基于粒子群优化算法组卷的研究

研究了考试系统中一个关键的技术——组卷算法,提出了应用粒子群优化算法组卷。PSO算法源于蜜蜂群觅食,是一种智能寻优算法,它首先初始化一群随机粒子（随机解）,然后通过迭代找到最优解。PSO算法组卷是一个离散性求解问题,这是对PSO算法应用上的一个扩展。     

浅析粒子群优化算法的研究和应用

文章介绍了传统的粒子群算法的基本原理、数学模型、算法流程、算法参数等,并且介绍了传统算法存在的一些问题及近年来进行改进和研究工作,以及粒子群算法的应用。     

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。     

粒子群算法在曲线拟合中的应用

分析了粒子群算法在曲线拟合中的应用,同时对个别不理想的实验数据进行了淘汰,能进行有效的数据处理。通过具体实例表明该方法实现简单,易于理解,并且还具有很高的可靠性;分析了该算法与最小二乘法的优缺点,证实该算法是曲线拟合的一种有效方法。     

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。     

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。     

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。     

混沌粒子群算法在WSN覆盖优化中的应用

研究WSN覆盖优化方面的问题,提高无线传感网络通讯效率。针对无线传感网络节点分布不均匀或者节点失效时,WSN覆盖区域会出现重叠或者指定区域没有被覆盖,造成无线传感网络通讯效率下降的问题,提出了利用一种混沌粒子群算法,根据无线传感网络相关参数和条件建立数学模型,利用优化处理方式对其进行优化,提高了通讯效率。实验证明,利用混沌粒子群算法进行WSN覆盖优化,可以提高无线传感网络优化效率,取得了令人满意的效果。     

基于多智能体粒子群算法的松嫩平原土地利用格局优化

土地利用格局优化是实现土地资源合理配置的重要方式。本文以松嫩平原典型区域巴彦县为研究区,运用GIS和RS技术,采用Matlab编程,结合多智能体（MA）和粒子群算法（PSO）,建立土地利用格局优化模型,以粮食生产、生态安全和社会经济发展为优化目标,设计政府、职能部门和个体三类智能体（Agent）,并结合研究区土地利用格局优化目标的决策偏好确定其优化方案。结果表明：①基于多智能体改进粒子群优化算法建立土地利用格局优化模型,实现了研究区土地利用类型数量结构在时空上的合理匹配及其空间构型和空间组合方式合理配置,建立的土地利用格局优化模型可行;②3个优化方案中,方案1更加偏向于生态安全优化目标的实现,方案2更加偏向于社会经济发展目标的实现,方案3更加偏向于粮食生产目标的实现;在研究区土地利用格局子目标决策偏好的实现上,3组土地利用格局优化方案对实现粮食生产、生态安全、社会经济发展等优化目标的决策偏好具有显著差异;③研究区土地利用格局不同优化方案呈现不同土地利用结构,在空间布局上有显著的分异特征。本文完善和丰富了土地利用格局优化的理论基础和研究方法,可为土地利用规划提供有力的技术支撑。     

自适应粒子群算法在水库优化调度中的应用研究

针对传统粒子群算法在求解梯级水库调度问题时,容易陷入局部最优而早熟收敛的问题,提出自适应粒子群算法。该改进算法结合种群进化程度自适应调整算法控制参数,从而克服传统粒子群算法参数固定引起的搜索能力不足的问题。同时,采用种群局部重建策略解决种群进化后期多样性下降的问题。将改进的粒子群算法应用于清江梯级水电站的发电调度求解,模拟计算结果表明,文章提出的改进算法具有较强的全局寻优能力,可以进一步提高算法的搜索性能和求解精度。     

粒子群优化算法在油气混输管网参数优化中的应用

油气混输管网多目标参数优化问题,一直是优化研究的热点。对这个多目标线性规划问题,采用新出现的粒子群优化算法进行管网优化计算,建立优化计算的目标函数、水力热学模型及管网的分析模型,并用并列选择法和权重系数变化法对模型进行求解。该文尝试把粒子群优化算法应用到油气混输管网参数优化设计中,实验结果表明,采用粒子群算法的优化方法可以节省费用的20%以上。     

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。     

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.     

遗传算法在智能组卷中的实现

遗传算法是智能化考试系统的最常用的一种组卷算法。本文介绍了遗传算法的特点及操作过程,依据组卷时各种约束建立了数学模型,提出使用改进的遗传算法解决组卷中一些问题。最后以实验证明,使用动态调整交叉概率和变异概率可避免遗传算法的一些弊端。     

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。     

多模态优化粒子群算法的研究

基本粒子群算法直接用于求解多模态函数优化问题会存在不少问题,文章详述了这些可能出现的问题并分析了引起这些问题的原因,然后针对这些不足提出2项改进措施。这2项措施主要是为了在理论上保证找到所有极值点。最后通过对4个不同规模,不同特征的多模态函数进行测试,实验结果证明这2项措施是有效的。     

PSO算法的应用研究

介绍了PSO算法的基本原理,分析了其特点。围绕粒子群优化算法的原理、特点、参数设置与应用等方面,给出算法中的经验参数设置,对其未来的研究提出了一些建议及研究方向的展望。     

运用遗传算法进行智能组卷

遗传算法以其具有很好的并行性,全局优化性和稳定性,较适合解决自动组卷问题,文章讨论了智能组中如何运用该方法进行组卷,并尝试从编码方法上对遗传算法进行相关技术改进。     

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。     

基于随机算法的组卷策略设计

本文以在线考试系统组卷为研究背景,设计了组卷模块架构,在随机组卷算法中引入了题量、题型、知识点、难度和时间等约束条件,采用高分优先、难度限制、时间限制和随机抽取等原则选择试题,组成较为精确的试卷,为在线考试系统的组卷提供了新的方法和思路。