基于粒子群算法参数优化方案的研究

演化算法被广泛应用于求解NP类组合优化问题。其中粒子群算法因其算法易于实现且效果显著,自其诞生以来就成为研究的焦点。在算法的实际应用过程中会遇到如何兼顾算法收敛高效率和避免过早收敛于局部最优这两种相互博弈的算法优化因素。针对这一问题本文对两种粒子群算法的参数优化方式进行比对,提出了未来算法参数优化的研究方向。     

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。     

遥控面板注塑成型工艺及模具设计

介绍了遥控面板注塑成型工艺及模具设计。利用侧浇口进料,采用组合式型芯型腔结构,其中内部倒扣利用斜顶结构实现成型。对同类型模具设计提供借鉴。     

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。     

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。     

粒子群优化算法在油气混输管网参数优化中的应用

油气混输管网多目标参数优化问题,一直是优化研究的热点。对这个多目标线性规划问题,采用新出现的粒子群优化算法进行管网优化计算,建立优化计算的目标函数、水力热学模型及管网的分析模型,并用并列选择法和权重系数变化法对模型进行求解。该文尝试把粒子群优化算法应用到油气混输管网参数优化设计中,实验结果表明,采用粒子群算法的优化方法可以节省费用的20%以上。     

注塑灯罩翘曲的分析及参数优化

针对灯罩注塑零件在成型中的翘曲现象,分析了翘曲产生的原因,设计了合理的注塑方案,运用Mold Flow软件对其进行工艺参数分析,结合正交试验选取最优参数组合,并对其进行模拟验证。     

浅析粒子群优化算法的研究和应用

文章介绍了传统的粒子群算法的基本原理、数学模型、算法流程、算法参数等,并且介绍了传统算法存在的一些问题及近年来进行改进和研究工作,以及粒子群算法的应用。     

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。     

基于改进粒子群BP算法的神经网络及应用

融合粒子群算法和BP算法的优点,提出了改进粒子群BP算法,阐述了其基本思想,详细的实施步骤及对标准BP算法的改进之处。为了验证提出算法的优越性,以某钢厂引进的连铸板坯二冷动态控制系统为研究对象,设计了基于该算法的表面温度神经网络控制器。以实际生产现场的设备、工艺参数为基础进行了仿真研究,改进粒子群BP算法在收敛速度、计算精度、最优解的搜索能力、算法稳定性等方面优于标准BP算法。     

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。     

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。     

粒子群优化的神经网络预测交通流量

交通流量预测是智能交通系统研究的重要组成部分。提出了一种粒子群(PSO)优化RBF神经网络的交通流量预测方法。该方法以误差能量函数为适应度函数,利用PSO算法对RBF神经网络参数进行优化,有效克服交通流量数据非周期性、非线性和随机性等问题。仿真实验结果证明比单纯用RBF预测模型精度高、收敛速度快,表明粒子群优化的RBF神经网络模型具有良好的应用价值。     

汽车零件注塑模具流道系统设计及参数优化

浇筑系统又称流道系统,是注塑模具中连接流道和型腔的熔体通道,直接关系到注塑产品制件质量,因而流道系统设计优劣也会对制品性能、外观和成型难易程度带来很大影响,所以对于机械模具设计来说,利用数值模拟技术并结合优化算法对注塑模具流道系统进行优化设计至关重要。本文主要通过对汽车零件注塑模具流道系统的深入分析,明确浇口位置及数量,利用数值模拟技术,通过一系列模拟实验,结合相关理论,以期达到汽车零件注塑模具流道系统的优化设计目标。     

基于BP神经网络的复杂过程参数优化方法研究

针对生产过程中存在响应变量受多重复杂因素的影响,响应曲面模型不能解决的复杂因素影响的参数优化问题,提出一种基于BP神经网络的参数优化方法。BP神经网络具有较高的学习能力和映射能力,可以解决响应曲面模型的不足,建立良好的映射模型。利用BP神经网络模型的高泛化能力对最优参数组合寻优搜索,以较少的试验数据得到理想的参数设计。防眩玻璃制备工艺参数优化的分析结果表明,基于响应曲面模型的参数优化方法具有局限性,而BP神经网络的优化方法能够将透过率提高到92.22%,验证了该参数优化方法的有效性和可行性。     

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。     

注塑模具的自动装配成型

本文提出了注射模装配造型的两个主要观点,即描述了在计算机上进行注射模装配以及确定装配中与制品无关的零部件的方向和位置的方法,并提出了一个基于特征和面向对象的表达式以描述注射模等级装配关系．同时,在提出的表达式和简化特征几何学的基础上,进一步深入探讨了自动装配造型的方法。     

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。