改进量子粒子群自适应优化算法

<正>近年来,智能优化算法层出不穷,如：灰狼优化算法（Grey Wolf Optimization,GWO）、鲸鱼优化算法（Whale Optimization Algorithm,WOA）、粒子群算法（Particle Swarm Optimization,PSO）、遗传算法（Genetic Algorithm,GA）等。由于智能优化算法参数较少,容易实现,受到各国学者的青睐。但是,随着优化功能的具体化和规模的庞大化,部分单一算法无法兼顾收敛速度和精度,无法满足实际应用的需求。     

多种群粒子群分层进化优化算法

粒子群优化算法已越来越广泛的应用于求解优化问题,它简单实用且对一些复杂问题也能得到不错的结果,但它收敛速度慢且容易陷入局部最优值。多种群粒子群分层进化优化算法让粒子分层进化,对于具有不同适应度值的粒子采取不同的进化措施,提高了算法的收敛速度和精度。     

基于改进的PSO算法的小波神经网络

本文针对粒子群算法具有不易陷入局部极小、收敛速度快等特点,提出了一种基于粒子群的小波神经网络学习算法,优化了小波神经网络中的各个参数,并将应用于函数仿真试验。试验表明,该算法能减少迭代次数、提高收敛精度,是小波网络的有效训练算法。     

梯度微粒群算法在经济负荷分配中的应用

针对微粒群算法在解决电力系统经济负荷分配(ED)时容易早熟收敛和后期收敛速度慢的特点,将梯度微粒群算法(GPSO)应用于ED问题的求解,算法考虑了机组的运行约束。本算法对在迭代过程中微粒的位置及适应度计算,获取梯度信息,进一步调整惯性权重,从而提高基本微粒群算法的收敛速度,避免其容易陷入局部极值。运用GPSO算法对IEEE30节点系统进行计算,并将其计算结果与微粒群算法(PSO)、梯度法和遗传算法(GA)进行比较,优化结果好于上述3种方法,分析表明该方法是可行的、有效的。     

自适应粒子群算法在微波电路中应用

常规粒子群算法(SPSO)在优化过程中易陷入局部最优,本文分析了常规粒子群算法陷入局部最优的原因,提出采用一种自适应粒子群算法(APSO)避免陷入局部最优,改善算法的收敛性和精度。最后用自适应粒子群算法设计宽带阶梯阻抗变换器,结果表明,与常规粒子群算法相比,自适应粒子群算法全局速度快、成功率和精度也有显著提高。     

基于PSO的梯形断面水跃共轭水深计算方法

梯形明渠水跃共轭水深计算方法存在精度低、计算量大、操作复杂等不足,针对这些问题将粒子群算法(PSO)引入梯形明渠水跃共轭水深计算中,实例应用表明PSO算法计算准确、收敛快,为梯形明渠水跃共轭水深优化计算提供了方法参考。     

基于粒子群算法的物资配送优化决策研究

物资配送中心选址、配送点的设置,对降低物流成本、提高物流效率有重要作用。粒子群算法具有运算时间短、精度高等优点,适宜物资配送中心选址及配送点设置决策。根据资配送原则建立相应的配送模型,并采用粒子群算法求解。仿真结果表明,求解规模为30个物资配送点的模型时,粒子群优化算法运行时间仅为2.123s,在第38代收敛到最优。     

基于混合搜索策略的蝴蝶优化算法

蝴蝶优化算法一种模仿蝴蝶觅食行为群智能优化算法,充分利用蝴蝶的嗅觉来确定食物源的位置上,但是该算法与其他智能算法一样,也存在一些缺点和不足如收敛速度和求解精度等方面的问题,本文提出一种混合搜索策略蝴蝶优化算法,在搜索的过程引进柯西搜索算子项使算法的局部搜索能力有所改进,最后通过标准函数测试,结果表明收敛速度和求解精度都有所提高.     

基于多策略BPSO算法的关联规则挖掘

针对传统关联规则挖掘在处理高维大型数据时运行效率不高的问题,提出一种基于多策略二进制粒子群优化算法的关联规则挖掘方法。该方法使用二进制粒子群优化算法搜索关联规则,无需人为指定支持度、置信度等阈值,同时引入反向学习策略、细粒度惯性权重及V型函数,降低算法陷入局部最优的概率,提高算法的收敛精度。实验结果表明,改进后的算法收敛速度较快,且平衡了可靠性、相关性及可理解性等多个指标,能挖掘出更为有效的关联规则。     

基于粒子群算法的偏置进近航段多目标优化

为了提高偏置Ⅰ类精密进近飞行程序的设计精度,对其采用改进型的粒子群算法。在求解过程中对粒子群算法进行了约束改进,提出了符合本文的改进粒子群算法,能更好产生初始解,进而处理个体极值和全局极值的选取问题。根据程序设计理论对优化问题构建约束条件,建立多目标分层优化目标函数求解非支配解,最终通过某机场进行验证。     

基于BA*优化Otsu的电力设备红外图像分割

红外图像感兴趣区域(ROI)分割是电力设备故障智能诊断技术的关键步骤之一,针对分割过程中最大类间方差(Otsu)法阈值选取困难、耗时量大的问题,提出了一种基于改进蝙蝠算法(BA*)的Otsu分割方法。为加快蝙蝠群收敛速度,引入Logistic函数模型更新蝙蝠算法脉冲响度因子,使用BA*搜索Otsu最佳分割阈值。结果表明:相比于Kapur法、Kittler法、PSO+二维熵法,该方法提高了图像分割精度,与蝙蝠算法(BA)优化Otsu的分割法相比,该方法的收敛性能更加优越,有效地解决了红外图像阈值分割的问题,为后续设备温度场特征提取与分析奠定了基础。     

基于混沌和非线性规划的萤火虫算法

为了弥补标准萤火虫算法(FA)收敛性差、精度低和时间性能差等不足,采用Tent混沌映射初始化萤火虫种群位置,提升初始化萤火虫种群质量;在萤火虫位置更新迭代过程中,采用非线性规划优化萤火虫位置,增强了算法的局部搜索能力,提高了算法的收敛性能和优化精度以及时间性能。通过仿真证明所提出的新算法具有较强的搜索能力和收敛性,提高了标准萤火虫算法的求解精度。     

一种改进的萤火虫算法的研究

萤火虫算法是一种新的智能算法,被广泛的使用在优化问题的解决方面,针对算法存在收敛速度慢,求解精度低的缺点,提出了引入人工鱼群算法中的聚群行为和追尾行为改进算法,仿真实验采用3个经典测试函数来测试本文算法和萤火虫算法,实验结果说明了本文算法能够有效的提高性能。     

一种求解云计算资源优化的改进蝙蝠算法

为了最大限度优化云计算资源分配中的执行速度,平均响应时间和系统利用率,提出一种基于高斯差分变异蝙蝠算法(GDMBA)的云计算资源调度优化方法。首先引入高斯差分变异改进蝙蝠算法,避免蝙蝠个体陷入局部最优,改进后的算法加快了收敛速度,提高了收敛精度,然后采用GDMBA对资源调度进行寻优。仿真实验表明,GDMBA有效提高了算法性能,在云计算的资源调度中有效优化了云计算系统中的资源调度能力,提高了云计算资源的利用率。     

基于改进PGA-PSO的多无人机协同雷达侦察任务分配

文章研究多无人机协同侦察相控阵雷达模式转移规律过程中的任务分配优化.为了以最小能耗无重复侦察雷达全部波位,根据相控阵雷达波位覆盖方式,分析比较了三种波位侦察点选择方案.在此基础上,根据侦察点访问约束、无人机航程和能耗约束,以无人机总能耗最低为目标,建立多无人机侦察任务分配的多旅行商优化模型.基于单亲遗传—粒子群混合算法(PGA-PSO),使用分组最优个体选择和多变异操作,保证算法快速收敛的同时,提高算法求解精度.仿真结果表明,通过优选侦察点和优化任务分配可大幅提高多无人机协同的侦察效率,改进的PGA-PSO算法较其他算法求解精度高,收敛速度快.     

基于粒子群优化训练的模糊控制数学建模方法

为了有效提高模糊控制系统的精度和计算效率,结合混合粒子群优化算法,进行模糊控制系统的数学建模。传统的模糊控制数学建模采用纳什均衡求解方法,难以收敛到状态空间的最优解,导致控制性能不好。提出一种基于粒子群优化训练的模糊控制数学建模方法,构建了模糊控制的总体结构模型,进行标准的粒子算法描述,在随机泛函的学习样本约束下,求得模糊控制参量的控制域任意Borel子集的全局最优解。采用位置矢量适应度更新方法进行粒子群优化训练,实现对模糊控制数学模型改进。仿真结果表明,该数学模型的收敛性较好,降低计算开销,提高了模糊控制精度。     

一种改进的粒子群算法的优化

粒子群算法是一种全局智能优化算法,针对该算法在早期迭代中容易造成局部极值,在后期迭代中容易造成种群的多样性消失,使得算法收敛速度减慢,求解质量不高等缺点。本文提出通过收敛吸引因子粒子来获得局部最优值;加入扰动函数来更新粒子的速度来提高了算法整体效率。经典测试函数证明本文算法性能明显优于基本PSO算法,同时在算法复杂度方面优于其他的智能算法,有效地提升了算法的求解精度。     

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。     

一种改进的蛙跳算法的研究

蛙跳算法是一种启发式的智能算法,在优化问题中具有广泛的应用,针对该算法求解精度低,收敛速度慢,容易陷入局部的缺点,从4个方面提出了改进:(1)引入Tent混沌来改进蛙跳的种群初始化;(2)通过最大化搜索策略提高局部搜索;(3)最差个体中引入柯西因子进行优化;(4)采用模式搜索来优化最优个体.通过5个测试函数说明本文的算法能够有效的提高算法的性能.     

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.