公共文化服务平台

搜索到58415篇“ 粒子群算法“的相关文章

混合驱动的粒子群算法被引量：1: 2024年; 粒子群优化(particle swarm optimization,PSO)算法是一种在机器人运动规划、信号处理等领域有广泛应用的优化算法。然而该算法易陷入局部最优解,从而导致早熟问题。出现早熟问题的原因之一是粒子群仅依靠适应度值选择学习范例。为了克服上述问题,提出了一种基于适应度值、改进率和新颖性混合驱动的PSO算法(particle swarm optimization algorithm based on hybrid driven by fitness values,improvement rate,and novelty,FINPSO)。在该算法中,引入的新指标和遗传算法会平衡种群的探索与开发,降低粒子群早熟的可能性。适应度值、改进率和新颖性会作为粒子的评价指标。各指标独立地选择学习范例并保存到不同的档案中。粒子每一次速度更新都要确定各个指标的权重,并从每个档案中选择一个范例学习。该算法采用了遗传算法进行粒子间的信息交流。遗传算法中的交叉互换和突变会给种群带来更多的随机性,提升种群的全局搜索能力。以八个PSO算法变体作为对比算法,两个CEC测试套件作为基准函数进行实验。实验结果表明,FINPSO算法优于已有的PSO算法变体达到最先进水平。; 陈峰丁泉吴乐刘爱萍陈勋张云飞; 关键词：粒子群优化遗传算法全局优化算法进化算法

基于蜣螂优化的改进粒子群算法: 2024年; 针对标准粒子群算法存在的局部最优、早熟和慢收敛等问题,提出了一种新的粒子群更新方法。改进了算法惯性权重,引入一种新的更新方式;借鉴蜣螂优化算法中蜣螂滚球、繁殖、觅食和偷窃行为,将基本粒子群的操作划分为寻优、变异、波动和跳跃,从而提高了算法的全局寻优能力和收敛速度,并避免了早熟问题。通过与其他9种智能算法进行实验对比表明,在10个基准测试函数中,基于蜣螂优化的改进粒子群算法在寻优能力和收敛速度方面表现出色,证实了该算法的优越性。; 易云飞易云飞王志勇; 关键词：改进粒子群算法

免疫粒子群算法的测试数据生成: 2024年; 为有效改善粒子群算法进化后期收敛速度慢,克服易陷入局部极值的缺陷,提出一种自适应免疫粒子群算法并在面向路径的测试数据生成中得到应用。本文提出自适应的惯性权重的调整方法和学习因子的调节策略,加快算法的搜索速率;引入免疫算法中的免疫算子,提出抗体的浓度调节机制,使得粒子群的多样性更加丰富,提升算法的寻优能力;通过免疫选择操作,避免算法的早熟收敛;以分支函数叠加法构造适应度函数。实验结果表明,该算法避免了粒子群算法早熟收敛现象的发生,有效地提高了测试数据自动生成的效率。; 焦重阳周清雷张文宁; 关键词：粒子群算法测试数据生成惯性权重免疫算子种群多样性免疫选择

基于粒子群算法的救护车布局优化: 2024年; 引入人机工程学和车辆动力学的设计思路,构造救护车内医疗设备布局模型,用粒子群优化算法对车厢内设备的布局优化进行仿真,探究得出在有限的救护车车厢空间中合理布置组合多个医疗器械设备的最优方案。人机工效学是以人的使用体验为出发点,研究人在环境中的效率、健康、安全、舒适等问题,寻找人—机—环境三者之间的最佳匹配。将人机工程学的设计思路应用到救护车的内部设备布局优化中,摒弃传统的“经验式”设计方法,根据使用者的实际使用需求和舒适程度来确定设备的布置与摆放,有效提升用户的舒适感及整车系统的工作效率。; 龚安东李鹏; 关键词：救护车粒子群优化算法人机工程学

动态拓扑结构混合粒子群算法及其应用: 2024年; 针对传统粒子群算法面对较高维度参数整定问题时所表现出的寻优速度慢、易陷入局部最优解的问题,提出一种动态环形拓扑结构混合粒子群算法(DynRing-hfpso)。该算法以粒子群算法为基底,融合萤火虫算法的优点,通过定义选择逻辑使粒子在迭代过程中各自独立地交替进行全局搜索与局部探索,并以自适应的粒子速度与位置约束方法提高算法在迭代过程中信息的利用率。对粒子群拓扑结构进行改进,以动态多邻域环形拓扑结构提高搜索空间覆盖能力,均衡收敛速度。设置动态性能分析以及消融实验,验证算法中粒子分布质量与改进措施的有效性。采用分数阶比例-积分-微分(FOPIλDμ)控制下的速度伺服系统作为应用场景,将该算法与其他四种算法进行对比。结果表明,DynRing-hfpso算法较已有的元启发式优化算法有更快的收敛速度与更优的收敛精度,且在多次实验中展现出更强的鲁棒性。; 王浩丞李凌; 关键词：粒子群算法萤火虫算法分数阶PID 自整定

混合粒子群算法的自动组卷研究: 2024年; 自动组卷是在多目标约束下的一个组合问题,在网络学习中,如何快速、高效地组成一套试卷,供自主学习者在线测试,是一个热门研究的课题。建立了一个组卷数学模型,针对基本粒子群算法存在的不足,在基本粒子群算法的基础之上引入了遗传算法,称为混合粒子群算法(MPSO)。经仿真实验表明,提出的混合粒子群算法(MPSO)要比基本遗传算法(GA)和基本粒子群算法(PSO)的组卷效率高,完全可以胜任网络在线考试的要求。; 杨淼; 关键词：粒子群算法遗传算法自动组卷试题库

基于改进粒子群算法混合储能优化调度: 2024年; 大多数风电储能调度研究从经济运行成本或环境保护成本出发,调度方案缺少对储能投资企业收益和风电消纳的研究,考虑储能经济收益和风电功率消解对调度的影响,提出了一种基于改进粒子群算法的风电混合储能优化调度方法。首先建立一种蓄电池和超级电容混合储能的储能方案;其次基于分时售电、电价差异的影响因素,建立了以储能经济收益最大和风电功率消解最大的优化调度模型;最后提出了一种基于粒子群的改进优化算法,粒子群算法引入帕累托排序和拥挤度排序法,并进行了理论分析和仿真验证。结果表明,只考虑储能经济收益最大时收益明显增加,只考虑风电功率消解最大时消解明显增多,同时考虑储能经济收益最大和风电功率消解最大双目标时,对于两种目标,均有较好的优化结果。; 于运永金钧; 关键词：混合储能分时电价优化调度多目标优化改进粒子群算法

水库发电优化调度改进粒子群算法应用: 2024年; 为进一步提升粒子群算法在水库发电调度中的应用效果,应用粒子群算法建立水库发电优化调度模型,从初始种群生成、寻优模式、更新策略等方面对算法进行改进,将均匀设计理念和混沌理念分别引入粒子群算法并对惯性权重进行了非线性自适应设计。计算结果与标准粒子群算法以及传统的动态规划进行了对比。结果表明,粒子群及其改进算法在水库发电优化调度中应用效果良好,综合考虑算法收敛能力、稳定性及计算耗时等指标,改进粒子群算法具有较高的实用价值。; 刘宇许新宇李晓澜薛凯竟张宇; 关键词：水库调度优化调度粒子群算法

基于改进粒子群算法的木材板材下料方法: 2024年; 木材板材在家具行业应用广泛,以绿色环保、节约能源为目的的木材板材优化下料已经成为研究的热点。木材板材下料优化问题属于二维矩形下料问题,是一种具有高度计算复杂性的问题。本研究主要针对单规格木材板材进行矩形零件下料问题,在木材板材长和宽都大于零件长和宽的情况下,通过建立二维下料的数学模型,采用标准粒子群算法、变邻域搜索算法、粒子群混合变邻域搜索算法分别进行求解,并以某企业的下料实例进行分析计算。首先,利用标准粒子群算法求解单规格板材下料问题;其次,利用变邻域搜索算法求解单规格板材下料问题。在获得局部最优解的基础上改变其邻域结构再进行局部搜索,找到另一个局部最优解,如此不断迭代,直到满足算法的终止条件,获得全局最优解;最后,利用粒子群变邻域搜索混合算法求解单规格板材下料问题。针对粒子群算法局部搜索能力较差、容易过早收敛的问题和具有较好包容性的特点,将变邻域搜索的思想融入粒子群算法中,使结果更加趋向全局最优。结果表明:粒子群变邻域搜索混合算法相比粒子群算法和变邻域算法效率都有显著提升,能显著提高该木材板材的利用率,增加企业经济效益。; 黄秀玲陶泽尤华政李宸刘俊; 关键词：粒子群算法

基于改进粒子群算法的卫星星座优化设计: 2024年; 面向区域覆盖的卫星星座设计是一个多约束的优化问题,提出一种基于改进粒子群(Particle Swarm Optimization,PSO)算法的中轨(Medium Earth Orbit,MEO)卫星星座优化设计方法。以最大化卫星星座对中国区域的平均覆盖率为目标,基于3+4P星座构型进行卫星星座优化设计,并采用改进PSO算法对卫星的轨道参数进行优化。通过仿真软件和卫星仿真工具包(Satellite Tool Kit,STK)互联进行算法验证,并将改进PSO算法、标准PSO算法和遗传算法(Genetic Algorithm,GA)的优化结果进行对比。仿真结果表明,改进PSO算法优化后的卫星星座对中国区域的覆盖率均值为95.34%,分别比标准PSO算法和GA算法高0.68%和9.55%,同时具有更高的平均覆盖重数和总覆盖时长。因此,基于改进PSO算法的卫星星座优化设计方法可以实现较好的覆盖性能。; 侯艳丽李晓楠; 关键词：粒子群算法遗传算法

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈