共查询到10条相似文献,搜索用时 31 毫秒
1.
介绍了应用于结构离散变量的标准粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC),指出了两者在处理约束条件方面的不足之处.在基于“和谐搜索“算法(Harmony Search)产生新解的思想基础上,提出了应用于结构离散变量的启发式粒子群优化算法(HPSO).应用所提出的HPSO算法对多个平面及空间桁架结构进行了截面优化设计,数值计算结果表明本文提出的启发式粒子群优化算法(HPSO)可以搜索到最优解,并且具有较高的收敛速度,尤其在迭代计算的初期,计算效率非常明显.HPSO算法明显提高了PSO算法的效率. 相似文献
2.
《Planning》2017,(2)
针对无线传感器网络中的入侵检测机制对拒绝服务(denial of service,DoS)攻击检测精度不高的问题,提出了基于核自组织映射(kernel self-organizing map,KSOM)和粒子群优化(particle swarm optimization,PSO)聚类算法融合的KSOM-PSO神经网络算法作为无线传感器网络的检测机制。首先在传统SOM算法中引进核函数进行聚类;其次使用SOM聚类获得的获胜神经元权值对PSO粒子的初始位置初始化;最后在PSO算法中将传统的线性减小权值的方法改为非线性减小权值的方法,以提高PSO算法的全局搜索效率和局部搜索精度。实验结果表明,KSOM-PSO与传统的PSO聚类算法和SOM算法比较,检测精度有较大的提高,且收敛速度更快。 相似文献
3.
4.
|为提高室内无人车行驶精度和准确性,提出一种超宽带定位系统(Ultra-Wideband,UWB)与惯性导航系统(Inertial Navigation System,INS)数据融合的新型定位方法。该方法针对UWB定位中常见的非视距(Non Line of Sight,NLOS)误差,引入了惯性测量单元(Inertial Measure ment Unit,IMU),在常用的误差状态卡尔曼滤波的基础上,利用IMU的预测位置与UWB系统的伪距判断是否发生NLOS误差,通过迭代重加权最小二乘(Iterative Reweighted Least Squares,IRLS)处理UWB系统的伪距测量值,再由观测环节计算出最终位置,达到减少NLOS误差的目的。通过试验证实新型融合定位算法相较于传统的UWB和IMU数据融合定位方法降低了26.48%的最大NLOS误差。 相似文献
5.
6.
7.
自适应协方差矩阵进化策略(CMA-ES)算法是一种引导式随机优化算法,兼顾了深度搜索最优解和广度搜索解空间的能力。针对采用遗传算法(GA)、粒子群优化算法(PSO)等仿生优化算法求解复杂结构可靠度时往往遇到计算代价过高的问题,基于结构可靠度指标的几何涵义并结合验算点法,提出了结构可靠度计算的自适应协方差矩阵进化策略方法。研究结果表明,该方法是可行的,具有全局性好、收敛速度快的优点,与遗传算法、粒子群优化算法相比较,可大幅度地提高计算效率,为结构可靠度计算提供了一条新的途径。 相似文献
8.
《Planning》2014,(6)
为了提高二进制粒子群优化的收敛速度和收敛效果,提出一种新的改进二进制粒子群优化算法,该算法利用翻转角度作为进化条件,利用局部翻转因子和全局翻转因子来决定粒子群的收敛速度。实验证明,该方法具有更快的收敛速度和更佳收敛值。 相似文献
9.
《Planning》2019,(Z1):69-70
交通标志识别速度和准确率的提高可为车辆自动驾驶和车辆安全驾驶提供保障,本文提出采用粒子群(PSO)算法与支持向量机(SVM)相结合的方式来实现交通标志快速、高准确率的识别。 相似文献
10.
《Planning》2019,(7)
针对轮毂识别系统前期图像特征提取误差较大时分类准确性降低的问题,提出了基于改进粒子群算法优化BP神经网络的轮毂识别模型。在标准粒子群中引入遗传算法的变异因子、惯性权重、时间因子、速度边界限制和反弹策略,以改进粒子群算法,从而提高寻找最优阈值与权值的性能。经过与不同算法的对比数据看出,采用改进粒子群优化BP神经网络算法的分类识别率比其他算法提高了9%左右,且收敛速度、收敛精度均有提高,证明了所提IPSO(improved particle swarm optimization)算法的有效性。 相似文献