基于粒子群算法的电子元件热设计的优化布局

目前,已被广泛应用在诸多领域的粒子群优化算法,就是一种基于群体的优化方法,其算法结构简单、易实现、运行速度快、参数设置少的优化算法。本文正是运用粒子群优化算法来优化电子设备中PCB板的电子元件的布局,分析研究合理的热设计,从而提高电子设备的使用率和可靠性。     

基于粒子群优化算法的房屋布局优化

随着社会经济建设进程的快速发展,人们的生活水平得到提高,现代化城市建设的进程促使房地产建筑项目数量增加,我国逐渐成为全世界建筑行业发展最迅速的发展中国家之一,同时也加剧了房地产市场竞争的激烈程度。而优化房屋结构设计,能增加企业效益,满足居民需求。文章将通过粒子群优化算法对房屋布局进行优化。     

基于改进粒子群算法的室内可见光通信系统灯源布局

针对传统室内可见光通信(VLC)系统中光源分布的不均匀性导致的通信盲区和通信质量不平稳等问题,提出一种位置和灯源参数联合优化的方法.该方法在不改变传统布局的总功率前提下进行发光二极管(LED)阵列的重新分配,其次遍历搜寻各LED阵列的最优位置,最后运用改进的粒子群优化(PS0)算法对各LED阵列中的参数进行优化.仿真结...     

基于改进离散粒子群算法的传感器布局优化设计

传感器布局优化是复杂系统测试性设计的重要内容,属于典型的组合优化问题。通过改进系统的故障-传感器相关性矩阵,建立了考虑传感器故障检测能力的约束优化模型。利用混沌的遍历性初始化粒子群的参数,惯性权重则根据粒子群的早熟收敛程度自适应调整,并对粒子的位置更新方式进行了重新定义,用改进后的离散粒子群算法求解建立的优化模型。仿真实例验证了本文方法的有效性,优化结果能满足系统的各项指标要求,为复杂系统的传感器布局优化设计提供了一种可行途径。     

改进粒子群算法在货物装载中的应用

本文采用改进粒子群算法求解货物装载问题。首先对传统背包问题进行分析，指出其在现实生活中存在的问题，提出了以最大价值为目标的更具现实意义的多目标模型，然后用粒子群算法进行求解，给出了一个算法求解的实验实例。在实现粒子群算法时，我们对基本粒子群算法进行了一些改进。实验证明采用这种改进的粒子群算法解决货物装载问题切实可行，有较高的搜索效率。     

粒子群优化算法及其应用

粒子群优化（PSO）算法是一种新颖的演化算法，它属于一类随机全局优化技术，PSO算法通过粒子间的相互作用在复杂搜索空间中发现最优区域。PSO的优势在于简单而又功能强大。介绍了基本的PSO算法、研究现状及其应用，并讨论将来可能的研究内容。     

粒子群优化算法在海杂波参数优化中的应用

以具有对数正态分布和高斯谱特性的海杂波产生为例,根据零记忆非线性变换法（ZMNL）的原理,将海杂波的产生转化为参数优化问题,并用粒子群优化算法（PSO）进行求解,最后还将仿真结果与遗传算法进行了比较。讨论了用PSO进行参数优化的具体实现过程,并找到了较优的滤波器系数,得到满意的杂波谱特性。仿真结果表明,该方法完全可应用到海杂波的产生方法中。     

粒子群优化算法在宽带耦合器设计中的应用

多节平行线耦合器的设计需要综合出各节的偶模特性阻抗。应用粒子群优化算法很好地综合出任意阶梯数任意耦合度等波纹时对应的偶模特性阻抗。举例优化了6倍频的耦合度为-35dB耦合器的偶模特性阻抗，并仿真设计了该耦合器。     

新的混沌粒子群优化算法

针对传统粒子群算法初期收敛较快,而在后期容易陷入早熟、局部最优的特点,提出了一种新的混沌粒子群优化算法,不同于己有的混沌粒子群算法的简单粒子序列替换,该算法将混沌融入到粒子运动过程中,使粒子群在混沌与稳定之间交替运动,逐步向最优点靠近。并提出了一种新的混沌粒子群数学模型,进行了非线性动力学分析。数值测试结果表明该方法能跳出局部最优,极大提高了计算精度,进一步提高了全局寻优能力。     

一种新混合粒子群算法及其在阵列天线方向图综合中的应用

针对传统粒子群算法(PSO)中存在的易陷入局部最优解和后期收敛速度慢的问题,首次提出一种新混合粒子群算法(NHPSO),采用杂交粒子群算法和固定惯性权重策略,并把简化的二次插值法融入杂交粒子群算法中。实验证明新算法大大提高了收敛速度,改善了解的质量。对阵列天线特殊主瓣形式的波束赋形和旁瓣电平优化结果取得了非常好的效果,计算机仿真证实该新算法应用于此类问题非常有效。     

基于随机加速系数的粒子群优化算法

针对粒子群算法中加速系数的取值问题,对C1和C2的各种取值策略做了充分调查分析,得到参数C1和C2对算法性能的影响规律,并提出了一种基于随机加速系数的粒子群优化算法.该算法在迭代的每一代中,加速系数取一定范围内随机产生的一组C1和C2的组合,通过非对称的、范围更大的C1和C2取值来增加算法的多样性,避免了算法早熟.在典型测试函数上进行对比实验,结果验证了新算法在优化性能和稳定性上高于传统粒子群优化算法.     

粒子群算法优化神经网络结构的研究

针对BP神经网络初始权阈值确定的随机性和隐含层节点数的不确定性,通过利用十进制粒子群优化算法（DePSO）和二进制粒子群优化算法（BiPSO）,同时优化神经网络的初始权阈值和结构。通过粒子群优化算法首先确定一个较好的搜索空间,然后在这个解空间里利用BP算法对网络进行训练和学习,搜索出最优解。通过函数拟合数值实验对该模型来进行训练和测试,相比其他算法,该模型可以获得较高的预测精度,结果表明该方法是可行的。     

A New Class of Hybrid Particle Swarm Optimization Algorithm

A new class of hybrid particle swarm optimization （PSO） algorithm is developed for solving the premature convergence caused by some particles in standard PSO fall into stagnation. In this algorithm, the linearly decreasing inertia weight technique （LDIW） and the mutative scale chaos optimization algorithm （MSCOA） are combined with standard PSO, which are used to balance the global and local exploration abilities and enhance the local searching abilities, respectively. In order to evaluate the performance of the new method, three benchmark functions are used. The simulation results confirm the proposed algorithm can greatly enhance the searching ability and effectively improve the premature convergence.     

一种新形式的微粒群优化算法

提出了一种更为简化的微粒群算法.该算法用相位角的增量代替速度的增量,通过绘制相位角来确定微粒的位置.用这种新的微粒群算法对大学生综合素质测评体系的权重模型进行优化,经与标准微粒群算法进行比较,证明该算法更容易实现,并且具有更好的全局搜索能力.     

利用基于粒子群优化和模拟退火的混合策略优化正形置换

Orthomorphism on F n 2 is a kind of elementary permutation with good cryptographic properties. This paper proposes a hybrid strategy of Particle Swarm Optimization (PSO) and Simulated Annealing (SA ) for finding orthomorphisms with good cryptographic properties . By experiment based on this strategy, we get some orthomorphisms on F n 2 (n = 5, 6, 7, 9, 10) with good cryptographic properties in the open document for the first time, and the optimal orthomorphism on F 8 2 found in this paper also does better than the one proposed by Feng Dengguo et al. in stream cipher Loiss in difference uniformity, algebraic degree, algebraic immunity and corresponding permutation polynomial degree. The PSOSA hybrid strategy for optimizing orthomorphism in this paper makes design of orthomorphisms with good cryptographic properties automated, efficient and convenient, which proposes a new approach to design orthomorphisms .     

混沌粒子群优化粒子滤波算法

针对基于粒子群优化算法的粒子滤波计算复杂度大,并且容易陷入局部最优,提出了一种新的基于混沌的粒子群优化粒子滤波算法。该算法在粒子群优化的基础上,引入混沌序列,利用混沌运动的遍历性、随机性等特点改善了初始样本的质量,同时利用混沌扰动避免搜索过程陷入局部最优,使算法具有更快的收敛速度和更好的全局搜索能力。最后利用UNGM模型将该算法与标准粒子滤波和粒子群粒子滤波进行仿真对比,并利用纯角度目标跟踪模型验证了算法的有效性。实验结果表明,该算法改善了粒子群优化算法的粒子滤波易陷入局部最优的现象,提高了粒子滤波的精度和速度,具有较高的应用价值。     

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.     

新的自适应免疫量子粒子群优化算法

为了克服粒子群优化算法早熟收敛以及粒子在进化过程中缺乏很好的方向指导的问题,算法中采用了量子技术以及免疫机制来提高粒子群的收敛速度和寻优能力,从而获得了一个新的自适应免疫量子粒子群优化算法.仿真试验表明该算法具有较好的性能.     

改进的粒子群优化算法

提出了改进的粒子群优化算法。基于4个不同的基准函数对所提算法与1995年Kennedy和Eberhart提出的常规PSO作了比较。PSO最初是受到如鸟或鱼等生物群体的社会行为的启发而提出的,每一个体依照自身及群体的过去解决问题的最好办法来调整自己的最佳位置,通过重复这一过程来得出最佳值。这里提出的改进的PSO的关健之处在于:如果一个新的位置确实得到了改善,则每一个体就调整它的位置;如果不是这样,就根据概率来做出决定。这一策略是既避免盲目跳转又避免只简单地跳转到好的新位置而陷入局部最优。模拟结果表明改进的PSO总能比PSO找到更好的解决方法。