改进的PSO算法及其在证券组合投资中的应用

粒子群优化算法(PSO)作为一种进化计算技术,已经广泛运用到了各个行业领域中。基于不同应用领域的具体要求,人们也针对不同的技术特点对PSO进行了改进。针对PSO算法在证券组合投资中的应用要求,提出一种改进的PSO算法,并通过上海证券交易所的实际数据进行计算机模拟,证实该算法在实际证券组合投资中的实用性。     

移动机器人路径规划中的PSO优化算法研究

随着科学信息技术的发展,粒子群优化算法凭借简单的概念与易实现的特点,获得了众多科研人员的青睐,但在粒子群优化算法应用于移动机器人路径规划时,却遇到了经常陷入局部最优值的问题.本次研究提出对PSO算法进行优化以优化该局部最优的问题.在对PSO算法进行优化的过程中,采用混沌算法对PSO算法进行初始化,随后将其早熟粒子进行混...     

随机权重复合模型PSO算法

在分析了标准微粒群(PSO)算法速度运动方程的基础上,提出了一种具有随机权重的复合模型PSO算法,采用测试函数进行仿真。实验结果表明,该算法能有效地提高收敛速度和全局搜索能力。     

PSO—DFP混合算法及其参数性能分析

文章结合粒子群算法全局搜索和拟牛顿法局部精细搜索的特点,提出了一种PSO-DFP混合算法。采用标准测试函数对该混合算法的某些参数进行了分析,并给出了一些选取的指导性原则。     

基于PSO算法的OSPF多约束路由策略

利用传统SPF算法解决OSPF网络路由难题时,由于没有考虑多约束条件和有效利用次路径,一旦最优路径发生拥塞,网络传输性能将急剧降低。将PSO算法应用于OSPF网络路由规划,利用多约束条件并结合OSPF网络多种路由参数的特性,重点对有效改善网络局部拥塞和快速求得全局最佳路由及若干次路由算法进行探究,并利用仿真数据对所提出的改进算法进行验证。结果表明,在解决OSPF网络路由规划问题中,PSO算法较传统遗传算法和SPF算法能实现网路传输性能更优。     

基于PSO优化的模糊RBF神经网络学习算法及其应用

有一种基于PSO优化的模糊RBF神经网络学习算法,该算法首先将模糊RBF神经网络需要调整的参数作为粒子,利用PSO算法的全局搜索及快速收敛特性对模糊RBF神经网络结构进行优化,然后将经PSO算法优化的各参数结果作为模糊RBF神经网络各个参数的初始值,再结合梯度下降法对网络的各参数进行动态调整。将之应用于对UCI数据集的分类及函数逼近,仿真结果表明优化后的模糊RBF神经网络具有更高的精度及鲁棒性。     

基于Dijkstra算法的皖北区域旅游交通线路优化

基于Dijkstra算法研究思想,以亳州至淮南为例,研究了皖北区域各城市之间旅游交通线路的优化问题。力求能够利用最小成本,获取最大旅游效益的最佳旅游交通线路,为皖北区域旅游经济一体化的构建奠定理论基础。     

区域填充算法的研究

区域填充算法是计算机图形学的一个重要研究课题.传统的区域填充算法存在填充结果不完备及算法效率不高的问题,在分析了两种传统区域填充算法的原理的基础上,详细阐述了四种改进的区域填充算法,并对算法的效率性能进行比较分析,最后指明了区域填充算法未来的研究热点.     

基于改进PSO算法的电力系统无功优化

本文采用的无功优化数学模型虑了系统的实际约束条件和无功调节手段,能够准确直观地反映电力系统无功优化的实际问题。在此基础上对基于粒子群算法的无功优化作了深入的研究,尝试利用粒子群优化算法对无功优化问题进行求解。对常规粒子群算法的搜索策略进行了改进,对约束条件、离散变量都采取了一定的改进处理措施。以IEEE-6节点系统为例进行了仿真计算,验证了本文模型和算法的正确性、适用性和经济性。     

变异概率对PSO算法求解TSP问题的影响研究

提出了一种求解旅行商问题的改进粒子群算法,该算法引入了求解离散问题的学习机制和变异策略以提升粒子群算法求解旅行商问题的效率.通过对两个经典的测试问题(Oliver30和burma14)的仿真研究,表明不同变异概率对算法的影响,当变异概率为0.5时,算法的运行效率最高.     

穷举法与粒子群算法的比较

穷举法是一种传统的搜索方法,主要思想是列出所有可行解,然后找到满足条件的答案.粒子群优化算法是一种新型的群体智能算法.与传统的算法相比较,具有算法简捷,搜索速度快,易于实现等优点,该算法利用个体在解空间的随机速度来调整位置,具有很强的随机性.     

基于多混沌PSO和Snake模型的图像分割算法

针对分割图像目标是无法提取目标的真实边缘且实时性不佳,引入混沌系统改进的PSO(简化粒子群算法)提取出的目标边缘作为Snake模型分割的起始位置,优化能量函数后分割出精准目标.实验表明:对图像目标进行分割的时间减少且精准度也提高了。     

基于PSO优化的灰色神经网络预测算法的研究

由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度.     

一种基于混沌思想和邻域探测机制的PSO算法

在分析基本PSO算法早熟收敛原因的基础上,提出一种基于混沌思想和自适应邻域探测机制的粒子群优化算法（CANE-PSO）.该算法先引入混沌思想对粒子种群进行位置初始化,以提高初始种群的多样性,再引入随机的邻域探测机制,并引入全局极值变异算子,增强了算法的全局搜索能力.通过与其它三个改进算法比较,结果表明CANE-PSO优化效率有较大的提高,较有效地避免了早熟收敛问题.     

高职专业教学资源库平台升级改进策略研究——以金融专业教学资源库为例

以“课程中心”“微课中心”“培训中心”的典型学习案例,从不同角度系统呈现金融专业课程体系的核心内容,实现资源库“能学、辅教”功能;以微课视频和动画为主体要素,在知识点和技能点搭建基础上,遵循建设思路,落实“微内容”“微平台”“微学习”“微作业”的教学实践。在当下疫情防控期,项目主持的课程承担全程在线教学任务,探索在线教学新课题,以实践验证项目建设成果的应用价值。     

粒子群算法在重载齿轮多目标设计中的应用

粒子群优化算法是一种基于群智能的优化方法,规则简单,收敛速度快.将此算法应用于重载齿轮的多目标优化设计,建立基于粒子群优化算法的重载齿轮多目标优化设计的数学模型,实践表明可以快速、有效地求得齿轮优化解.     

西部大开发与多维系统发展观

在经济全球化、知识经济、网络经济的大背景下,西部应当确立一种新的发展观念——多维系统的发展观。在多维系统要素的融合发展中,寻求西部发展的契机和创造活力。     

优化诊断学实验教改及紧密结合临床实践的思路

医学教育是教育事业的重要组成部分,为了全面提升卫生从业者的综合素质,适应社会发展的需求,优化诊断学实验教学紧密结合临床实践刻不容缓。结合我校教学的实际情况,对优化现有的诊断学教学方法进行思考,才能培养出时代需要的合格医学人才。诊断学是医学生成为医生之前的一门必修课,而教改的方向是培养和提高学生成为医生的资质,以便走上工作岗位之后能够有足够的实践能力为患者进行诊断和治疗疾病。