共查询到20条相似文献,搜索用时 656 毫秒
1.
2.
粒子群算法是上世纪90年代兴起的群体智能算法,其特点是模拟自然界生物群体行为来构造随机优化算法,它对函数性态要求较弱、寻优结果和初值无关,并具有一定的并行性,因而成为优化算法领域研究的一个热点。介绍粒子群算法的研究现状,重点论述标准粒子群算法以及几种主流的改进型粒子群算法,并提出未来可能的研究方向。 相似文献
3.
文[1]决定了真子群的阶为素数幂的有限群的构造,本文利用群作用,极小单群的知识讨论了真子群的阶至多含两个不同素因子的有限群,并决定了这类群的构造。 相似文献
5.
6.
有限群的极大子群的正规指数 总被引:15,自引:0,他引:15
有限群G的极大子群的正规指数是指G的主因子H/K的阶,其中H为该极大子群在G中的极小正规补。在本文中,我们利用正规指数的概念得到有限群为p-可解、可解、超可解和幂零的若干充要条件。 相似文献
7.
8.
介绍电梯运行中的上行高峰、下行高峰、多路交通等不同交通模式及其特征,并提出针对不同交通模式的控制策略.不同的交通模式采用不同的;可以提高电梯运行系统的性能. 相似文献
9.
群智能算法是在观察和研究群居生物群体行为的基础上,提出的人工智能模拟模式,通过模拟群体中多个个体之间的简单协作实现问题的求解。在介绍群智能算法原理的基础上,综述并讨论了其在生产调度中的应用,为未来的研究提供了有意义的借鉴和参考。 相似文献
10.
11.
12.
电网运维人员主要根据用电信息采集系统采集到的巡检数据对电能计量装置进行人工异常检测。针对人工诊断存在的漏报、误报、判断标准不一、准确度低等问题,文章提出一种天牛须搜索算法(beetle antennae search)和粒子群算法(particle swarm optimization)结合的天牛群算法(beetle swarm optimization),并将其用于优化BP神经网络(back propagation neural network)电能计量装置异常诊断模型。文章利用天牛群算法迭代寻优BP神经网络权阈值,根据诊断准确率对天牛群算法优化性能进行评价,并和粒子群优化的BP神经网络模型诊断结果进行对比。实验分析表明,天牛群算法优化的BP神经网络模型对于电能计量装置的异常诊断具有更高的准确度以及稳定性。 相似文献
13.
磨莉 《中国新技术新产品》2010,(20):1-1
粒子群算法适合求解连续变量优化问题,本文提出了粒子群算法的新离散化方法。常规粒子群算法在电力系统优化问题中取得了成功,但有"趋同性"。本文提出了改进多粒子群优化算法(IPPSO),IPPSO是两层结构:底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快收敛。粒子群以及粒子状态更新策略不要求相同。 相似文献
14.
IC-PSO算法的收敛性分析及应用研究 总被引:2,自引:0,他引:2
针对标准PSO算法后期迭代搜索效率不高,容易陷入局部最优的问题,提出将免疫克隆(IC)原理引入PSO算法中,把抗体视为粒子,根据亲和度的高低进行粒子克隆选择、克隆抑制和高频变异,提高了种群的多样性和全局搜索的能力.并将其应用于40Gh/s的传输系统中进行了DOP优化补偿实验,算法补偿所需时间约为71 ms.通过对比补偿前后的信号眼图可以发现,PMD补偿后,信号眼图张开度有明显改善,证明了算法的有效性. 相似文献
15.
金盛华 《中国新技术新产品》2010,(8):27-28
如今人们在互联网上不仅仅上网冲浪娱乐,很多商务活动也通过网络的形式开展。网络应用的发展带来了很多安全问题,其中对个人隐私的保护是其中很重要的一个。群签名就是基于这样的现实条件提出来的。 相似文献
16.
本文研究非线性扩散方程的精确解,文中分别给出非线性扩散方程在推广旋转群和推广伸缩群上不变时满足的条件,并且利用推广旋转群和推广伸缩群构造方程的精确解,最后,给出了非线性扩散方程在推广旋转伸缩群上不变时满足的条件,推广旋转伸缩群也被用来构造非线性扩散方程的精确解. 相似文献
17.
18.
粒子群算法具有较强的普适性、鲁棒性、全局搜索性等特点,在求解复杂问题时具有明显的优越性,本文对粒子群算法进行混沌优化,使其为决策者提供一种有效的优化工具。 相似文献
19.
本文主要提出了不用借助于电话机而对电话分析仪双音频频率示值准确度进行计量的一种方法.即通过利用两台音频信号发生器的输出频率模拟电话机双音频发号的高频群频率和低频群频率,将被检电话分析仪频率示值与音频信号发生器产生的频率标准值实际进行比对. 相似文献
20.
针对粒子群算法易陷入局部最优的问题,结合雁群启示粒子群算法和扩展粒子群算法提出了基于雁群启示的扩展粒子群(GeEPSO)算法。该算法在利用雁群飞行方向的多样性同时融合了所有粒子的个体极值信息,提高了种群多样性。为进一步提高改进算法的收敛速度,引入简化粒子群提出了 GeESPSO算法。基准函数的仿真表明:改进算法GeESPSO较好地平衡了收敛速度和局部最优两个矛盾,总体较优。为进一步验证算法在实际应用中的有效性,又分别用两种改进算法优化BP神经网络,并用相关气象数据对PM2.5的值进行预测。 相似文献