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。     

使用粒子群优化算法学习聚类算法的参数

无导师聚类过程中将数据集合分割成几个类是一个很难确定的问题,目前还没有较好的解决方法。文章使用粒子群优化算法应用于无导师聚类算法——K-均值的参数学习,实现了使用粒子群优化算法进行聚类中心参数的确定,旨在提供一种选择中心参数个数的方法,同时给出了适应于聚类参数学习的粒子群fitness函数算法设计。通过对UCI机器学习数据库中的7个数据库进行实验,证实此方法是比较有效的。     

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。     

基于粒子群算法的物流配送路径优化问题研究

本论文在建立物流配送路径优化问题的数学模型基础上,构造了求解该问题的粒子群优化算法。并通过实验数据进行计算,结果表明可以有效地求得问题的最优解,是解决路径问题的一个好方法。     

基于粒子群优化算法的一类离散混沌系统的参数辨识

本文将考虑一类含有未知参数的离散混沌系统的参数辨识。通过构造一个辅助系统,选择一个适合的目标函数,基于粒子群优化设计一种算法使得目标函数取得最小值,最终实现参数的有效辨识。文中最后将给出数值例子以说明方法的有效性。     

基于改进粒子群算法的配电网无功优化研究

电力系统无功优化是电力系统安全经济运行的核心问题之一,电力系统无功优化是一个较复杂、多目标、非线性混合规划问题。基于配电网无功优化所面临的困难,本文将改进粒子群优化算法应用到电力系统无功优化问题的研究中。最后通过对配电网33节点系统无功优化算例分析,仿真结果验证了该算法解决电力系统无功优化问题的有效性和可行性。     

基于粒子群算法的物资配送优化决策研究

物资配送中心选址、配送点的设置,对降低物流成本、提高物流效率有重要作用。粒子群算法具有运算时间短、精度高等优点,适宜物资配送中心选址及配送点设置决策。根据资配送原则建立相应的配送模型,并采用粒子群算法求解。仿真结果表明,求解规模为30个物资配送点的模型时,粒子群优化算法运行时间仅为2.123s,在第38代收敛到最优。     

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。     

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。     

基于改进粒子群算法的水资源优化配置的研究

针对现有水资源配置模型存在的不精确问题,在现有水资源模型基础上增加了决策偏好系数和排放污染物种类以提高模型精确性,以吉林市水资源基础数据初始化水资源优化配置模型,针对目前对模型进行优化的粒子群算法易出现局部最优等情况,引入萤火虫算法对其进行改进,通过萤火虫趋向最优解的原理改善粒子群算法出现局部最优的情况,并加速其收敛速度。应用改进粒子群算法对模型进行优化求解,得出水资源优化配置方案,以满足经济效益、社会效益、生态环境效益的全面要求。     

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PID控制器参数设计与仿真研究

永磁同步电机属于非线性、时变、强耦合的复杂控制系统,采用常规PID控制器设计方法不能获得良好的控制品质(包括稳定性、快速性、鲁棒性)。遗传算法属于智能优化算法的一种具有良好的全局寻优能力、不易陷入局部最优解、并行性好等优点,因此,本文采用遗传算法来实现PMSM交流伺服系统的PID控制器参数整定。通过Mat Lab/Simulink仿真得到,本文所提方法具有良好的控制品质。