基于遗传粒子群算法的圆柱齿轮优化设计与实现

粒子群算法是优化领域中新出现的一种仿生学随机算法。本文将遗传算法与粒子群算法相结合对圆柱齿轮优化问题进行优化设计和编程实现,优化结果表明,该算法计算效率高,避免了粒子群算法易收敛于局部最小值的缺点。     

阵列天线方向图综合的粒子群优化算法

介绍了粒子群优化算法的基本原理;给出了基于这种进化计算技术的阵列天线方向图综合方法;对粒子群优化算法和遗传算法的特点进行了对比研究,同时对基本粒子群优化算法提出了一种改进策略。研究表明,粒子群优化算法是一种稳定性好,易于实现并行计算的优化算法,在阵列天线方向图综合中具有良好的应用前景。     

基于并行粒子群算法的Otsu双阈值医学图像分割

医学图像分割一直是医学影像分析领域的研究热点。由于粒子群优化(PSO)容易陷入局部极小,因此该算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,结合Otsu分割技术,提出了一种基于并行粒子群优化算法的Otsu双阈值医学图像分割算法。在该算法中,将粒子群体分成若干个子群体,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验结果表明,提出的分割算法与传统粒子群算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性,其收敛速度明显优于基于单种群的粒子群算法的Otsu双阈值医学图像分割。     

四旋翼飞行器动态粒子群优化算法的PID控制技术

针对四旋翼飞行器的标准粒子群优化算法PID控制器容易陷入局部最优解、过早收敛的问题,提出了一种动态粒子群优化算法的PID控制技术。该算法主要由两部分组成:①根据迭代过程中粒子群粒子与全局最优粒子间的欧氏距离大小动态改变惯性权重,并设置系数控制其对惯性权重的影响程度;②引入杂交进化,在指定迭代次数内,若粒子群全局最优值连续未变,则对指定数量的粒子进行杂交,增加粒子多样性,避免陷入局部最优。通过Matlab/Simulink搭建四旋翼飞行器模型并仿真。结果表明,该优化算法能有效地避免陷入局部最优和过早收敛,使四旋翼飞行器得到更平稳、精确的控制,减少超调,提升计算效率。     

基于混沌的粒子群优化算法研究与进展

粒子群优化算法因简单、容易实现,被越来越多地应用于众多应用领域,但其存在着容易陷入局部最优等缺点。混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,尤其是混沌的遍历性特点,使其可以作为搜索过程中避免陷入局部极小的一种优化机制。将二者结合求解优化问题,改善了粒子群摆脱陷入局部极值的能力,提高了算法收敛速度。论述了混沌粒子群优化算法的研究进展。     

基于迁徙策略的PSO集成及其在序列模体识别中的应用

对优化问题和游牧民族迁徙行为的比较研究表明,两者存在相似之处,文中模拟了游牧民族迁徙机制,提出了一种迁徙策略,并且与粒子群优化算法相结合,提高了算法摆脱局部极值的能力,通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后应用于求解计算分子生物学中的一个复杂问题——生物序列模体识别,实验表明,该算法是有效的。     

基于MATLAB的粒子群优化算法程序设计

阐述了粒子群算法的基本原理,探讨了在MATLAB环境中实现粒子群算法的编程方法,构建粒子群算法工具箱函数,通过仿真示例验证了该方法的有效性,表明它能够对函数进行全局优化.     

基于并行粒子群优化算法的蛋白质二级结构预测

为了提高蛋白质二级结构预测的效率,对具有完全学习策略的量子行为粒子群（CLQPSO）算法进行了研究,实现了一种融合混沌优化与完全学习策略的量子行为粒子群算法;通过在粒子群进化过程中对收缩扩张因子和局部吸引子的混沌优化,提高了敛速和精度．基于统一计算设备架构（CUDA ）,利用GPU 的并行计算能力,将该算法并行化并应用到蛋白质二级结构预测中．实验表明：相比串行实现,该并行算法在对长度较短的残基序列进行蛋白质二级结构预测时,加速比可超过40．     

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。     

动态系统中粒子群优化算法综述

粒子群算法是一种群智能随机优化算法,通过粒子间的合作与竞争,寻找优化问题极值,目前被广泛应用于动态优化问题的求解中。对动态系统中粒子群优化算法进行研究,介绍了粒子群算法基本原理、动态系统分类,以及两种动态优化问题的具体表达形式,并阐述了粒子群算法在动态系统中的3种优化方法及其应用。     

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...     

基于BSP模型的并行混沌粒子群算法

粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于群智能的进化计算技术,是由Kennedy和Eberhart在1995年提出.由于粒子群优化算法具有收敛速度快、运算简单、易于实现等优点,近年来吸引了     

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。     

一种混合算法在车辆路径问题上的应用

针对粒子群优化算法PSO求解车辆路径问题容易陷入局部最优的缺陷,提出了将量子门思想、遗传算法思想与粒子群算法相结合的混合算法来求解车辆路径问题,以Matlab语言为开发工具实现VRP实际问题的求解。实验表明,混合算法比粒子群算法能有更好的避免陷入局部最优,可以搜索到更优解。     

绝对值距离Steiner最小树问题的二进制粒子群算法

绝对值距离Steiner最小树问题是在铺设网络线缆等领域应用广泛的一个NP难的经典组合优化问题。针对此问题,提出基于最小生成树问题的二进制粒子群算法。该算法首先对网络节点进行编码,计算适应度函数值,并使用二进制粒子群算法求解Steiner点。数据实验结果表明,该算法具有实用性。     

基于粒子群优化小波神经网络的大型商场应急疏散能力评价仿真分析

为了能够提高大型商场应急疏散能力评价的准确性,确保大型商场的安全性,将改进粒子群算法优化的小波神经网络应用于大型商场应急疏散能力评价中.文章研究了小波神经网络的基本理论,确定了小波神经网络的数学模型;设计了改进粒子群算法的模型,并且提出了改进粒子群算法的优化模型;最后以10个大型商场为研究对象,利用所提出的方法对其应急疏散能力进行评价,评价结果表明,粒子群优化的小波神经网络能够快速地、准确地获得大型商场应急疏散能力的实际状况.     

曲面最短路径的粒子群优化算法研究

求两点沿自由曲面最短路径的关键是正确选择两点间沿曲面的路径.粒子群优化算法(PSO)是一种全局性的概率搜索算法,它在整个问题空间实施搜索,可以得到问题的全局最优解.将粒子群优化算法的思想引入到路径寻优中,采用圆弧逼近法进行初始逼近,提出了解决自由曲面最短路径的随机搜索算法.最后给出了数值实例,结果表明该算法具有容易实现、运算量小等特点.     

基于PSO城市应急物流最优调度决策的研究

在城市应急网络的大背景下,采用粒子群优化算法(PSO),对应急物流的调度进行了研究。自然选择的粒子群优化算法是在基本粒子群算法的基础上改进的算法,相比基本粒子群算法,它用当前较好的粒子代替较差的粒子,通过函数测试,表明自然选择的粒子群算法的精确度和效率都很高。利用自然选择的粒子群算法,在满足应急运输要求的前提下,充分利用各种物流设施,快速组织多种交通工具,制定应急物流最优的调度决策,以保证经济效益的最大化和实现过程的最优化。     

云环境下结合改进粒子群优化与检查点技术的容错调度算法

云计算环境中任务执行容易受资源故障影响,导致调度效率与成功率降低。针对该问题,提出一种结合改进粒子群优化与检查点技术的容错调度算法。通过改进粒子群优化算法进行全局搜索,寻找粒子群最优解,以保证任务获取最优资源,减少调度复杂度;同时通过设置检查点,使失效任务从检查点继续执行,实现任务动态恢复,提高调度可靠性。仿真实验表明,与传统算法相比,当任务数量不断增加时该算法可提高任务执行成功率,缩短任务执行时间。     

基于改进量子粒子群算法的电力系统经济调度仿真研究

针对水火电系统的多约束、时滞非线性特点,建立了带有梯级水电厂的电力系统模型,并采用量子粒子群(QPSO)算法对系统进行优化求解。为了解决基本量子粒子群算法容易陷入局部最优解的问题,提出了一种改进量子粒子群(IQPSO)算法。为了验证该算法的性能,运用Matlab编写程序,利用典型的4水电3火电系统算例进行仿真。算例表明,改进的量子粒子群算法具有更好的收敛特性。