一种双模式的运动估计算法

为了平衡运动估计中搜索算法的复杂度与搜索精度,基于双模式算法的思想,提出一种结合基于改进的粒子群算法(PSO)和十字搜索算法(ARPS)的双模式运动搜索算法.该算法对不同运动程度的图像采用不同的运动搜索算法(运动剧烈时采用PSO算法,运动平缓时采用ARPS算法),有效地结合了PSO的全局性特点以及ARPS的局部性特点,同时保持了ARPS的快速性.实验表明,该算法的整体性能高于传统的单模式运动估计算法以及已有的多模式运动估计算法.     

群机器人通信研究综述

为了完成规定任务,群机器人中的个体机器人之间须进行协调合作,这有赖于机器人在有限感知和局部交互基础上的群体智能行为涌现,故对群机器人系统中的通信研究现状进行述评。首先对通信机制进行了划分,指出隐式通信的效率较显式通信为低,且作为人工系统的群机器人中更多采用显式通信机制。针对显式通信,通过对通信方式、网络拓扑结构、通信协议及通信语言等主要内容进行阐述,明确群机器人中通信研究的现状,并对该领域的研究方向进行了展望。     

基于粒子群优化的隐式广义预测控制

提出一种基于粒子群优化算法（PSO）的隐式广义预测控制（IGPC）。滚动优化作为预测控制的重要组成部分对控制效果的好坏起着关键作用,因而寻求一种可靠的优化算法十分必要。PSO算法是一种群集智能方法,通过粒子之间的合作、竞争及进化实现对多维复杂空间的高效搜索,属于一类随机全局优化技术,已成功应用于各科学和工程领域。它将PSO算法应用于IGPC的滚动优化部分来求解最优预测控制律,仿真结果显示了该方法是可行的。     

基于混沌自适应变异粒子群算法的铁路空车调配*

求解大规模的空车调配方案的最优解是一个非常困难的问题,为求解此类问题,提出了一种混沌自适应变异粒子群算法。该算法利用混沌的遍历性来初始化粒子群以增强群体的多样性,根据群体适应度方差调整变异概率的大小,并通过调整惯性权重因子以提高整个群体的全局和局部搜索能力。本文将该算法用于铁路空车调配,建立了以空车总走行距离最小为目标的数学模型,并在此基础上设计了相应的算法。算例结果表明该算法的寻优结果和寻优效率要优于蚁群算法和标准粒子群算法。     

基于群体适应度方差的自适应混沌粒子群算法*

已有的混沌粒子群算法多使用Logistic混沌映射,但Logistic混沌映射产生的混沌序列不够均匀,影响了混沌粒子群算法的性能。提出在混沌粒子群算法中引入均匀性更好的An混沌映射,利用An混沌映射初始化粒子群的位置和速度,并通过适应度方差的变化来自适应控制部分粒子进行混沌更新,来改善混沌粒子群算法的性能。数值仿真的结果表明,改进算法的收敛性和全局搜索能力都有所提高,能有效避免早熟收敛。     

混沌粒子群算法及其在发电资源调度中的应用

为了有效地解决水火电力系统资源短期优化调度问题,提出了一种基于混沌粒子群算法的调度方案。设计了水火电力系统资源调度问题的数学模型,给出了混沌粒子群调度算法的框架,通过引入最优粒子的混沌搜索机制、优势粒子和劣势粒子的权重自适应调节机制,从而使算法具有动态自适应性,能够较容易地跳出局部最优。实验结果表明,本算法方案能有效解决水火发电资源调度问题,具有较好的应用价值。     

基于粒子群优化模式搜索的支持向量机参数优化及应用

针对核函数参数选择的重要性,提出了粒子群(PSO)模式搜索算法来搜索最优参数,该算法结合了PSO算法的全局搜索能力强和模式搜索的局部收敛性好的优点,使PSO模式搜索算法表现出了较高的性能,并将其应用到农业科技项目分类中。实验结果表明,该算法不仅效率高,收敛速度快,而且搜索到的最优参数达到了较高的准确率。     

三种混合粒子群算法比较

混合粒子群算法是融合其它算法或技术特性来针对性地对基本粒子群算法进行改进的一类算法.文中对其中有代表性的三种:交叉粒子群、免疫粒子群、混沌粒子群展开了比较研究,分别从混合目的、混合基本方式、混合算法实现的关键步骤、混合算法的优化性能等多个方面对这三种混合算法进行了比较.通过这些比较,总结出了三种混合算法基本的混合方式及...     

一种基于双线性对的群密钥管理方案

现有群密钥管理方案大都基于GDH(Group key Management Based on Diffi}Hellman)密钥交互协议,该协议限制了子树规模。针对这一问题,提出一种基于双线性对的群密胡管理方案(13PGKM, Group Kcy Managcmcnt based on I3ifinear Pairing),该方案在保证安全的前提下可扩大密钥树中子树的规模,以支持更大规模的网络,同时可使计算操作减少一半,以提高群密钥管理操作的效率。     

粗糙集及PSO优化BP网络的故障诊断研究

针对PP神经网络故障诊断存在网络结构复杂、训练时间长、精度不高的问题,将粗糙集、微粒群算法、遗传算法引入到柴油机故障诊断中,提出了基于粗糙集理论与改进PP神经网络相结合的柴油机故障诊断算法。算法采用自组织映射方法对连续属性离散化,利用粗糙集理论对特征参数进行属性约简,使用微粒群算法优化PP网络结构,从而缩短训练时间,有效提高故障诊断的准确度。最后用柴油机的实际诊断结果验证了该算法的可行性、快速性和准确性。