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。     

基于自适应脊波网络的高光谱遥感图像分类

神经网络是遥感地物自动分类的重要工具之一。利用多尺度几何分析中的眷波基函数建立了一种自适应眷波网络模型。在传统自适应粒子群算法的基础上,提出一种引入粒子密度因子的自适应粒子群优化算法作为网络训练算法。为验证其性能,利用互信息约简技术对22。波段AVIRIS 92AV3C高光谱数据进行约简,并将它们作为网络输入实现对高光谱遥感地物的自动分类。仿真试验表明:引入粒子密度因子的粒子群算法与传统粒子群算法相比,不易出现早熟问题,在处理高维非线性组合优化问题时具有一定优势;由于眷波函数对高维奇异性的表征能力,相比于传统的RBF和SVM分类器,脊波神经网络分类器对具有明显边界特征的地物分类问题具有较高的精度,同时网络规模小,结构简单。     

基于聚度的PSO参数分析

对PSO方法中粒子运行规律给出较为完整的分析,考察随机性对粒子运动过程的影响,提出聚度的概念,并 通过粒子的聚度考察粒子在实际运行条件下的分布情况,给出更加具体的参数设置区间,提出一种粒子在运动过程中 的速度补偿策略,对于一些参数设置可以通过该策略提高搜索性能,该策略对实际应用中选择和调整PSO算法参数 有较强的指导意义。     

不确定竞争及合作环境影响下的动态协商模型

提出一种动态多议题协商模型(DMNM),该模型由环境分析模型(PCCM)和协商决策模型(NDM)两部分组 成。PCCM利用生态学中的种群自生长原理,结合种群密度变化情况对竞争及合作环境进行有效分析。NDM通过 引入个体战略特征提高决策模型的灵活性,并利用一种基于协同进化的混合优化算法(CE-HOA)实现多议题让步平 衡,以保证决策者的利益。实验结果表明,提出的协商模型(DMNM)不仅能够有效平衡决策者对当前利益和长远利 益的选择,而且最大化地保证了决策者的收益。C;E-HOA算法在保证解质量的前提下提高了搜索效率,使得决策过 程更为高效。     

模糊系统的微粒群并行聚类算法

为了解决大规模的数据聚类问题时需要的大量计算,提出了一种模糊系统的微粒群优化并行k-means聚类算法。该方法利用模糊规则,动态地调整微粒群惯性权重和加速因子,克服群体逐渐失去迁移性而停止进化的问题,保证群体多样性而避免陷入局部极小值。采用任务并行和部分异步通信模式,降低计算时间。实验结果表明,该算法在并行机群上运行时,加快了聚类算法的计算速度,提高了聚类质量。     

基于粒子群优化算法电机转子故障诊断研究

提出一种基于反向粒子群优化算法感应电机转子故障诊断方法。将转子磁链误差作为粒子群的适应度函数,通过反向粒子群优化算法自适应调整转子磁链电流模型的参数,辨识故障状态下感应电机的转子电阻。仿真结果表明,该方法对电源电压、负载波动具有较强的抗干扰能力,运算效率高,收敛速度快,具有良好的辨识效果。