基于离散粒子群算法的多约束多目标优化

利用粒子群算法(PSO)提出了一个新的粒子编码方法,并将其用于高校排课问题。通过对某高校的排课数据进行测试,结果表明,本文所提出的改进PSO算法对于解决高校排课问题的优化是有效的,对其它多目标问题地求解也有借鉴意义。     

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.     

应用新型量子粒子群优化算法求解PFSP问题

为了提高粒子群算法在求解调度问题时的搜索能力和优化效率以及避免早熟收敛。通过采用了一种新颖的量子粒子群算法,用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;并采用量子非门来实现变异,从而提高种群多样性。由于每个量子都有两个概率幅,因此每个粒子实际占据两个粒子位置,所以在粒子数目相等的情况下,能加速粒子的搜索进程。仿真实验结果表明,在求解置换流水线生产调度问题时优于基本粒子群算法。     

基于粒子群算法的物流配送路径优化问题研究

本论文在建立物流配送路径优化问题的数学模型基础上,构造了求解该问题的粒子群优化算法。并通过实验数据进行计算,结果表明可以有效地求得问题的最优解,是解决路径问题的一个好方法。     

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。     

一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在“认知”部分和“社会”部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

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。     

粒子群优化算法及在电力系统中的应用

粒子群优化PSO(Particle Swarm Optimization)算法是一种有效的全局优化技术,PSO算法通过粒子间的相互作用在复杂搜索空间中寻求最优区域。PSO的优势在于算法简单,容易实现。从研究PSO算法及其在电力系统中的无功优化、最优潮流计算、电网扩展规划、机组优化组合、经济负荷分配等方面的应用现状出发,对其研究发展方向作了展望。     

函数优化的模糊粒子群算法

在传统粒子群算法的基础上运用模糊规则表加入了新的扰动因子,提出了一种新的算法--模糊粒子群算法。算法结合了模糊控制器中输入输出的模糊化处理和粒子群寻优的特点,为实际问题提供了新的解决手段。将模糊粒子群算法应用于函数优化的问题上,通过多组实例数据进行测试,验证表明了本算法具有良好的有效性和鲁棒性。     

基于混合粒子群的核磁共振反演算法研究

传统的基于最小方差原理的反演结果依赖于初始模型选择,易陷入局部极小,针对以上问题,文章利用完全非线性反演方法-粒子群反演算法,对核磁共振探测地下水的数据资料进行反演解释,该算法具有操作简单,并行处理,不要求被优化的目标函数具有可微、可导、连续等性质的优点。将基本粒子群算法与模拟退火算法结合,加入非线性约束优化条件,使其适用于核磁共振探测地下水数据资料的反演解释。试验结果表明,混合粒子群反演算法反演结果精度较高,收敛速度较快,验证了粒子群优化算法在核磁共振反演应用中的可行性。     

基于混沌粒子群算法的多目标项目调度研究

作为项目调度管理中三大控制要素的工期、成本、质量是决定项目建设成败的关键。首先通过采用动态加权技术构建工期-成本-质量的多目标综合优化模型,同时鉴于基本粒子群算法容易陷入局部最优,提出一种将混沌优化嵌入基本粒子群的新算法用于求解该多目标项目调度模型问题。最终通过实例计算表明:相对于基本的粒子群算法,混沌粒子群算法可以更为准确快速地解决该模型下的工程项目多目标优化问题,实现了项目调度管理中有效平衡工期-成本-质量各目标,并达到综合最优方案的理想效果。     

基于粒子群优化算法的边坡安全系数估计

粒子群优化算法具有全局性能好、搜索效率高、容易实现等优点.文章在极大似然估计模型的基础上,采用粒子群优化算法,提出一种基于实例的边坡安全系数估计模型.工程实例研究表明,该模型精度明显优于传统极大似然估计模型和遗传算法优化模型,说明本文方法是科学可行性的.     

基于碳循环的黄淮海平原耕地固碳功能研究

耕地固碳作为陆地主要生态系统固碳的有效补充,越来越引起学术界的广泛关注。但是,目前耕地固碳功能研究多从生态学角度研究耕地植被、土壤等碳吸收、碳释放以及将耕地看作纯自然生态系统研究系统碳平衡,缺乏从土地利用和管理学科角度对耕地固碳功能进行系统阐述和研究。黄淮海平原作为中国重要的粮食主产区,区内耕地面积大,耕地利用模式典型。本文以黄淮海平原为研究区,从耕地利用系统的角度出发,基于整个系统碳循环过程,构建了黄淮海平原耕地利用系统固碳功能研究基本框架,并基于生态学角度陆地生态系统固碳相关研究成果,从耕地固碳能力、固碳效率和固碳优势度三个方面对黄淮海平原耕地固碳功能进行了评价。研究结果表明：耕地利用过程中的耕地固碳功能认识,应从自然固碳能力、理想固碳能力、现实固碳能力和区域固碳能力4个层次展开,黄淮海平原耕地固碳能力在各个层级上均表现出正向性;此外,黄淮海平原耕地平均固碳效率为2.5,固碳优势度达到0.85,黄淮海平原耕地固碳功能在本区域具有不可忽视以及区域内其他生态系统不可替代的重要作用,在本区域应该作为耕地的重要功能进行显化。本研究不仅可为耕地生态功能理论研究提供新思考点,也为提升耕地的生态效益、缓解气候变化以及耕地生态补偿方面研究提供了参考和支撑。     

基于主体功能区划视角的区域土地利用模式研究

从介绍主体功能区的概念出发,结合广西的主体功能区划情况,分析了该区划的布局特征;然后根据得到的启示,同时基于主体功能区划的视角,提出了从区域统筹、城乡统筹和集约利用统筹这三个方面构建土地的可持续利用模式,并对该模式提出了相应的保障措施和实施建议。     

粒子群神经网络在手机物料库存预测中的应用

物料库存预测是企业经营管理的重要方面,它直接影响企业的生产与销售以及企业经济效益的实现。开展物料安全库存预测研究对于合理地控制物料的进出,节约存货空间,降低库存成本,提高库存管理的科学性和企业经济效益具有重要的理论意义与实际应用价值。文章构建了基于粒子群优化的神经网络的手机物料库存预测模型,实验结果表明,手机物料库存的预测值与实际值吻合度较好,该方法可有效地提高预测准确度,对实际生产具有一定的指导作用。     

混沌粒子群算法在数据库查询优化中的应用

查询计划的一棵左深树看作是一个粒子,对于左深树上的连接操作后序遍历生成一个编码,对粒子群进行速度和位置更新操作,并通过引混沌搜索机制,对粒子进行混沌扰动,保证粒子群个体的多样性,最后通过粒子间的信息共享与传递找到最优数据库查询优化方案。     

基于改进均值聚类的混合型数据库查询优化算法

采用传统算法进行混合型数据库查询,由于文档与查询的匹配过于严格,存在对检索词的重要程度无法区分的问题,造成无法进行检索结果的排序的缺陷。为此,提出了一种基于改进均值聚类算法的混合型数据库查询优化方法。建立混合型数据库查询执行计划代价模型,精准的定义了数据库查询执行代价。将改进均值聚类算法与粒子群算法有效的相融合,将粒子群中的粒子划分为多个子群,更新所有的粒子,通过粒子间的相互信息融汇,搜寻到数据库查询最优解。实验仿真证明,基于改进均值聚类算法的混合型数据库查询优化方法精确度高,效率高。     

我国研究生培养模式优化分析

研究生培养模式多样化是我国社会经济发展,个体需求多样化,研究生教育内在规律及其自身不平衡发展的必然要求。在分析学徒式、专业式、协作式相结合的多样化培养模式的基础上,提出了实现我国研究生培养模式多样化的建议,以期对我国研究生培养质量的提高起到一定的指导作用。