基于混沌序列的粒子群算法

对标准PSO算法进行分析的基础上,针对PSO算法中的早熟收敛问题,提出了一种基于混沌序列的PSO算法（CPSO）。CPSO算法能够保证粒子种群的多样性,使粒子能够有效进行全局搜索;并以典型的基准优化问题进行了仿真实验,验证了CPSO的有效性。     

永磁同步电机控制策略

本文对永磁同步电机控制策略进行了综述。简要介绍了永磁同步电机控制系统在发展中出现的各种控制策略,并给出不同解耦方法下控制系统的结构图。     

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.     

基于粒子群算法的最优值求解

粒子群算法是基于群体智能理论的优化算法,广泛应用于多元函数极值求解。本文通过建立基本粒子群算法流程图,应用MATLAB编程求解实例,结果说明粒子群算法计算优于其他优化算法。     

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。     

基于粒子群算法的自适应陷波器设计

传统的基于LMS算法的自适应陷波器,由于极易受到步长及其它参数的影响,学习曲线并不理想。文章在分析步长对基于LMS算法自适应陷波器的影响的基础上,将粒子群(PSO)算法应用到自适应陷波器的设计中。通过仿真结果显示,基于PSO算法的自适应陷波器收敛速度快、具有鲁棒性,优于传统的基于LMS的自适应陷波器,从而证明其有效性、可行性及工程价值。     

基于粒子群优化算法的D-STATCOM控制器设计

为了提高配电网系统的电压稳定性和无功补偿设备的快速反应能力,提出了基于粒子群优化(P S O)的静止无功补偿器(D-STATCOM)参数寻优设计。本文对系统的工作原理及运行效果进行了详细分析,提出了控制器参数寻优设计方法,并进行了仿真研究。仿真结果证明了控制策略及参数整定方法的可行性和正确性。     

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。     

基于自适应变异的动态粒子群优化算法

提出了一种新的基于自适应变异的动态粒子群优化算法。该算法除了采用动态惯性权重外,还引入了自适应学习因子和新的变异算子。该算法在运行过程中,根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率,采用新的变异算子变异增强了该算法跳出局部最优解的能力。对几种典型函数的测试结果表明：新算法具有很强的全局搜索能力。收敛速度和收敛精度也有所提高,并且能有效避免早熟收敛问题。     

基于粒子群算法参数优化方案的研究

演化算法被广泛应用于求解NP类组合优化问题。其中粒子群算法因其算法易于实现且效果显著,自其诞生以来就成为研究的焦点。在算法的实际应用过程中会遇到如何兼顾算法收敛高效率和避免过早收敛于局部最优这两种相互博弈的算法优化因素。针对这一问题本文对两种粒子群算法的参数优化方式进行比对,提出了未来算法参数优化的研究方向。     

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。     

基于粒子群优化的图像边缘融合算法

目前,图像融合算法大多利用源图像信息进行融合,融合模型的建立和融合参数的配置主要依赖于经验,存在随意性。提出了一种基于粒子群优化的图像边缘融合算法：首先对源图像进行多尺度边缘检测;然后利用边缘相关性作为目标函数,采用粒子群算法优化搜索融合参数;最后利用融合后的多尺度边缘重构出融合图像。该算法克服了融合模型对经验的依赖性,使得源图像边缘信息最大量地保留在融合图像中。仿真结果表明,使用该算法得到的融合图像能够有效包含源图像信息。     

基于粒子群算法城市救援设施地址选择

采用GIS的思想将城市的救援点转化为二维平面图形,然后采用规划论的方法建立模型,最后采用改进的粒子群算法对其进行求解得出最终的结果.     

基于自然选择粒子群算法的PID参数优化

PID控制在工业生产中得到广泛的应用,其性能指标取决于PID参数的选取。粒子群算法是一种常见的智能化算法,简单便于实现,文章采取基于自然选择改进的粒子群算法优化PID控制器的参数,与经典的粒子群算法相比较,文章所提出的算法有效地避免了经典粒子群算法过早陷入局部最优的问题,具有较高的求解效率。     

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。     

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.     

基于粒子群算法的投资组合模型研究

在传统Markowitz投资组合模型中考虑了交易费用和投资数量限制等实际因素,得到了一个改进的投资组合模型,该模型是一个非线性规划问题,在很多情况下,如果采用传统的数值优化算法往往不是很有效.为此,设计了一个基于粒子群的优化算法求解该模型.     

基于粒子群算法的企业项目群进度优化模型研究

通过层次分析法,计算出项目群中各项目相对于项目群进度优化总目标的权重,进而计算出不同单位约束资源的使用在项目重要性权重约束下,对项目群整体相对进度优化值的影响。引入粒子群算法,设计算法流程,构建约束资源分配模型,对目标模型进行求解,从而实现项目群整体进度的优化。通过算例验证粒子群算法在解决项目群进度优化管理的可行性和有效性。