认知网络流量分类方法研究

针对网络的接入形式以及网络应用日益复杂、异构和泛在等特点,当前网络所提供的服务质量QoS难以满足用户的需要。认知网络被认为是提高网络整体及端到端系统的性能、简化网络管理的新途径,是下一代通信网络发展的必然趋势。提出一种混沌粒子群优化算法(CPSO-BP),并将该算法应用于认知网络环境中对网络流量进行精确分类,以实现对以业务为中心的认知网络的可管可控。实验结果表明该方法能够充分结合粒子群优化算法的全局搜索特性和BP算法的局部搜索特性,并利用混沌搜索在小空间具有较强的局部搜索能力来提高分类精度,从而具有分类精度高、稳定性强的特点,能够有效地提高网络资源利用率,保证认知网络端到端QoS效能。     

混合粒子群算法优化BPNN在模拟电路故障诊断中的应用

针对模拟电路的软故障,提出一种基于混合粒子群算法的BP网络方法来诊断模拟电路中的故障。该方法是把遗传算法和粒子群算法结合起来优化BP网络的权值和阈值,试图解决传统的BP网络在模拟电路故障诊断过程中易陷入局部最小的问题。详细阐述了该算法的实现,给出了该算法的详细流程图,并通过仿真实例比较了传统BP网络与混合粒子群算法优化下的BP网络在故障诊断中的表现,给出了实验实例仿真结果的图形和数据表格。由仿真图形和数据表格,形象直观地看出了两种算法运用在模拟电路故障诊断中的差别,验证了混合粒子群算法优化BP网络在模拟电路故障诊断中的有效性及可行性。     

无线传感网络覆盖的多步长粒子群优化研究

为了改善无线传感网络的网络性能,提高网络的覆盖率,实现网络覆盖范围的最大化,延长网络寿命,在多步长粒子群算法的基础上提出以网络覆盖率为优化目标的覆盖优化策略。该策略针对不同的个体情况改变粒子的最大飞行速度,实现粒子的多步长搜索,有效地解决了粒子群算法容易出现的早熟问题。仿真实验表明,与粒子群算法相比,多步长粒子群算法的有效覆盖率由74.76%提高到82.66%,到达收敛的迭代次数由360次减少到283次,收敛速度提高了21.4%。因此多步长粒子群优化策略比粒子群算法在无线传感网络覆盖优化上具有更好的效果。     

自适应混沌量子粒子群算法及其在WSN覆盖优化中的应用

针对传统粒子群优化算法容易陷入局部极值和收敛速度慢等不足,通过研究种群多样性与粒子群算法进化的关系,提出一种动态自适应混沌量子粒子群优化（DACQPSO）算法。该算法将种群分布熵引入粒子群的进化控制,以Sigmoid函数模型为基础,给出了量子粒子群算法收缩扩张系数的计算方法;以平均粒距作为混沌搜索的判别条件进行混沌扰动。将DACQPSO算法应用于无线传感器网络（WSN）的覆盖优化中,并作了仿真分析。实验结果表明,DACQPSO算法在覆盖率指标上比标准粒子群、量子粒子群、混沌量子粒子群算法分别提高了3.3501%、2.6502%和1.9000%,有效地提高了WSN的覆盖性能。     

基于粒子群算法的无线传感网络覆盖优化策略

无线传感器网络覆盖控制是研究在保证服务质量条件下,为了实现网络覆盖范围的最大化.采用覆盖优化策略及算法的应用,有助于网络节点能量的有效控制、感知服务质最的提高和网络生存时间的延长.提出基于概率测量模型的粒子群优化策略,以网络有效覆盖率为优化目标,通过粒子群算法实现覆盖控制并详细分析了传感半径对覆盖性能的影响.仿真实验表明,粒子群优化策略的有效覆盖率达到了85.63%,能有效地实现无线传感网络覆盖优化.     

基于改进PSO算法的供应链优化

在建立供应链优化模型和分析基本粒子群优化算法的基础上,提出了一种求解供应链优化问题的改进粒子群算法。在优化过程中,该算法以优良适应值粒子取代部分不良适应值粒子,使算法具有过滤能力,加快了搜索速度,并保证了收敛于全局最优解。实验结果与基本粒子群算法进行了验证和比较,表明该改进粒子群算法具有较好的性能和简单快速准确等特点。     

无线传感网络覆盖算法及仿真研究

研究无线传感器覆盖算法,针对标准粒子群算法的网络覆盖存在收敛速度慢、易于陷入局部最优值的问题,为满足动态节点选择实时性的要求,提出一种多粒子群的无线传感网络覆盖算法.以无线传感器最大覆盖率为目标函数,通过多个粒子群彼此独立地搜索解空间,加大粒子的搜索范围,减小陷入局部最优的可能性.采用进化粒子,使粒子覆盖更有效率,提高了算法的寻优能力,有效地避免了标准粒子群算法容易出现的"早熟"问题,提高了算法的稳定性.仿真实验表明,与标准粒子群算法、传统遗传算法和新量子遗传算法的优化效果相比较,其覆盖率分别提高了8.39%、3.07%和0.75%;收敛速度提高了25.3%、23.8%和23.8%,证明粒子进化的多粒子群方法有效地优化无线传感网络,实现节点选择的实时性要求.     

绿色农产品供应链网络智能优化

近年来我国绿色农产品供应链网络快速发展,但效率低下、物流成本高,亟需建立智能化的绿色农产品供应链网络。粒子群优化PSO算法是基于群体智能的随机优化技术,被广泛应用于各类问题求解。为减少总运输成本．实现高效管理,提出一种绿色农产品供应链网络优化模型,并采用PSO算法进行优化求解。实验结果表明该模型切实可行．算法实现绿色农产品供应链网络智能调度。     

JIT供应链物料采购协同优化及其粒子群算法

在供应链环境中,传统的物料需求计划没有考虑供应商的供货能力与经济利益,不利于供应链上下游企业的长期合作。研究了一种基于JIT的供应链物料采购协同优化问题,以单一制造商和多供应商构成的二级供应链为研究对象,遵循产品生产的BOM约束和MRP制定原理,以最小化供应链上下游企业的库存、运输、缺货、赶工等总成本为目标,构建了以MRP为引导的供应链订购批量协同优化模型;通过调整制造商的主生产计划变更采购计划,以获得供应商供货方案,据此设计了基于整数编码和带有交叉操作的改进离散粒子群优化算法进行模型求解;结合实例对模型可行性进行了验证,通过算法结果分析及比较,证明了算法的有效性。     

面向高维和不平衡数据的供应链金融信用评价

针对供应链金融模式下中小企业的信用风险控制问题,提出了一种面向高维和不平衡数据的信用风险预测模型。首先,基于Pearson-XGBoost两阶段特征选择建立供应链金融信用评价指标体系;其次,通过改进的NM-SMOTE算法对数据集进行平衡化;最后,利用Focal loss函数对XGBoost算法改进,并通过改进的粒子群算法进行优化,从而建立最终的信用评价模型。通过实验结果表明,提出的INS-IPSO-FLXGBoost模型对于中小企业具有更好的预测效果,可以更有效地识别风险企业。     

Co-evolutionary immuno-particle swarm optimization with penetrated hyper-mutation for distributed inventory replenishment

This article is betrothed to serve as a continuation of the emerging swarm techniques to solve supply chain problems. Our aim is to map some of the pressing research challenges contributed by the artificial intelligence community and to develop an improved algorithm: Co-evolutionary immuno-particle swarm optimisation with penetrated hyper-mutation (COIPSO-PHM). In this paper, we proposed a new algorithm which uses clonal selection approach in particle swarm optimisation by embedding co-evolutionary theory to solve the problem of inventory replenishment in distributed plant–warehouse–retailer system. Constraint handling is explicitly taken care by implanting augmented lagrangian concept. To demonstrate the efficiency of the algorithm, its performance are evaluated and compared on 10 benchmarked problems (made constrained problem via random initialisation in the infeasible zone) including functions with uni-modalities as well as multi-modalities. The result follows shows superior performance of the algorithm in every respect.     

基于粒子群算法的供应链生产、配送集成计划研究

针对单工厂、多产品、多周期、多配送中心的供应链网络,构建了生产、配送集成计划模型,提出了用于求解该问题的粒子群算法方案,阐明了该算法方案的具体实现过程。采用分离策略提出独立决策下的生产计划模型和配送计划模型。仿真实例的计算结果表明集成决策可以有效地降低供应链成本。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

不确定条件下配送回收中心选址配送问题研究

针对制造商、零售商、一个废弃处理中心和多个配送回收中心构成的闭环供应链,解决模糊随机环境下的配送回收中心选址配送问题。引用模糊随机理论处理产品回收率和可再利用率随机变量,以成本最低和碳排放最小为双重目标,以设施能力,设施间流量以及设施数量为约束,建立多目标闭环供应链配送回收中心选址配送模型。改进了全局-局部-邻域粒子群算法,设计了基于优先级的全局-局部-邻域粒子群算法方案,并用案例验证了模型及算法的有效性和先进性。     

基于粒子群蚁群算法的供应链合作伙伴选择研究

针对供应链合作伙伴选择的准确性和效率问题,提出一种基于粒子群和蚁群优化的合作伙伴选择算法。建立基于供应链链节体和连接弧的有向图路径模型,构造多目标规划模型。利用改进的离散型粒子群算法,求取伙伴选择问题的初始解集,构建初始信息素矩阵,通过改进蚁群算法的寻径规则,求取供应链合作伙伴选择问题的最优解。实验结果表明,所提算法有效提高了供应链合作伙伴选择的精度和效率,具有较好的性能。     

基于多种群进化与粒子群优化混合的频谱分配算法

为了解决认知无线网络中的频谱分配问题,提出一种基于多种群进化与粒子群优化混合的频谱分配算法。它采用图论着色模型,首先使用遗传算法将多个种群进行独立进化,以提高种群的全局搜索能力;然后选出每个种群中的最优的个体作为粒子群优化的粒子,并通过控制每个粒子的初始速度方向来加快算法的收敛速度。最后以系统总收益最大化和用户间的公平性为优化目标与遗传算法和粒子群算法进行了对比实验,仿真结果表明,该算法在收敛速度、认知用户接入公平性和系统总收益3个方面的性能均优于遗传算法和粒子群算法。     

基于Arnold映射的改进粒子群算法

粒子群算法是一种广受关注的启发式全局最优搜索算法.在分析现有的一些改进算法的基础上,提出了一种利用Arnold混沌映射和单维度扰动项的改进粒子群算法.算法通过改善单个粒子的搜索活力来增强粒子群的全局最优搜索能力.仿真测试表明,该算法能够较好地保持种群的多样性,粒子群优化性能有较大提高.     

改进粒子群算法的三维空间路径规划研究

提出一种自适应混沌粒子群优化算法（SACPSO）用于三维空间路径规划。首先进行三维空间环境建模，并考虑使用路径长度、障碍物危险程度和路径平滑度三个评价函数来制定适应度函数；然后对算法中的三个控制参数提出了一种新的自适应更新策略，以此来动态调整算法的全局探索和局部开发能力；最后当种群陷入局部极值时，利用提出的自适应Logistic混沌映射对全局最优粒子进行混沌优化，引导种群跳出局部极值点。将该算法与其他改进的粒子群算法比较，结果表明，该算法在收敛到全局最优解时所用迭代次数更少，生成路径质量更高，有效地提高了粒子群算法应用于三维空间路径规划时的计算效率和可靠性。