优化算法在TDOA系统中的分析

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和混沌优化算法的混合定位算法。本文所设计的基于Chan算法的的混沌搜索方法,提高了算法的收敛速度和性能。仿真结果表明,该算法性能稳定,能找到逼近全局最优点的解,相对于遗传算法在保证收敛性能的前提下有更快的收敛速度。     

基于蛙跳算法的人工萤火虫群优化算法

人工萤火虫群优化算法(GSO)是最近提出的一种群智能优化算法,算法具有参数少、优化求解速度快以及占用内存少等优势,但是GSO算法还是存在许多的不足,本文就是来讨论解决GSO算法中的一些不足之处.     

基于智能优化算法的通信光缆网络线路规划设计

智能优化算法是一类基于自然行为或模拟生物行为的计算方法，用于解决复杂的优化问题。这些算法借鉴了生物系统中的智能特征和机制，通过模拟、搜索和优化过程来找到最佳的解决方案。在智能算法中选取蚁群算法和遗传基因算法对通信光缆网络线路进行规划设计，通过仿真结果表明，这两种智能算法均能够提供有效的线路规划方案，具备较优的算法性能。     

一种新的自适应蚁群算法及仿真

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。本文在阐述蚁群算法概念和基本原理的基础上,提出一种新的自适应调整信息素挥发因子的改进算法,以克服其收敛速度慢、易陷入局部最优等缺点,并给出了伪代码,最后将基本的蚁群算法与本文改进后的蚁群算法进行了仿真实验,仿真结果表明,改进后的蚁群算法具有优良的全局优化性能,效果明显。     

应用微粒群优化算法进行公共图书馆选址

针对公共图书馆选址问题,引入一种定量化方法,即微粒群优化算法。具体方法是：通过公共图书馆选址模型分析,建立目标函数;然后借助地理信息系统的二次开发,提取人口密度与小区单元面积等相关信息;最后应用微粒群优化算法完成公共图书馆选址。通过实验研究,证明微粒群优化算法可以有效地定量化解决公共图书馆选址问题。     

基于免疫蚁群算法的机器人路径规划

针对移动机器人躲避障碍和寻找最优路径问题,提出了在复杂环境下的一种路径规划算法。根据人工免疫算法和蚁群算法各自的性能及优缺点,将人工免疫算法和蚁群算法相结合,提出新的结合方式形成免疫蚁群算法。在应用栅格法建立的机器人环境模型中,应用免疫蚁群算法解决机器人路径规划的问题。免疫蚁群算法首先运用人工免疫算法对空间的可行路径做快速的全局搜索,然后生成初始信息素的分布,最后完善蚁群算法搜索最优解。在LABVIEW仿真环境中,采用免疫蚁群算法对机器人路径规划问题进行仿真,仿真结果证明了免疫蚁群算法是一种收敛性和寻优能力都比较好的优化方法。     

基于食物链的改进三种群遗传算法

借鉴生态学中的能量传递方式——食物链,按照营养级的划分,将种群分为大小不同的三个种群,按照不同的遗传操作方式并行进化并每代进行最优单体特征的传递,将这种改良的算法与模糊控制器操作联系起来,对隶属度函数、模糊规则以及量化因子和比例因子进行完整优化,最后的结果显示该改良算法优化后的模糊控制器较双种群遗传算法和普通的三种群遗传算法其控制性能在很大程度上得到了明显改善。     

基于改进粒子群算法的数据预测挖掘应用研究

针对粒子群优化算法早熟、易陷入局部收敛的问题,提出一种克服早熟的粒子群算法.该算法在标准粒子群算法基础上加入极值扰动和自适应调整系数,使其易于跳出局部最优.又分析了灰色GM(1,1)预测模型的局限性,提出了一种带极值扰动的自适应调整惯性权重的改进PSO优化灰色模型AdPSO-GM,并将此模型用于数据预测挖掘研究中.最后,通过一个实例对所提方法进行验证,结果表明,本文所给模型具有较高的预测挖掘精度.     

基于粒子群优化的文档聚类算法

为了解决文献自动分类问题,提出了一种基于粒子群优化算法(PSO)的文档聚类算法并根据各种参数的变化策略进行了分析与比较.由于粒子运动的范围受到粒子最大速度Vmax的影响,本文通过改变Vmax的变化类型进行仿真比较,当Vmax为凹函数,PSO算法具有较好的收敛性.同时,对惯性权重和学习系数进行了研究,提出了相应的变化策略:惯性权重线性递减,自身认知系数线性递增而社会认知系数线性递减.给出了PSO聚类算法的详细步骤,并根据各种变化策略进行了仿真分析,取得了较好的聚类效果.与标准的遗传算法(GA)相比,本文提出的PSO聚类算法具有更好的收敛效果.     

基于粒子群优化的地区专利发展评价

为解决地区专利发展评价问题,建立投影寻踪评价模型并且利用粒子群算法优化最佳投影方向。选择我国31个省市区专利发展指标数据作为实例进行仿真实验,验证投影寻踪应用于专利计量的有效性。根据优化后的最佳投影方向得到评价结果并且按照区域平均水平进行分析,得到影响专利发展的主要因素,并提出相应缩小区域专利发展差异的措施。     

群体智能算法在投资组合中的应用

群体智能算法作为一系列优化问题求解的算法，已被广泛应用到投资组合问题求解的过程当中。就群体智能算法在投资组合中的应用进行了详细梳理，且选取了遗传算法和粒子群算法这两种典型算法，基于股票收益率真实数据，建立投资组合模型并对其求解。实验结果表明，与等权重投资组合方式相比，构建投资组合模型所得到的实际收益率更高，且在投资组合优化模型中，较粒子群算法，遗传算法最优解优于前者，且运行时间较短。     

模糊神经网络技术在电梯群控系统中的应用研究

本文介绍了一种基于模糊神经网络技术的电梯群控系统的设计方案。阐述了其数学原理,并建立了基于模糊神经网络技术的电梯群控系统的数学模型。考虑电梯运行的综合评价函数,结合神经网络和模糊控制各自的优点,设计了一种电梯群控调度算法。并通过仿真验证了系统的可行性。     

基于迭代协作的改进DV-Hop定位算法

针对无线传感器网络中DV-Hop定位算法的不足,提出一种基于迭代协作的优化算法(ICDV-Hop算法)。通过限制跳数来减小距离误差,利用共线度测试约束节点间几何位置关系,选择最优信标三角形组合以提高定位精度。同时将定位误差在设定阈值范围内的已定位节点转化为信标节点,进行迭代协作,从而在控制误差传播的前提下增加定位覆盖。仿真结果表明,ICDV-Hop算法与传统DV-Hop算法相比,定位精度和定位覆盖均有明显改善,定位性能受网络条件影响小,表现出良好的可靠性和鲁棒性,尤其是在信标节点比例较低及网络稀疏的情况下。     

机场终端区飞机排序的遗传算法

为了解决机场终端区飞机排序问题,以延误时间最短为目标函数建立了规划模型,提出了用遗传算法解决多跑道飞机调度的方法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法进行了性能比较。仿真结果表明,模型和算法有效。     

CDN网络分发算法的研究

CDN(Content Delivery Network)网络技术为解决网络信息传递性能的日益恶化而提出的一种改善Internet性能的方案。本文对几种主要的分发算法WRR、URL Hashing和LARD的性能在仿真实验的基础上进行了比较研究,对上述算法在系统吞吐量、缓存命中率、平均请求延时以及节点未利用率等四个方面的性能进行比较,以加深对分发算法的理解。     

基于智能无人机的航摄飞行方案优化研究

主要研究了基于智能无人机的航摄飞行方案优化问题。首先介绍了航摄飞行方案的概念和要求,然后设计了智能无人机的航摄飞行方案,并提出了优化方法,包括遗传算法、粒子群算法、蚁群算法、模拟退火算法和深度学习算法。最后,通过应用案例,探讨了智能无人机航摄技术在农业、建筑和地质勘探领域的应用。研究成果对于无人机航摄技术的发展和应用具有现实意义,为地理信息领域的应用提供了更加精准和全面的数据支持。     

基于粒子群优化的文本特征选择方法

从文本特征对文本分类结果的整体影响的角度出发,提出一种基于粒子群优化的文本特征选择方法(PSOTFS),使用粒子群算法来挖掘文本特征选择规则。PSOTFS首先使用开方检验对文本特征进行预选择,然后使用粒子群算法对预选择得到的文本特征进行精选。PSOTFS以一个粒子表示一条特征选择规则,特征选择规则集对应某个粒子群,采用分类准确率作为适应度函数,采用分组的方式对粒子的维度进行降维。实验结果表明,PSOTFS比开方检验、信息增益、文档频率和互信息方法能得到更好的分类效果。     

VOD多媒体流调度中补丁算法的改进

该文分析了在VOD多媒体流调度中传统补丁算法的缺陷。提出了一种引入周期常数,使一个媒体节目的组播流产生一定间隔的改进算法,给出了改进算法的形式描述和流程图,并通过仿真实验对改进算法的特点、性能和不足进行了分析总结。     

基于矢量奇异值分解处理相干信号的ESPRIT新算法

针对常规ESPRIT算法不能估计相干信号的缺陷,提出了一种基于修正的奇异值分解算法（MSVD）的ESPRIT新算法,并通过大量的仿真实验分析了新算法的性能。实验结果表明,新算法不仅可以同时估计相干和非相干信号,而且在非相干信号的估计中与LS-ESPRIT相比具有高分辨率、高成功率、低偏差、计算量小等优点;对相干信号LS-ESPRIT无法估计,而新算法具有与非相干信号同等信噪比更好的性能。     

基于粒子群的模糊C均值文本聚类算法研究

利用模糊C均值算法解决文本聚类问题时,随机选取的初始聚类中心和聚类数会导致不同的聚类结果,且容易陷入局部最优。提出利用粒子群优化算法确定模糊C均值的初始聚类中心,并通过向量空间模型和特征提取,再利用模糊C均值进行文档聚类。实验表明,这种基于粒子群的模糊C均值聚类算法迭代次数少,能解决经典模糊C均值算法对初始值敏感和易陷入局部极小的缺点,且聚类速度和效果得到明显提高。