一种跨邻域学习的改进粒子群优化算法

为了改善传统粒子群优化算法过早陷入局部最优解的缺点,进一步增强算法收敛性,通过使用一定范围内邻域最好位置lBest代替自身历史最好位置pBest进行速度与位置更新,以增强粒子跨邻域学习能力。使用整个群体中最好位置gBest进行速度与位置更新,可增强算法收敛性,且具有较好的全局搜索能力。在8个不同的单峰和多峰函数上系统地对3种算法进行测试与比较,实验结果表明,提出的跨邻域学习改进粒子群优化算法可避免粒子群陷入局部最优解,求解精度与算法收敛性都提升了15%以上。     

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。     

电力系统经济负荷分配的改进混沌粒子群算法

提出一种用于电力系统经济负荷分配的改进混沌粒子群算法．算法中采用自适应外罚函数法解决目标函数的约束问题,考虑了机组的系统平衡、出力上下限、爬坡速率和工作死区等约束条件;在粒子群算法中引入混沌机制,使算法能快速跳出局部极值区,提高算法的全局寻优性能;针对变惯性权重系数和变最大搜索速度改进措施的不足,提出依据机组爬坡速率约束来缩小最优解的搜索区域．仿真结果表明,改进的混沌粒子群算法对于解决带约束条件的经济负荷分配问题是可行和高效的,与改进前的计算方法相比,降低了运行费用,提高了寻优速度．     

一种基于混沌思想和邻域探测机制的PSO算法

在分析基本PSO算法早熟收敛原因的基础上,提出一种基于混沌思想和自适应邻域探测机制的粒子群优化算法（CANE-PSO）.该算法先引入混沌思想对粒子种群进行位置初始化,以提高初始种群的多样性,再引入随机的邻域探测机制,并引入全局极值变异算子,增强了算法的全局搜索能力.通过与其它三个改进算法比较,结果表明CANE-PSO优化效率有较大的提高,较有效地避免了早熟收敛问题.     

基于受信任邻域评价的交叉变异粒子群算法

为了提高全局和局部搜索的质量,提出了一种基于邻域智能的交叉变异算法。受中国成功学习典故"孟母三迁"的启发,根据对粒子群内各个邻域性能的评价来动态调整算法参数,使得迭代初期粒子群保持较好的局部搜索能力,在后期提高全局搜索能力,避免陷入局部最优,提高了共享信息的可信度。同时,算法引入交叉变异因子,通过收集粒子周边邻域反馈,自适应动态调整周边邻域。     

粒子群算法的改进研究

粒子群算法具有在优化过程中需要调整的参数不多,结构简单,收敛速度快等特点。在分析其他改进粒子群算法的基础上,提出了一种新的粒子群协同优化算法。通过测试函数测试表明,新的粒子群协同优化算法明显提高了算法的收敛性能。     

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     

一种带随机选择机制的新型改进粒子群优化算法

标准粒子群优化算法对空间所有区域等概率搜索,降低了算法效率。借鉴遗传算法的思想,本文提出一种带随机选择机制的改进粒子群优化算法。该算法将适应值选择和粒子状态更新方程结合起来,通过赌轮算法选择机制使得粒子在适应值较小的区域尽可能的降低搜索概率,在最优解可能区域尽可能加大搜索强度,从而提高算法搜索效率。通过标准进化计算测试函数测试,实验结果表明对于复杂优化问题该算法优于标准粒子群优化算法和遗传算法。     

基于邻域思想改进的微粒群算法

该文从基本微粒群算法社会行为分析的基础出发,分析了微粒群算法局部最好模型和一种基于邻域思想的微粒群算法与基本微粒群算法的关系。为了改进微粒群算法的全局和局部搜索能力,避免算法陷入局部优化,该文通过借鉴使用较为稳定的元胞自动机邻居模型中扩展摩尔型邻域,同时利用了元胞自动机的一些理论,提出了基于邻域思想改进的微粒群算法。实验结果表明,该方法在函数优化中能有效地进行全局搜索。     

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。     

基于VB语言的粒子群优化算法描述

粒子群优化算法是基于群智能的随机优化算法,目前已广泛应用于神经网络、非线性函数优化、模式分类、模糊系统控制等,特别适合工程应用。本文首先介绍传统的PSO算法原理及算法流程,最后用VB语言实现算法的伪码。     

基于模拟退火步长的粒子群算法

为了提高粒子群算法的收敛速度和全局收敛性,本文在标准粒子群算法的基础上作了改进,提出了一种带模拟退火步长的粒子群算法．通过典型函数的测试结果表明新算法比原来算法收敛到最优解的次数多,提出的新算法在全局搜索能力和收敛速度方面有所提高．     

PSO—DFP混合算法及其参数性能分析

文章结合粒子群算法全局搜索和拟牛顿法局部精细搜索的特点,提出了一种PSO-DFP混合算法。采用标准测试函数对该混合算法的某些参数进行了分析,并给出了一些选取的指导性原则。     

基于神经网络的透气性状态预测

针对烧结过程的时变、强非线性等特点,基于神经网络和粒子群优化算法,提出一种预测透气性状态的集成方法.采用神经网络分别建立透气性预测模型,采用粒子群优化算法对神经网络进行训练,提高预测模型的实时性;进而借助模糊分类器将预测子模型实现有机融合.最后实际运行结果表明,提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果.     

粒子群算法求解基于广义Choquet-积分的多元非线性回归模型

多元回归模型已经成为当前数据挖掘中重要的方法之一,而求解回归模型的关键问题是如何确定回归系数和模糊测度.针对以往使用遗传算法确定回归系数和模糊测度时间复杂度高和收敛速度较慢的问题,使用一种高效的搜索算法——粒子群算法求解基于广义Choquet-积分的多元非线性回归模型,分别在人工数据和真实数据上进行实验,对粒子群算法和遗传算法进行比较.结果表明,用粒子群算法求解该模型不仅比遗传算法收敛速度快,而且还能搜索到比遗传算法更优的解.     

Fault diagnosis model based on fuzzy support vector machine combined with weighted fuzzy clustering

A fault diagnosis model is proposed based on fuzzy support vector machine (FSVM) combined with fuzzy clustering (FC).Considering the relationship between the sample point and non-self class,FC algorithm is applied to generate fuzzy memberships.In the algorithm,sample weights based on a distribution density function of data point and genetic algorithm (GA) are introduced to enhance the performance of FC.Then a multi-class FSVM with radial basis function kernel is established according to directed acyclic graph algorithm,the penalty factor and kernel parameter of which are optimized by GA.Finally,the model is executed for multi-class fault diagnosis of rolling element bearings.The results show that the presented model achieves high performances both in identifying fault types and fault degrees.The performance comparisons of the presented model with SVM and distance-based FSVM for noisy case demonstrate the capacity of dealing with noise and generalization.     

一种改进的粒子群优化算法

为了克服传统粒子群算法（Pso）的早熟和局部最优问题,通过分析基于惯性权重的粒子群优化在粒子寻优过程中的可行性,提出了一种变惯性权重的改进PSo算法,并对经典的测试函数进行TN试。实验结果证明,与传统PSO算法以及基于惯性权重的PSO相比,改进算法的寻优效果较好,全局搜索能力有显著提高,并能有效地避免早熟收敛问题。     

模糊交货期和模糊优先下的单机调度问题

A single machine scheduling problem involving fuzzy due dates and fuzzy precedence constraints is investigated. The fuzzy precedence reflects the satisfaction level with respect to precedence between two jobs. A membership function is associated with each job Ji, which describes the degree of satisfaction with respect to completion time of Ji. For the bi-criteria scheduling problem, an 0 （ n^3 ） algorithm is proposed for finding nondominated solutions.