一种改进的基于粒子群的离线聚类算法

为了解决K-means算法中对于初值的敏感,提出了一种基于粒子群的改进的K-means聚类算法(IPSOFCM).在K-means算法中引入粒子群算法,可有效提高算法的全局搜索能力,有助于粒子更容易跳出局部束缚.实验结果证明,IPSOFCM算法聚类准确度高,稳定性好.     

面向全局优化的混沌粒子群遗传算法

结合遗传算法(GA)和粒子群算法(PSO)的优点以及混沌运动的特性,提出了混沌粒子群遗传算法(CPSO-GA),并使用五个高维非线性测试函数考察此算法的性能。在固定进化代数、所调用目标函数次数接近以及固定收敛精度三种情况下对算法进行数值试验,结果表明,与其他文献中提出的算法相比,CPSO-GA能100%地找到最优解,收敛效果及寻优能力好,并能有效摆脱局部极小点,且调用目标函数次数最少,大大降低了计算量。     

有时延的奇异多个体系统的可接受一致性

本文研究有时延的高阶线性定常奇异多个体系统的可接受一致性分析、设计的问题。首先,通过状态分解,可接受的一致性问题转换成低维的多个奇异子系统的可接受问题。然后,给出可接受一致性的线性矩阵不等式标准,只涉及八个线性矩阵不等式限制,而不依赖个体的个数。更进一步,不依赖时延的一致性函数清楚给出,状态协议的影响,和在一致性函数上的网络拓扑也同时给出。最后,给出一个数值例子以解释理论结果的有效性。     

基于改进KNN的案例匹配模块的设计与实现

为了提高KNN检索策略的检索效率和检索结果的质量,提出一种改进的KNN检索策略。在引入图书馆领域本体和概念语义相似度度量技术的前提下,利用句法结构筛选不合理的案例以降低计算规模,从而提高案例的检索质量和效率,利用改进的微粒群算法优化概念语义相似度度量技术中的组合参数以提高KNN检索的结果质量。实验数据采用福州晓锋科技信息咨询有限公司提供的图书馆参考咨询测试数据。实验结果表明,相比于传统KNN和基于传统PSO的改进KNN方案有效地提高了案例匹配结果的查全率和查准率。     

群智能算法及其应用

群智能算法是一种新兴的演化计算技术,它已经成功地被运用于许多领域。实践证明,群智能方法是一种能够解决许多全局优化问题的有效方法。本文介绍了群智能理论的产生和发展过程,并着力阐述群智能理论中的两个主要算法（粒子群算法和蚁群算法）的算法思想以及研究现状。     

基于改进的无尺度网络的高斯动态粒子群优化算法在舰船电网故障重构中的应用

针对当前优化算法在处理大规模舰船电网重构问题时易陷于局部极值的缺点,提出一种基于改进的无尺度网络的高斯动态粒子群优化(Gaussian Dynamic Particle Swarm Optimization,GDPSO)算法.该算法融合无尺度网络理论与种群拓扑结构,采用改进的无尺度网络BA模型随机地逐渐增加种群拓扑规模,增加种群多样性,提高种群跳出局部极值的能力.以某20节点和扩充为60节点的舰船电网为例进行故障后重构测试.结果表明,该算法对多维度舰船电网重构有效.     

模因组融合信息度传递的溢出类漏洞线性预测

对缓冲区的溢出类漏洞的线性预测是提高漏洞挖掘效率的重要一环,传统方法采用粒子群扰动聚类方法进行溢出类漏洞的预测和挖掘,存在预测精度不准的问题。提出一中基于模因组融合信息度传递的缓冲区溢出漏洞线性预测方法,实现对安全漏洞的准确检测。采用四叉树算法对混合粒子群多维数据进行数据预处理,采用模因组融合信息度传递,结合高斯变异对其进行扰动以代替随机产生新粒子个体的操作,实现对海量多模态数据的优化聚类和线性预测。实验结果表明,算法能准确跟踪溢出类漏洞的演化轨迹,实现对溢出类漏洞的线性预测,预测精度提高24.3%,漏洞挖掘性能提高,保证了应用信息应用环境安全。     

A closed-loop particle swarm optimizer for multivariable process controller design

Design of general multivariable process controllers is an attractive and practical alternative to optimizing design by evolutionary algorithms （EAs） since it can be formulated as an optimization problem. A closed-loop particle swarm optimization （CLPSO） algorithm is proposed by mapping PSO elements into the closed-loop system based on control theories. At each time step, a proportional integral （PI） controller is used to calculate an updated inertia weight for each particle in swarms from its last fitness. With this modification, limitations caused by a uniform inertia weight for the whole population are avoided, and the particles have enough diversity. After the effectiveness, efficiency and robustness are tested by benchmark functions, CLPSO is applied to design a multivariable proportional-integral-derivative （PID） controller for a solvent dehydration tower in a chemical plant and has improved its performances.     

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。     

基于感知范围的鱼群优化算法

模拟鱼群在空间的游动行为. 以个体鱼之间的实空间欧式距离为量度,将个体鱼感知范围内的邻域空间分为吸引、排斥和中性区域,同时考虑所有个体鱼都有向食物源运动的趋势. 利用参数选取实验来确定感知范围参数;通过标准测试函数实验对所提出的新鱼群算法和人工鱼群算法进行了对比分析. 在此基础上,对两种算法的搜索步长进行了实验研究. 最后,在基本算法的基础上提出了线性变化权重因子策略,13个测试函数的实验证实此策略可以进一步提升算法性能.