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.     

基于混合粒子群算法的项目群工期压缩模型研究

为完善项目群工期-费用优化模型和提高模型求解的精确性及有效性,研究并构建基于混合粒子群算法的集时间、资源和费用的工期压缩模型。首先,根据承包商一致性将工程项目群分成若干个子网络,通过对基于子网络的项目群工期压缩机理分析,剖析资源约束下工期压缩对业主支付费用的影响。其次,以业主支付费用最低为目标,构建单一资源约束下工程项目群工期压缩模型,并进行模型求解的算法设计。最后,结合南水北调江苏段东线一期工程,对其工期进行压缩,通过模型的应用和求解,得到业主支付费用最低的项目群资源调配方案和工期调整方案。研究结果显示:将资源要素考虑在内的工期-费用优化模型更加全面、详细分析工期压缩给项目群、承包商和业主带来的影响,以及人工智能算法在该目标规划模型求解中的有效应用,为项目群工期压缩问题解决提供思路和方法参考。     

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。     

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。     

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.     

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。     

基于改进微粒群算法的网格任务调度方法

任务调度是网格计算环境中影响性能的重要因素。提出了一种新的任务调度方法,该方法先对任务执行时间进行预测,然后运用改进微粒群算法进行任务调度,达到最小化任务执行时间的要求,最终实现网格资源的优化分配。通过仿真试验对算法的有效性和性能进行了验证,并比较了与遗传算法调度方案之间的性能差异。     

基于粒子群算法的危机信息网络动态配流模型

针对危机信息网络上信息传播拥塞问题,构建了危机信息流的动态配流模型,并采用粒子群算法对其进行求解.以汶川地震为背景进行算例分析,验证所研究内容的合理性和实用性.     

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。     

基于离散粒子群算法的多约束多目标优化

利用粒子群算法(PSO)提出了一个新的粒子编码方法,并将其用于高校排课问题。通过对某高校的排课数据进行测试,结果表明,本文所提出的改进PSO算法对于解决高校排课问题的优化是有效的,对其它多目标问题地求解也有借鉴意义。     

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。     

混沌粒子群算法在数据库查询优化中的应用

查询计划的一棵左深树看作是一个粒子,对于左深树上的连接操作后序遍历生成一个编码,对粒子群进行速度和位置更新操作,并通过引混沌搜索机制,对粒子进行混沌扰动,保证粒子群个体的多样性,最后通过粒子间的信息共享与传递找到最优数据库查询优化方案。     

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。