粒子群优化算法及其应用

介绍了粒子群优化算法及该算法的优越性,并与遗传优化算法进行了比较;针对经典粒子群算法存在的不足,介绍了一个改进的动态改变惯性权的自适应粒子群算法;最后,以神经网络为例给出了粒子群优化算法的应用.     

改进粒子群算法在新能源发电调度中的应用

为了提高新能源的利用率,以及对风电与火电之间的协调调度,研究采用优化粒子群算法结合通用分布理论构建风-火发电系统调度模型。研究结果显示,优化多目标粒子群算法的IGD均值比另外两种算法分别低0.003 46和0.003 73;采用通用分布理论的模型平稳性高1.8%,运行成本低261.5万元;相比传统模型,该模型的风电总上网量高450 MW·h,运行成本低7万元。结果表明,风-火发电系统调度模型能够有效对新能源发电进行协调调度,具有较高的实用性。     

基于进阶粒子群优化算法的云计算资源调度策略研究

云计算是一种商业计算模型,云厂商一般都有自己的资源分配和任务调度模式,但并没有统一的标准和规范。分析云计算系统资源调度,提出一种基于进阶的粒子群算法,采取集群动态协作产生优质粒子及对粒子逆向作用平衡局部资源的策略,以达到全局及局部搜索双向资源最优。经云仿真平台测试表明,应用该算法的调度策略可行且高效。     

一种快速自适应粒子群算法

为了解决标准粒子群优化算法(SPSO)不能适应复杂非线性优化过程的问题,提出了一种动态改变惯性权重的快速自适应粒子群优化算法(QAPSO),直接利用群粒子的位置分布情况控制粒子飞行的惯性权重,借助于个体最优位置和全局最优位置的平均作用避免粒子陷入局部最优。通过多个基准函数仿真结果表明,在不引入额外设计及增加实现复杂度的前提下,相对于SPOS等经典算法,QAPSO在收敛速度、最优解精度等方面获得了大幅提升,尤其对于多峰函数效果更明显。     

动态自适应粒子群优化算法

针对粒子群算法存在局部最优,易陷入局部最小值的问题,提出了一种基于早熟收敛程度的惯性权重的评价方法,来动态调整惯性权重的自适应粒子群优化算法DAPSO（Dynamic Adaptive Particle Swarm Optimization）,通过仿真并于其它算法相比较,验证了算法的有效性。     

带自适应变异的粒子群优化算法改进研究

针对函数优化的非线性特点,在标准粒子群优化算法的基础上,提出了一种带自适应变异的粒子群优化算法.该算法对惯性权值进行参数设计,建立非线性递减策略曲线模型,通过设置校准系数,改变惯性权值的曲线变化率,使其随迭代过程进行自适应变化.通过在迭代初期选取较大的惯性权值,增强算法的局部寻优能力,加快算法收敛速度,而在迭代后期选取较小的惯性权值,提升算法的全局搜索性能.同时,在算法中引入变异机制,增加种群的多样性,从而更好地提升算法由局部到全局的开放式搜索能力.通过选择基准测试函数对几种算法进行性能测试,证明改进算法收敛速度快、精度高,总体性能优于对比算法.     

自适应粒子群算法在模拟电路故障诊断中的应用

针对模拟电路故障诊断中存在的无法早期诊断和精确诊断的问题,提出了一种自适应粒子群算法并将其应用于模拟电路故障诊断中。试验结果表明,该算法能实现模拟电路早期软故障的精确诊断,且与其它算法相比,该自适应粒子群算法具有较强的全局寻优能力,且收敛速度快,能够更有效地解决模拟电路故障诊断问题。     

惯性权重自适应计算的粒子群优化算法

针对标准粒子群优化算法易出现早熟收敛及寻优精度低等缺陷,提出一种自适应惯性权重计算方法 MACIW,该方法的基本思想是:构建保持大小关系恒成立的惯性权重计算式的集合,确立该集合与粒子聚集度因子之间的映射关系,依据该映射关系通过监测粒子聚集度因子来自适应地计算惯性权重。进一步地,设计了基于MACIW的自适应PSO算法APSOM。使用6个基本测试函数对APSOM算法及其他2个算法进行仿真实验比较,结果验证了算法APSOM能增强寻优能力,且具有较强的稳定性。     

粒子群优化算法发展综述

粒子群优化（PSO）算法是一种源于人工生命和演化计算理论的优化技术．PSO通过粒子搜寻自身的个体最好解和整个粒子群的全局最好解来更新完成优化．该算法原理简单，所需参数枝少，易于实现，目前已经应用到很多领域．文章阐述了基本PSO的原理。给出了各种改进技术，并展望了PSO的发展方向。     

粒子群优化算法研究

为更好地改进粒子群优化算法（Ps0）并为深入研究该算法提供相关资料,在分析PSO的基本原理和对算法在惯性权重、收敛性等方面进行深入调查的基础上,介绍了算法的多种改进形式和研究现状,阐述了PSO的数学研究现状与发展趋势,指出对PSO系统的理论研究及其性能的进一步改进和应用是PSO的发展趋势．     

基于Pareto遗传算法的多目标优化

在工程实际当中存在着大量的多目标优化问题,传统的多目标优化方法存在着明显的缺陷.本文介绍一种基于Pareto最优概念的遗传算法来求解多目标优化问题.这种方法能够给出多目标优化问题的Pareto解集,而不是单纯的一个解,从而可以帮助决策者在Pareto解集中挑选适合设计要求的解作为最终解.     

Multi-Objective Optimization of Water-Sedimentation-Power in Reservoir Based on Pareto-Optimal Solution

A multi-objective optimal operation model of water-sedimentation-power in reservoir is established with power-generation, sedimentation and water storage taken into account. Moreover, the inertia weight self-adjusting mechanism and Pareto-optimal archive are introduced into the particle swarm optimization and an improved multi-objective particle swarm optimization (IMOPSO) is proposed. The IMOPSO is employed to solve the optimal model and obtain the Pareto-optimal front. The multi-objective optimal operation of Wanjiazhai Reservoir during the spring breakup was investigated with three typical flood hydrographs. The results show that the former method is able to obtain the Pareto-optimal front with a uniform distribution property. Different regions (A, B, C) of the Pareto-optimal front correspond to the optimized schemes in terms of the objectives of sediment deposition, sediment deposition and power generation, and power generation, respectively. The level hydrographs and outflow hydrographs show the operation of the reservoir in details. Compared with the non-dominated sorting genetic algorithm-II (NSGA-II), IMOPSO has close global optimization capability and is suitable for multi-objective optimization problems. LI Hui, born in 1981, male, doctorate student. Supported by National Science Fund for Distinguished Young Scholars (No.50725929) and National Natural Science Foundation of China (No.50539060,50679052).     

仿生优化算法在片上网络映射的应用研究

片上系统发展到片上网络阶段,能耗问题已经成为片上网络技术的重要约束。在片上网络映射中应用了生物仿生算法—蚁群优化算法使系统能耗达到优化,实验表明蚁群优化算法运用较好的局部搜索算法可以很快地收敛,针对不同的应用,可以减少15%-40%的通讯能耗。     

免疫遗传算法在函数优化中的应用

生物免疫系统是一种高度并行的自适应信息学习系统,人工免疫系统是由生物免疫系统启发而来,借鉴了一些免疫系统的功能、原理和模型,主要用于信息处理和问题求解。在对免疫系统的一些基本概念和原理进行介绍的基础上,简要分析了人工免疫算法的研究现状及其改进的算法在函数优化上的应用,并提出了混沌免疫算法的思想。     

基于蚁群粒子群混合算法的多目标优化在供水管网优化设计中的应用

在城市供水系统中,管网的铺设费用占很大比重。如何最大限度降低建设成本而又保证供水的可靠性,是供水管网设计的重点和难点。基于供水管网的固有特性,结合蚁群、粒子群算法的优点,将蚁群粒子群混合算法应用到供水管网设计的多目标优化中。将蚁群中的信息素、启发因子、信息素挥发度参数映射到粒子群算法中粒子的位置坐标,通过粒子迭代寻找最优位置,并将蚁群算法通过特定信息素更新方式并限制迭代次数来进行优化,再将粒子最优位置反馈到优化后的蚁群算法中,寻找最优解。通过此算法,优化了供水管网中管径的选择,在保证供水管网可靠性的前提下,尽量缩减建设费用,为决策者提供更加经济实用的决策参考。     

模式匹配算法及其优化

介绍了几种典型的模式匹配算法,即BM算法、AC算法和AC—BM算法,在此基础上对各算法进行了分析总结,并提出对AC—BM算法进行压缩优化,以节约存储空间,提高匹配效率。     

一类组合优化问题的智能算法研究

本文讨论的各类智能优化算法在组合优化问题中的应用，对它们的算法效率，收敛性作了讨论，并给出应用实例。     

基于LM和SA的混合优化算法

针对LM算法及模拟退火算法各自存在的不足,提出一种交替使用二者的混合优化算法（SALM算法）.该算法先通过模拟退火算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用模拟退火算法和LM算法,直至发现满意的最优解.实验结果表明,新算法不但具有模拟退火算法的全局收敛特性而且保留了LM算法的局部收敛速度,克服了单纯模拟退火算法所产生的随机性和概率性问题,也弱化LM算法对初始条件的依赖程度,保证了求解的速度和精度。     

混合进化策略算法及其在函数优化中的应用

自适应进化策略中高斯变异算子容易使进化过程陷入局部最优,出现进化早熟.文中针对上述缺点,引入柯西变异算子和子代距离率方法.在进化前期采用柯西的变异,保证个体能够快速地向全局最优的方向移动;在进化后期采用高斯变异,当个体聚集在全局最优解附近时,以较小的变异步长驱动个体向全局最优解方向移动.子代距离率系数进行调整变异算子.通过对单峰与多峰函数仿真试验,验证了算法的有效性.     

免疫遗传算法在BP网络结构优化中的应用

免疫遗传算法是基于免疫原理的改进遗传算法，它能克服遗传算法易早熟、搜索效率低、不能很好保持个体的多样性等缺点。本文将免疫遗传算法用于BP网络结构优化设计中，仿真实验结果表明，该方法有很好的效果。