改进PSO优化RBF智能电能表端子温度检测方法

针对智能电表前端接线端子温度难以直接检测的问题,提出一种改进粒子群优化径向基神经网络的智能电能表温度端子检测方法。首先基于RBF神经网络建立电能表端子温度与其影响因素映射关系式,通过K-Means++算法获取合适网络核函数的中心位置;然后利用递推最小二乘法求解网络核函数连接权值;最后通过改进粒子群优化RBF神经网络宽度系数和模型训练,推导优化温度映射表达式,据此实现智能电能表端子温度检测。仿真实验结果表明：提出的多种群互生改进粒子群优化径向基神经网络算法计算准确度高、搜索能力强、收敛速度快,温度检测相对误差小于0.17%,相比于现有检测方法具有更高的准确度。     

基于蚁群算法优化RBF神经网络的汽温系统控制

针对火电厂主蒸汽温度模型不确定性的问题,提出一种智能复合控制方法.采用粒子群算法优化蚁群算法参数,将改进蚁群算法对径向基神经网络PID的权值进行优化,从而实现了对主蒸汽温度的动态控制.仿真结果表明,基于改进蚁群算法优化的径向基神经网络PID控制器使被控系统具有快速响应速度和很好的抗干扰性能,证明了该方法的有效性.     

改进粒子群算法优化RBF的交通流预测研究

为了实时准确地预测交通流量,本文采用一种改进的粒子群算法对径向基函数(radical basis function,RBF)神经网络进行优化,RBF神经网络隐层中心向量由最近邻聚类确定,使用适度值择优的原理对离子群算法进行改进,将改进的粒子群算法用于最近邻聚类半径的优化,合理确定了粒子群的隐层结构。同时,运用Matlab仿真软件建立新的RBF模型,并对交通流进行预测和分析。仿真结果表明,粒子群优化RBF的相对平均误差为3.94,改进粒子群优化RBF相对平均误差为2.67,通过误差对比,改进的RBF神经网络算法具有更好的预测效果,在预测速度和精度上均优于粒子群优化RBF神经网络交通流预测算法。该研究应用前景广阔。     

混合粒子群优化算法及其在预测控制中的应用

在时变加速因子的自组织粒子群算法、中值粒子群算法、混沌粒子群算法的基础上,提出了一种新的混合粒子群优化算法( MPSO),并利用这种新的算法来训练径向基函数(RBF)神经网络的参数(连接权、隐节点中心和宽度),验证了所提方法的有效性.进一步,提出了基于神经网络的非线性系统直接预测控制方案,实现非线性系统的实时控制.通过...     

混合粒子群径向基神经网络的短期负荷预测的应用

电力短期负荷预测的结果对电力系统的经济效益具有重要影响.为了克服基本粒子群(Particle Swarm Optimization,PSO)算法收敛精度不高、易陷入局部最优的缺点,提出一种将自然选择和变异结合的混合粒子群(Hybrid Particle Swarm Optimization,HPSO)算法,可以保持种群的多样性,有效地避免粒子早熟,并利用混合粒子群算法优化径向基神经网络的权值,最后将优化好的径向基神经网络进行广西某市的短期电力负荷预测.计算结果表明,该算法收敛速度快,并达到了提高预测精度和改善网络性能的要求.     

一种基于ACO的RBF神经网络训练方法

针对k平均聚类径向基(Radial Basis Function简称RBF)网络算法的聚类结果易受初始参数选取的影响,并常收敛于局部极小值的问题,提出一种将蚁群优化算法用于径向基神经网络训练过程,优化径向基函数的中心点,建立相应优化模型的算法.实验结果表明,该算法精确度高于k平均聚类径向基神经网络算法,且函数的拟合程度也得到了改善.     

PSO算法求解PFSP问题研究进展

粒子群优化算法作为一种基于群体的改进启发式算法,已初步成功地用于解决神经网络训练、模糊系统控制和组合优化等问题.近年来用以解决车间生产调度问题的粒子群思想和方法也层出不穷.为了促进粒子群算法的进一步发展,更好地解决流水车间调度问题以及为设计更好的算法提供参考,首先对粒子群算法进行了简单介绍,指出了解决置换流水车间调度问题的重点和难点;然后从粒子群算法涉及到的初始化种群的方法、粒子编码方法、目标函数设计和粒子速度及位置更新公式等几个主要问题的角度对近年来比较典型的用粒子群算法求解置换流水车间调度问题进行了总结,分析了各种方法的适用范围;最后探讨了粒子群算法求解置换流水车间调度问题有待进一步研究的若干方向和内容.     

演化算法中近似模型构造方法及其工程应用

演化算法在求解大型、复杂的工程优化问题时，由于大量耗时的详细分析计算，导致算法的优化效率很低。文中将均匀设计、径向基神经网络技术以及演化算法结合起来，发展了一种“基于均匀设计的逐步修正近似模型构造方法”。利用该方法可以建立目标及约束的近似模型，不仅避免了耗时的详细分析计算，而且提高了演化算法的效率。演化算法采用粒子群优化算法，以六峰值驼背测试函数以及某栽人返回舱气动布局优化设计作为算例，验证了该方法的有效性。     

基于QPSO-RBFNN和模糊理论的电力系统短期负荷预测方法

在基于径向基函数神经网络（RBFNN）的电力系统短期负荷预测的基础上,采用量子粒子群优化算法（QPSO）优化神经网络权值,并运用模糊理论进行修正预测模型,提出基于QPSO—RBFNN和模糊理论的电力系统短期负荷预测方法．仿真实例计算结果表明该方法收敛速度快、预报精度高,具有工程应用前景．     

基于差分方程的PSO算法参数设计

在分析粒子群优化算法基本原理的基础上,建立了粒子群优化的差分优化模型.通过对差分方程特征根的求解及分析,得出了粒子群算法的收敛区域.为了验证收敛区域的有效性,从6个不同方面的参数设置对收敛性区域进行数值仿真,仿真结果验证了收敛区域的正确性,得出了粒子群算法参数设置的经验性公式.同时差分方程特征根的分析方法为其他智能算法的参数设置提供了一套很好的参数设计方法.     

基于Haar小波求解第二类Fredholm积分方程

给出Haar小波族,函数逼近并建立Haar积分算子矩阵,该矩阵将积分运算转化为矩阵运算.采用Haar小波函数基作为基底,将积分方程转换为代数方程组求解.通过Matlab模拟获取数值解,并与积分方程的精确解进行比较,表明该算法具有较高的精确度.     

简支多边形薄板问题的准格林函数方法

简支多边形薄板双调和定解问题可分解为二个互不耦合的Ｐｏｉｓｏｎ方程的定解问题．应用准格林函数方法,可将Ｐｏｉｓｏｎ方程化为第二类Ｆｒｅｄｈｏｌｍ积分方程,通过边界方程的适当选择,积分方程核的奇异性被克服了．数值算例表明,本文采用的方法具有较高的精度．     

积分方程的广义解的稳定性

在文「１」中讨论了Ｍ－Ｐ广义逆的按点连续性，现在将利用Ｍ－Ｐ广义逆来讨论第二类Ｆｒｅｄｈｏｌｍ积分方程的广义解（最小范数极小二乘解）对积分区域的稳定性。     

二维第二类Fredholm方程有限元解的迭代校正

对二维第二类Fredholm积分方程,以有限元解为基础,建立了一个高精度算法——迭代校正法。证明了在光滑核条件下,对双线性有限元解进行一次迭代校正,可使精度从O(h~2)提高到O(h~6)。     

利用微粒群优化算法求解非线性规划问题

针对过程系统优化中的非线性规划 (NLP)问题 ,应用微粒群优化算法 (ParticleSwarmOptimization ,PSO)对其进行求解。系统介绍了PSO算法的基本思想和解题步骤 ,通过引入罚函数把PSO算法应用到NLP问题的求解中 ,可以对一般的NLP问题和非凸的NLP问题进行有效地求解。利用两个测试函数和一个过程系统优化的实例对其进行了测试并与其它算法所得的结果进行了比较。结果表明 ,PSO算法在使用的普遍性、求解的准确性方面都优于一般的算法 ,是一种有效的求解NLP问题的方法     

第二类线性Fredholm积分方程迭代算法的一个注记

讨论第二类线性Fredholm积分方程Galerkin解的迭代,在Long给出的迭代算法的基础上,提出一种简化的迭代算法,并保留其迭代解的精度.     

车辆路径问题的微粒群算法分析与设计

车辆路径优化问题是一类具有重要实用价值的组合优化问题,微粒群算法是一种新的群体智能优化方法。该文在构造车辆路径问题的粒子表达方法基础上,分析了不同参数条件下微粒群算法求得此问题的情况。仿真结果表明微粒群算法可以快速、有效地得到问题的最优解,是求解车辆路径问题的一个较好方案。     

双参数波动方程在频率域中反演计算的方法

本文给出了双参数波动方程的第一类Frdeholm型积分方程及解法:先将积分方程离散成线性代数方程组,然后用正则化方法处理病态的线性代数方程组求解.     

一类半时变回归系数LBI检验及渐近性

对于时变回归系数具有AR(1)或恒定性在正态情况下给出LBI检验.在i,i,d情形下借助于第二类积分方程的Fredholm行列式给出了检验统计量的特征函数及极限分布.     

利用径向基函数改进算法实现函数逼近

分析了径向基函数神经网络(RBFNN)的原理,总结出径向基函数网络的一种实用插值算法.按照此方法对实际的例子进行了计算,结果表明,本算法快捷、可靠.