一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在“认知”部分和“社会”部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

改进粒子群算法的图像分割阈值方法研究

图像分割在图像处理领域里的作用至关重要,当前图像分割方法的一类重要方法是源于粒子群算法的图像分割方法,本文对源于改进粒子群算法的三类图像分割方法,即单阈值图像分割方法、二维阈值图像分割方法和多阈值图像分割方法进行了全面研究,通过研究指出单阈值图像分割方法效果相对来说是较差的,二维阈值图像分割方法比单阈值图像分割方法好,多阈值图像分割方法效果最好,并对每一类方法的不足以及以后要解决的问题也作了详细分析,同时也通过研究指出了图像分割技术未来的发展方向将是多种方法相结合才能得到较好的效果。     

粒子群算法在曲线拟合中的应用

分析了粒子群算法在曲线拟合中的应用,同时对个别不理想的实验数据进行了淘汰,能进行有效的数据处理。通过具体实例表明该方法实现简单,易于理解,并且还具有很高的可靠性;分析了该算法与最小二乘法的优缺点,证实该算法是曲线拟合的一种有效方法。     

粒子群优化算法及在电力系统中的应用

粒子群优化PSO(Particle Swarm Optimization)算法是一种有效的全局优化技术,PSO算法通过粒子间的相互作用在复杂搜索空间中寻求最优区域。PSO的优势在于算法简单,容易实现。从研究PSO算法及其在电力系统中的无功优化、最优潮流计算、电网扩展规划、机组优化组合、经济负荷分配等方面的应用现状出发,对其研究发展方向作了展望。     

应用新型量子粒子群优化算法求解PFSP问题

为了提高粒子群算法在求解调度问题时的搜索能力和优化效率以及避免早熟收敛。通过采用了一种新颖的量子粒子群算法,用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;并采用量子非门来实现变异,从而提高种群多样性。由于每个量子都有两个概率幅,因此每个粒子实际占据两个粒子位置,所以在粒子数目相等的情况下,能加速粒子的搜索进程。仿真实验结果表明,在求解置换流水线生产调度问题时优于基本粒子群算法。     

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.     

函数优化的模糊粒子群算法

在传统粒子群算法的基础上运用模糊规则表加入了新的扰动因子,提出了一种新的算法--模糊粒子群算法。算法结合了模糊控制器中输入输出的模糊化处理和粒子群寻优的特点,为实际问题提供了新的解决手段。将模糊粒子群算法应用于函数优化的问题上,通过多组实例数据进行测试,验证表明了本算法具有良好的有效性和鲁棒性。     

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。     

一种新改进的粒子群优化算法

由于粒子群优化算法对多极值复杂问题求解时容易陷入局部极值,提出一种新改进的粒子群优化算法。该改进算法是将粒子群进化过程分为两个不同的阶段,每个阶段应用不同的进化模型,通过结合这两种进化模型的各自优点有效地降低群体陷入局部最优。由仿真实验结果可知,对于复杂多极值函数优化问题,本文算法比标准粒子群优化算法的全局寻优能力更强。     

粒子群优化算法的改进与分析

介绍了基本粒子群优化算法及其原理,针对其易陷入局部极值和后期收敛速度慢的缺点,研究了基于惯性权重因子的改进粒子群优化算法。通过测试函数对固定惯性权重和时变惯性权重参数的选择进行了系统的实验,并且分析了种群规模与学习因子参数对粒子群算法优化性能的影响。     

粒子群优化算法在无线传感节点的部署应用探讨

群智能算法良好的自适应性与移动传感节点部署所需的组织性具有相似性。作为群智能算法的一种,粒子群优化算法具有结构简单、实现容易、易于收敛等特点。无线传感网络研究的关键问题之一是如何动态部署移动节点,达到提高无线传感网络覆盖率和降低节点移动能耗。本文介绍了粒子群优化算法与无线传感节点部署的相关知识,并对粒子群优化算法应用于无线传感节点部署问题进行了探讨。     

基于粒子群优化算法和Wiki的数字化教材开发研究

数字化教材开发在得到大力提倡和发展的今天,仍存在许多问题。给出了基于粒子群优化算法和Wiki的数字化教材开发模式。将粒子群优化算法的思想和Wiki协作应用到数字化教材开发中,得到了比较满意的结果,并提出了数字化教材开发未来的发展方向。     

粒子群算法优化BP神经网络的指纹识别技术

指纹识别技术是当今应用最广泛的生物识别技术之一。在指纹识别过程中,图像处理、特征提取、匹配等过程数据量庞大,计算比较烦琐。BP神经网络具有良好的自学习能力、强大的分类能力和容错能力,将其应用到指纹识别中是可行的。为改进BP神经网络计算速度较慢,梯度下降法不能处理一些不可微传递函数的问题,采用粒子群算法对BP算法进行优化,提高了指纹识别的速度和准确度。     

基于粒子群优化神经网络的煤层顶板导水裂隙带高度预测研究

阐述了运用粒子群优化人工神经网络建立煤层顶板导水裂隙带高度预测模型的思路与方法。利用粒子群优化神经网络模型的权值和阈值,克服了神经网络容易收敛到局部最小值,以及收敛速度慢的缺点。煤层导水裂隙带高度预测实例表明,该方法不仅能更快地收敛于最优解,且预测精度有明显的提高。     

基于粒子群优化算法的中小企业竞争情报搜集系统模型

以粒子群优化算法为基本理论,结合我国中小企业目前对竞争情报的迫切需求和开展竞争情报工作的困难,利用跨学科分析法和仿真实验检验法,构建一个适用于中小企业的竞争情报"粒子搜索模型".该模型充分调用各粒子"经验"寻找全局最优解,用以为我国中小企业构建低成本、高收益、易组织管理的竞争情报搜集系统模型提供参考.     

智能电网视角下粒子群优化支持向量机的用电量预测

智能电网的—个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.针对用电量数据非线性的特点,提出了一种基于粒子群优化的PSO-CV-SVR模型.该模型基于支持向量回归机原理,以粒子群算法和交叉验证的思想优化模型参数.将该模型应用于江苏省全社会用电量的预测分析,结果表明该模型优于BP-神经网络方法,提高了预测的精度.