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。     

分层管理粒子群算法

粒子群算法（PSO）在每次迭代过程中,所有粒子都向着最优粒子的方向＂飞行＂,这样的趋同性使得搜索很容易陷入局部最优值.本文仿照现代管理机制提出分层管理粒子群算法（FPSO）,将粒子分为若干组进化,每一组中的最优粒子参照自身极值和整个粒子群的全局极值更新自己的位置,而该组中的其他粒子则参照自身极值和本组中最优粒子的个体极值更新自己的位置,以此增加粒子种群的多样性,解决PSO容易陷入局部最优的缺陷.试验证明：FPSO在收敛速度以及收敛精度方面都比基本粒子群算法有了很大程度的提高,特别对于多极值问题搜索效果非常好.     

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.     

Optimal strategy of searching FPD weights scanning matrix using GA-PSO

This paper discusses a kind of optimal method used for searching flat panel display (FPD) scanning matrix. The method adopts bionic algorithm: genetic algorithm (GA) and particle swarm optimization (PSO) algorithm. The method using single GA is more time-consuming, and the search efficiency is low in later evolution; the PSO algorithm is easily falling into the local optimal solution and appears the premature convergent phenomenon. Hence, a hybrid approach of GAPSO is found to optimize the search for high grayscale weights scanning matrix. Finally in the acceptable time, it finds a weight scanning matrix (WSM) of 256 gray scales with Matlab, whose scanning efficiency reaches 94.73% and the linearity is very good.     

基于改进均值聚类的混合型数据库查询优化算法

采用传统算法进行混合型数据库查询,由于文档与查询的匹配过于严格,存在对检索词的重要程度无法区分的问题,造成无法进行检索结果的排序的缺陷。为此,提出了一种基于改进均值聚类算法的混合型数据库查询优化方法。建立混合型数据库查询执行计划代价模型,精准的定义了数据库查询执行代价。将改进均值聚类算法与粒子群算法有效的相融合,将粒子群中的粒子划分为多个子群,更新所有的粒子,通过粒子间的相互信息融汇,搜寻到数据库查询最优解。实验仿真证明,基于改进均值聚类算法的混合型数据库查询优化方法精确度高,效率高。     

模糊环境下的多目标柔性车间作业计划优化问题研究

首先介绍了具有模糊加工时间和模糊交货期的柔性车间作业计划问题,接着阐述了基于可能性理论的最小化制造跨度目标函数,以及基于有符号距离与区间数距离的提前/拖期惩罚函数,并以此为基础构造多目标柔性车间作业计划问题的适应度函数。针对上述多目标柔性车间作业计划问题,给出了改进粒子群算法进行有效求解,通过对粒子群参数进行自适应优化来有效平衡算法的全局搜索与局部搜索能力,最后通过实例验证了求解算法的可行性和有效性。     

θ-PSO: a new strategy of particle swarm optimization

Particle swarm optimization (PSO) is an efficient, robust and simple optimization algorithm. Most studies are mainly concentrated on better understanding of the standard PSO control parameters, such as acceleration coefficients, etc. In this paper, a more simple strategy of PSO algorithm called θ-PSO is proposed. In θ-PSO, an increment of phase angle vector replaces the increment of velocity vector and the positions are decided by the mapping of phase angles. Benchmark testing of nonlinear functions is described and the results show that the performance of θ-PSO is much more effective than that of the standard PSO.     

基于PSO和滚动优化的不确定环境下移动机器人动态路径规划

针对全局环境未知且存在动态障碍物情况下的移动机器人路径规划问题,本文提出了一种结合粒子群算法(PSO)和滚动优化策略的动态路径规划方法。通过在一系列移动空间窗口中进行在线规划来充分利用机器人实时测得的局部环境信息,并用粒子群算法求解每一个移动窗口内的最优路径。为及时躲避动态障碍物,提出了一种适用于动态未知环境下的适应度函数。仿真试验表明,该方法克服了现有局部路径规划方法的高复杂性的缺点,算法操作简单、具有全局寻优能力、收敛速度快、鲁棒性好,可以满足机器人在复杂的未知动态环境下路径规划的实时性要求。     

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.     

基于粒子群算法的卫星任务地面站资源调度方法

针对卫星数传、测控任务的地面站资源调度问题,提出一种结合启发式方法的粒子群改进算法,对卫星的数传、测控任务进行一体化调度。首先分析卫星任务及地面站资源的约束条件,建立基于启发式规则的约束满足模型,筛选出较优的初始种群,然后设计一种结合启发式规则的粒子群算法求解。仿真对比实验表明,相对于常规调度算法(如遗传算法),粒子群算法具有较好的寻优能力和收敛速度;相对于传统粒子群算法,结合启发式方法的粒子群改进算法具有更好的寻优能力、收敛速度和稳定性。