粒子群算法网络异常检测技术研究

提出了一种新的基于粒子群算法入侵检测方法模型。算法采用粒子群优化算法,有效地降低网络拓扑路径长度,通过优化算法来寻找聚类的中心。实验结果表明,提出的改进算法与传统的入侵检测算法相比,具有更好的入侵识别率和检测率。     

改进PSO算法应用于级联多电平逆变器谐波限制

为限制级联多电平逆变器输出电压谐波,提出一种改进粒子群优化(PSO)算法.在考虑三倍次谐波的情况下,给出最优化阶梯波法的目标函数.粒子群优化算法的惯性权重按负反正切规律变化,加速常数按反正切规律变化.通过提高算法前期全局探索能力和后期局部开发能力,算法搜索能力增强,而算法计算量几乎未增加.分析该方法的参数范围和粒子轨迹收敛速度,并将该方法应用于十一电平逆变器谐波限制问题,获得较佳的开关角设置方案,表明该方法具有优良的收敛性能。     

基于粒子群算法的毕业设计质量因素分析

采用粒子群算法分析了选题和指导教师因素对于数学、软件工程及计算机三专业学生毕业设计质量的影响,结果显示对于不同专业,质量因素的影响是不一样的,因此需要针对性地给出改进措施;然后基于分析结果给出了对导师遴选及课题筛选工作的改进建议。     

基于PSO的LSTM神经网络门诊量预测研究

研究基于粒子群优化算法的长短期记忆神经网络模型构建方法及其在医院门诊管理中的应用,选取三甲医院中医慢病相关科室门诊量历史记录数据,构建基于长短期记忆神经网络的门诊量预测模型,借助粒子群优化算法对长短期记忆网络进行参数优化,并使用优化后的模型对门诊量进行预测。月度门诊量预测结果表明,经过粒子群优化的长短期记忆神经网络模型在测试集上的预测误差RMSE,相比未优化的模型减小了48.5%。粒子群优化算法能高效地优化预测模型,可使模型较好地预测出门诊量变化趋势,从而为医务人员门诊管理工作提供决策支持。     

基于改进粒子群算法的PID参数优化研究

PID控制是典型的工业控制,其核心内容是PID参数优化。为解决参数优化时不能确保得到最佳性能且耗时问题,通过改进粒子群算法学习因子,研究基于相等随机因子粒子群算法的PID参数优化,将其与标准的粒子群算法及迭代次数线性变化的学习因子进行比较。仿真结果表明,该算法性能指标tr、ts、δ%分别为1.782、3.285、14.07%,两种对比算法的tr、ts、δ%分别为1.804、4.825、24.33%和1.802、4.135、16.56%,改进算法提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。     

基于多智能体粒子群算法的松嫩平原土地利用格局优化

土地利用格局优化是实现土地资源合理配置的重要方式。本文以松嫩平原典型区域巴彦县为研究区,运用GIS和RS技术,采用Matlab编程,结合多智能体（MA）和粒子群算法（PSO）,建立土地利用格局优化模型,以粮食生产、生态安全和社会经济发展为优化目标,设计政府、职能部门和个体三类智能体（Agent）,并结合研究区土地利用格局优化目标的决策偏好确定其优化方案。结果表明：①基于多智能体改进粒子群优化算法建立土地利用格局优化模型,实现了研究区土地利用类型数量结构在时空上的合理匹配及其空间构型和空间组合方式合理配置,建立的土地利用格局优化模型可行;②3个优化方案中,方案1更加偏向于生态安全优化目标的实现,方案2更加偏向于社会经济发展目标的实现,方案3更加偏向于粮食生产目标的实现;在研究区土地利用格局子目标决策偏好的实现上,3组土地利用格局优化方案对实现粮食生产、生态安全、社会经济发展等优化目标的决策偏好具有显著差异;③研究区土地利用格局不同优化方案呈现不同土地利用结构,在空间布局上有显著的分异特征。本文完善和丰富了土地利用格局优化的理论基础和研究方法,可为土地利用规划提供有力的技术支撑。     

应用微粒群优化算法进行公共图书馆选址

针对公共图书馆选址问题,引入一种定量化方法,即微粒群优化算法。具体方法是：通过公共图书馆选址模型分析,建立目标函数;然后借助地理信息系统的二次开发,提取人口密度与小区单元面积等相关信息;最后应用微粒群优化算法完成公共图书馆选址。通过实验研究,证明微粒群优化算法可以有效地定量化解决公共图书馆选址问题。     

基于人工鱼群算法的复杂系统可靠性优化

由于复杂系统可靠性函数常常具有非线性的特点,因此设计既要满足可靠度又要使系统成本最小,成了优化设计中的难点。针对这一问题,提出了基于群体智能-人工鱼群算法（Artificial Fish School Algorithm,AFSA）的优化方法。给出了基于鱼群算法的可靠性的求解策略,详细探讨了鱼群算法在系统的可靠性优化计算中应用的可行性．并对非串-并联系统的可靠性分配的可靠性优化设计问题进行分析计算。结果表明该算法具有较强的局部搜索能力和较高的搜索效率,论证了该算法在复杂系统可靠性优化中的可行性和有效性。     

基于粒子群优化算法的结构系统辨识

针对一般智能理论辨识方法在结构系统辨识中存在的问题,提出一种基于粒子群优化算法(PSO)的辨识方法。用粒子群中的粒子表征结构物理参数,以最大似然准则为粒子群优化算法的适应度函数,建立了结构系统的辨识模型。数值仿真分析表明,粒子群优化算法可以精确辨识出结构系统的物理参数。     

粒子群算法的收敛性和多样性分析与优化

针对粒子群优化算法的收敛性和多样性问题,提出一种基于混沌优化的震荡粒子群优化算法。该算法利用混沌特性和震荡环节扩大粒子搜索的遍历性,将混沌状态引入到优化变量使粒子获得持续搜索的能力。实验测试证明该算法不仅能保持种群的多样性,而且能有效避免算法陷入早熟收敛现象。