基于粒子群优化算法的结构系统辨识

针对一般智能理论辨识方法在结构系统辨识中存在的问题,提出一种基于粒子群优化算法(PSO)的辨识方法。用粒子群中的粒子表征结构物理参数,以最大似然准则为粒子群优化算法的适应度函数,建立了结构系统的辨识模型。数值仿真分析表明,粒子群优化算法可以精确辨识出结构系统的物理参数。     

基于粒子群优化算法的层次深度图像压缩算法

提出了一种基于粒子群优化算法的层次深度图像的存储空间优化算法。首先利用2D纹理队列数据结构来存储层次深度图,然后把最小存储计算问题转化为在视线空间内的最优化问题,利用粒子群优化算法寻找最优方向使有效纹元总数最小并结合传统压缩方法来减少层次深度图结构消耗的系统空间。     

粒子群优化的细菌觅食算法在变风量空调机组中的应用

本文主要研究对象是变风量空调机组中的送风管道静压控制回路,将具有良好全局寻优能力的细菌觅食算法应用到该控制回路中,同时为了改善细菌觅食算法收敛速度较慢的缺点,将粒子群算法引入到细菌觅食算法中,对细菌觅食算法中的细菌位置更新进行优化,并利用优化后的细菌觅食算法对PID控制器的三个参数进行整定,将整定后的参数应用到控制回路中。通过matlab仿真,并将细菌觅食算法、粒子群算法,粒子群优化的细菌觅食算法进行比较,结果表明经过粒子群优化的细菌觅食算法收敛速度明显加快。     

2.5MPa饱和蒸汽下钢铁余热回收中的空气燃烧系数节能控制

在2.5 MPa饱和蒸汽环境下,空气燃烧系数跳变概率大,为了提高钢铁冶炼中余热回收的效率,减少能源消耗,提出一种基于空气燃烧系数优化模型的钢铁余热回收中的节能控制方法。对余热回收系统进行热力学分析,在此基础上建立余热回收的空气燃烧系数模型,利用粒子群算法对模型中的相关参数进行优化,获得最优参数配置和最大的空气燃烧系数。由此实现饱和蒸汽下钢铁余热回收过程中的节能控制。实验结果表明,所提方法能够对钢铁余热回收进行节能控制,效果令人满意。     

基于Alopex改进的粒子群优化算法

粒子群算法是一种进化计算技术,但容易陷入局部极小点。提出了一种利用Alopex算法改进的粒子群优化算法,改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

关于0/1背包问题的粒子群优化算法

背包问题作为运筹学中一个典型的组合优化难题,有着广泛的应用背景,有许多不同的求解方法。给出了基于粒子群优化算法的一种求解方法,利用遗传算法的部分思想将粒子群优化算法应用到0/1背包问题中,得到了比较满意的计算结果。     

基于Alopex改进的粒子群优化算法

粒子群算法是一种进化计算技术,但容易陷入局部极小点.提出了一种利用Alopex算法改进的粒子群优化算法,改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题.     

基于粒子群算法优化的RBF网络控制策略及应用

提出了一种基于粒子群算法优化的RBF网络整定PID控制策略.该策略利用粒子群算法对初始PID参数及其学习率进行优化,解决了控制器初始值对控制效果的影响.通过对火灾探测器温箱系统的仿真控制,验证了该控制策略具有控制精度高、抑制噪声及扰动能力强的优点.     

并行优化KNN算法的交通运输路况预测模型

针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型,首先在采用粒子群算法对KNN算法进行优化前,引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化,然后采用最优化学习策略对改进粒子群算法的运算性能进行优化,最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度,并根据适应值函数计算每个粒子的适应度。仿真实验结果表明,本文提出的改进粒子群算法具有较好的收敛性能,基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。     

供应链销售管理PSO算法的分布式优化

针对传统粒子群算法在供应链销售管理的应用中表现出收敛性不佳的问题,本文提出了一种基于分布式优化粒子群算法的供应链销售管理模型,首先将免疫算法中繁殖策略与基本粒子群算法相结合,保持种群的多样性,然后引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行了优化,最后采用最优化学习策略在算法陷入局部最优时跳出来。仿真试验结果表明,本文提出基于分布式优化粒子群算法的供应链销售管理模型,在收敛性能上远远优于标准粒子群算法。     

基于WS小世界网络拓扑特性的自组织PSO算法

提出了一种自组织粒子群优化算法SOPSO。算法融合了WS小世界网络模型的拓扑特性和信息传递特征,将粒子种群优化过程划分为种群拓扑结构自组织构造和粒子间合作优化两个相互促进的部分,其中前者采用WS小世界模型对种群拓扑结构进行自组织构造,后者基于所产生的拓扑结构进行合作优化。描述了算法的总体流程和各个关键环节。采用高维复杂函数对SOPSO和传统粒子群优化算法进行了对比实验。实验结果证明SOPSO的学习策略赋予了粒子种群更广泛的多样性和更强的逃离局部最优能力,从而在优化成功率以及优化质量上均优于传统粒子群优化算法。     

粒子群算法网络异常检测技术研究

提出了一种新的基于粒子群算法入侵检测方法模型。算法采用粒子群优化算法,有效地降低网络拓扑路径长度,通过优化算法来寻找聚类的中心。实验结果表明,提出的改进算法与传统的入侵检测算法相比,具有更好的入侵识别率和检测率。     

火电厂锅炉燃烧优化技术分析

火电厂目前仍是国内发电行业的主流,其在燃烧过程中会排放一些有毒气体和温室气体,对环境造成一定的破坏。国家也制定一些标准和制度来减少有毒有害气体的排放,但是效果不是太为理想。因此,对锅炉燃烧进行优化,从而从根本上解决锅炉燃烧废气的排放是目前迫在眉睫的事情。本文介绍了火电厂锅炉优化现状,并对此做出一些优化,为以后锅炉设计提供参考。     

采用自适应粒子群数学算法的独立分布式系统容量优化设计

目前,由多种可再生能源组成的分布式系统得到越来越广泛的关注。本文针对典型风光储系统进行了技术与经济性评估,该系统同时包含燃料电池作为稳定电源输出。本文基于自适应粒子群优化算法(Adaptive Particle Swarm Optimization,APSO),通过对风机,光伏,燃料电池及铅酸电池的数学建模,提出一种新型容量优化方法。采用传统迭代算法作为参考,同时考虑了可靠性与经济性因素,发现自适应粒子群优化算法在各方面表现优异。     

基于自适应粒子群算法的电力系统无功优化

无功优化是电力系统安全经济运行的核心问题之一,电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划。它的目标是在满足约束条件的前提下,使系统的某个指标或多个指标达到最优。在分析配电网无功优化所面临困难的基础上提出了一种粒子群优化算法,并结合IEEE30节点试验系统利用粒子群算法以实现。计算结果表明,这种优化方法有利于提高配电网的无功优化水平。     

改进的个性化智能文献推送方法在数字图书馆中的应用研究

提出一种基于用户兴趣度矩阵和改进粒子群优化的数字图书馆文献推送方法。从用户兴趣行为特征入手,首先构建用户对文献的兴趣度矩阵,然后通过文献聚类和最近邻查询,产生最优推荐列表。其中利用改进粒子群优化算法对文献聚类进行优化,进而能够提供更高效的文献推送服务。     

基于改进粒子群算法的污水处理能耗水质优化

在污水处理过程中,保证出水水质并降低系统能耗是目标,因此提出了一种改进多目标粒子群优化算法(MOPSO)。首先,选取溶解氧和硝态氮为优化设定值,选取出水水质和系统能耗为优化目标函数,建立污水处理过程多目标优化模型,然后利用多目标粒子群优化算法进行优化,得到一系列由非支配解构成的Pareto前沿,从而确定最优系统设定值。在国际基准平台BSM1上仿真所得的实验结果表明,改进多目标粒子群优化算法在出水水质达标的基础上,有效的降低了能耗。     

粒子群优化算法的改进与分析

介绍了基本粒子群优化算法及其原理,针对其易陷入局部极值和后期收敛速度慢的缺点,研究了基于惯性权重因子的改进粒子群优化算法。通过测试函数对固定惯性权重和时变惯性权重参数的选择进行了系统的实验,并且分析了种群规模与学习因子参数对粒子群算法优化性能的影响。     

西海镇集中供热热源智能控制系统

将模糊控制算法应用到热源的控制中,采用基于T-S模糊模型的控制策略对热源水温进行控制。为获得较准确的控制器参数,利用一种改进的粒子群优化算法对T-S模型控制器参数进行优化。这种方法充分发挥模糊控制的优势,有效的克服系统的非线性和不确定性,从而提高控制效果,达到优质供热的目的。     

随动系统模糊控制的参数优化

针对随动模糊控制系统中参数量化因子、比例因子的选取过于依赖经验、缺乏规范的缺陷,本文提出了一种基于模拟退火与粒子群混合算法的参数优化方法,该方法可大幅降低系统的最大跟踪误差,优化系统的动态特性,有效克服波动力矩扰动等非线性因素的影响,使系统基本满足非线性、时变性控制的要求。仿真验证了该方法的有效性和实用性。