共查询到20条相似文献，搜索用时 15 毫秒
1.
该文在分析微粒群算法局部最好模型几种邻域结构特点的基础上,提出了基于元胞自动机改进的微粒群算法。该算法从元胞自动机的建模思想出发,指出了微粒群算法本身就是一个元胞自动机,从而利用元胞自动机的理论对微粒群算法进行分析改进。实验结果表明,该算法不仅在单峰函数和多峰函数的优化中表现出了较好的性能．而且还适合比较广泛范围函数的优化。 相似文献
2.
惯性权重是粒子群算法的一个重要参数.为了验证惯性权重对粒子群算法性能的影响,选取3个有代表性的惯性权重设置,与线性权值递减策略进行各个方面的比较,采用3个标准测试函数测试这些策略对算法的影响.实验结果表明采用w1PSO的惯性权值设置方式,所取得的效果要优于其他惯性权值策略. 相似文献
3.
胡永仕杨悠悠张阳 《福建工程学院学报》2021,(3):230-235
为克服公交调度优化模型中纯电动公交车受续航里程约束、未考虑驾驶员舒适度的不足,提出了人-车固定模式的纯电动公交车柔性调度优化方法。采用休憩时长为衡量驾驶员舒适度的指标,将保证驾驶员舒适度产生的负面边际效应量化为延误成本,以公交企业总成本最小为目标构建优化调度模型,引入改进的粒子群算法求解。改进算法通过调整粒子群算法的位置和更新机制解决传统粒子群算法易陷入局部极值的问题,进一步提高算法精度。实验结果表明,柔性调度优化方法能有效降低公交企业的总运营成本,具有一定的实用性。 相似文献
4.
The standard particle swarm optimization （PSO） algorithm is a novel evolutionary algorithm in which each particle studies its own previous best solution and the group＇s previous best solutions to optimization problems. One problem in PSO is its tendency of trapping into local optima. In this paper, a multi-swarm technique based on fast particle swarm optimization（FPSO） algorithm is proposed by introducing crossover operation. FPSO is global search algorithm which can prevent PSO from trapping into local optima in light of Cauchy mutation. Though it can get high optimizing precision, the convergence rate is not satisfactory. FMSO can not only find satisfying solutions, but also speed up the search. 相似文献
5.
标准粒子群算法主要用于优化连续性,而对粒子群算法求解非线性整数规划,算法的粒子位置必须解决取整问题。基此,文章提出一种粒子位置最终取整的方法,以改进粒子群算法解决整数规划的具体过程。基准函数的仿真结果表明,改进后的取整方法的搜索成功率优于直接取整和随机取整,综合搜索效率更佳。 相似文献
6.
在分析了标准微粒群(PSO)算法速度运动方程的基础上,提出了一种具有随机权重的复合模型PSO算法,采用测试函数进行仿真。实验结果表明,该算法能有效地提高收敛速度和全局搜索能力。 相似文献
7.
罗金炎 《福建工程学院学报》2008,6(6)
在散乱数据光顺拟合问题的计算中,引入了群体智能粒子群优化算法,增加了计算的自动程度以及客观性,优化中提出了优于传统罚函数法的模糊罚函数法,将模糊集合理论和粒子群优化算法有机地结合起来,并通过对节点序列内在关联性的分析,提出了适合邻域搜索类算法实施的邻域结构,以获得目标函数的全局解,最后给出了数值仿真实例。 相似文献
8.
加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度. 相似文献
9.
基于PSO的电力系统环境经济负荷调度 总被引：1，自引：0，他引：1
针对基于线性加权和处理成单目标优化问题的传统方法存在的缺陷,提出使用粒子群优化算法求解EELD多目标优化问题。该方法通过对粒子群算法个体极值和全局极值选取方式的改进,实现了对EELD多目标优化问题的非劣最优解集的搜索,为决策者提供了丰富的参考信息。在此基础上,应用模糊满意度方法求出的最优折衷解为调度运行人员提供了最佳调度折衷方案。最后,对一个三机系统进行了测试,并与线性加权人工神经网络法进行了比较分析,仿真结果验证了该方法的有效性。 相似文献
10.
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。 相似文献
11.
针对粒子群优化算法后期易陷于局部最小的缺点,引入模拟退火思想,建立模拟退火—粒子群优化算法。通过求解函数优化问题对比实验,表明改进后的粒子群优化算法增强全局寻优能力,搜索成功率大为提高。 相似文献
12.
一种离散型多目标粒子群优化算法 总被引：1，自引：1，他引：0
为获得更好的非劣前端,提出一种离散型多目标粒子群优化算法。该算法根据离散型多目标优化问题的特点,将种群分成多个子种群,在各个子种群中利用表现型共享的适应度函数选择每个子种群的最优粒子。通过多个最优粒子的引导,使整个种群分布更均匀,避免陷入局部最优,保证了解的多样性。实验表明了该算法的有效性。 相似文献
13.
随着指数衍生产品日益受到重视,指数化投资组合常被传统的消极基金管理者或机构所采用,而用有限的资金按指数构成比例进行投资显然是不现实的,所以指数的最优误差追踪就显得更加重要。将追踪误差定义为证券投资组合收益率与所追踪的指数基准收益率之差的均值平方和的平方根,建立了基数约束（即总资产数不超过某个特定整数K）下考虑投资者损失规避决策偏好的跟踪误差最小化模型,并设计了一个粒子群算法求解模型。实际算例表明,所构建的模型和算法是有效的。 相似文献
14.
为解决暑假旅行人员以成本最小化为目标的最佳旅行路线选择难题,基于路径优化理论（VRP）及粒子群算法,设计了以暑假旅游路线最短为优化目标的数学模型,采用计算机编程技术,设计了求解该优化模型的粒子群算法,并选择案例对模型及算法进行了验证。案例应用结果表明,该模型和算法能够有效解决最佳旅游路线选择难题,正确率达98%。基于VRP理论及粒子群算法的最短路选择模型不仅能够快速求解出最优路径方案,还能够有效降低人工经验选择最短路径中存在的误差。 相似文献
15.
周凌 《廊坊师范学院学报(自然科学版)》2011,11(6):41-43
基于量子粒子群算法理论,对二级齿轮减速器进行优化设计,并利用MATLAB软件对量子粒子群算法程序进行了设计验证。从实验结果来看,运用量子粒子群算法很好地实现了减小齿轮中心距的要求,收敛速度快,得到的结果令人较为满意。 相似文献
16.
简化粒子群优化算法（sPSO）去掉了PSO中的速度项,使算法性能有了显著提高。文章以该算法为基础,讨论了sPSO的改进方向,然后提出了惯性权值优化的简化粒子群优化算法（wsPSO）以及带极值扰动和惯性权值优化的简化粒子群优化算法（wtsPSO）,并通过实验验证了改进的有效性节。 相似文献
17.
介绍了粒子群优化算法的基本原理;给出了基于这种进化计算技术的阵列天线方向图综合方法;对粒子群优化算法和遗传算法的特点进行了对比研究,同时对基本粒子群优化算法提出了一种改进策略。研究表明,粒子群优化算法是一种稳定性好,易于实现并行计算的优化算法,在阵列天线方向图综合中具有良好的应用前景。 相似文献
18.
针对滚动轴承故障分类准确率低的问题,提出一种利用遗传算法结合粒子群算法优化支持向量机分类器的故障诊断方法.实验通过提取滚动轴承不同故障状态下的振动信号,以转化成时域和频域组成的特征集为特征向量,利用粒子群生成二维粒子,即惩罚因子C、核函数参数G,并喂入支持向量机进行训练和交叉验证,取最优适应度对应的粒子,进而构建遗传粒... 相似文献
19.
An efficient hybrid evolutionary optimization algorithm based on PSO and SA for clustering 总被引：4，自引：0，他引：4
The K-means algorithm is one of the most popular techniques in clustering. Nevertheless, the performance of the K- means algorithm depends highly on initial cluster centers and converges to local minima. This paper proposes a hybrid evolutionary programming based clustering algorithm, called PSO-SA, by combining particle swarm optimization （PSO） and simulated annealing （SA）. The basic idea is to search around the global solution by SA and to increase the information exchange among particles using a mutation operator to escape local optima. Three datasets, Iris, Wisconsin Breast Cancer, and Ripley＇s Glass, have been considered to show the effectiveness of the proposed clustering algorithm in providing optimal clusters. The simulation results show that the PSO-SA clustering algorithm not only has a better response but also converges more quickly than the K-means, PSO, and SA algorithms. 相似文献