共查询到20条相似文献,搜索用时 578 毫秒
1.
本文提出了一种新的求解约束优化问题的微粒群算法。首先提出了三种构造初始微粒群的算法,然后给出了保证微粒在可行域内运动的混合微粒群算法。通过测试函数的对比分析,说明了该算法的有效性。 相似文献
2.
该文从基本微粒群算法社会行为分析的基础出发,分析了微粒群算法局部最好模型和一种基于邻域思想的微粒群算法与基本微粒群算法的关系。为了改进微粒群算法的全局和局部搜索能力,避免算法陷入局部优化,该文通过借鉴使用较为稳定的元胞自动机邻居模型中扩展摩尔型邻域,同时利用了元胞自动机的一些理论,提出了基于邻域思想改进的微粒群算法。实验结果表明,该方法在函数优化中能有效地进行全局搜索。 相似文献
3.
4.
微粒群算法(Particle Swarm Optimization,PSO)收敛速度慢,精度不高,收敛过程中降低了种群多样性,易陷入局部最优。为此,提出协同微粒群算法。协同微粒群算法采用维数划分重新组合的协同模型,收敛速度快,搜索范围大,收敛精度较高。“孤岛模型”和“邻域模型”是协同微粒群算法采用较多的两种模型。“孤岛模型”的协同微粒群算法要等到所有子种群全部达到更新周期后才进行比较,将此时的全局最优值作为共享信息。“邻域模型”的协同微粒群算法每隔R代,相邻两个子种群之间就进行信息交换。基于“邻域模型”的协同微粒群算法收敛效率更快。为了在全局开发和局部搜索之间实现较好平衡,在协同微粒群算法基础上引入综合学习策略,以有效利用共享信息实现更好的搜索结果。 相似文献
5.
提出一种与Powell算法相结合的新型改进微粒群算法——Powell-PSO.改进算法将粒子的搜索过程分为两阶段,第一阶段,将标准微粒群算法的速度公式加以改进进行搜索;第二阶段,将第一阶段的最后一代粒子作为Powell算法的初始点,让Powell算法与PSO算法交替进行.这样既克服了微粒群算法陷入局优的缺点,也大大提高了算法的求解精度,同时提高了收敛速度并保持了微粒的多样性.仿真结果表明:与标准微粒群算法相比,Powell-PSO具有较高求解精度和较强寻优能力,并且不论是对单峰还是多峰函数都能取得较好的优化效果. 相似文献
6.
微粒群算法是一种新的基于群体智能的优化算法。文章介绍了微粒群算法的基本原理及其改进算法,并对其在理论研究和技术应用两方面的研究现状和未来的发展方向进行综述。 相似文献
7.
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
8.
针对放大器电路中多种参数的同时优化问题,对微粒群算法进行改进,提出一种锯齿型动态群体数量的微粒群方法,并将其用于放大器电路参数的优化设计.改进的锯齿型微粒群方法中,群体数量在每个固定的进化阶段线性减少,当群体数量减少到给定最小值时,利用交叉操作产生新个体对群体进行补充.此方法不但减少算法的运算量,而且减少因随机操作产生... 相似文献
9.
蔡莉 《绵阳师范学院学报》2010,29(2):88-93
从生物学角度出发引入Logistic模型,提出了一种新的基于Logistic模型的动态群体微粒群算法。该算法中群体增长与生态学规律保持一致,通过适应值较好微粒杂交的方法产生新微粒以提高算法的多样性,当种群规模达到了环境负荷量时会由于资源短缺、疾病等原因造成种内竞争产生优胜劣汰现象,通过删除适应值变化率较小微粒,可提高种群的总体适应度。模拟实验表明该文提出的DPSO算法比SPSO和MPSO—TVAC具有更高的效率和较快的收敛速度,提高了种群微粒间的竞争。 相似文献
10.
该文针对基本微粒群算法(Particle Swarm Optimizaton,简称PSO)存在的早熟收敛问题,提出了一种改善粒子活性的改进微粒群(IPSO)算法。当粒子逐步失去活性时,对粒子按一定的概率重新以一定的方式进行赋值,达到激活该粒子的目的,使粒子能够有效地进行全局和局部搜索。通过函数优化测试,结果表明IPSO算法不仅具有较快的收敛速度,而且能够有效、稳定地提高函数优化精度。 相似文献
11.
张成兴 《数学学习与研究(教研版)》2014,(1):71
微粒群算法已经成为一种高效容易实现的方法.微粒群算法根据鸟群捕食行为抽象而来,但是目前很少有文献分析该算法在循环中改变速度和位置的稳定性.本文以基本微粒群算法为例,利用差分方程,常微分方程和线性系统控制理论对算法的更新公式进行了分析,给出了算法稳定的条件. 相似文献
12.
语言模型具有很好的可理解性特征,但在多数情况下,其精确性是难满足要求的。利用改进型微粒群算法优化输入变量的语言值及对应的正交模糊集参数,再应用Wang方法以形成语言模型,在保持可理解性的情况下,获得较精确的语言模型。改进型微粒群算法采用惯性权重自适应动态调整策略,结果显示该改进算法在语言模型过程中更容易获得全局最优解,学习效率和优化性能明显提高。 相似文献
13.
微粒群优化算法(PSO)是一种有效的随机搜索方法,它由模拟鸟群的社会行为发展而来,基本思想是通过群体中个体之间的协作和信息共享来寻找最优解,其优势在于简单、容易实现并且没有许多参数的调节。将微粒群算法应用到改进基于卡尔曼滤波的航迹融合上,并进行数据仿真。实验结果表明,该方法具有较高的正确性和较强的有效性。 相似文献
14.
王元元 《南通职业大学学报》2011,25(3):89-91
在对标准微粒群算法(PSO)分析的基础上,提出了一种并行微粒群算法(PPSO)。文章详细介绍了该并行算法的流程,它改变了原来子种群之间周期性的通讯,而采用即时更新最优值的方法。仿真结果表明,PPSO在收敛速度和达标率方面有显著的优越性。 相似文献
15.
16.
研究多目标离散物流选址问题,根据所提问题的特点,建立模型,并根据模型的特点设计了一个有效的微粒群优化算法.最后通过实例验证了算法的有效性. 相似文献
17.
18.
林志庆 《福建工程学院学报》2011,9(6):607-612
提出了一个微粒群优化算法(autoPSO)自动聚类高维数据。autoPSO优化了Davies-Bouldin(DB)有效性函数,并将聚类问题转化为一个界约束的连续函数的优化问题。用一个实数矩阵和一个二进制向量来表示微粒,使得同一迭代中能够表示具有不同聚类数目的划分;并且,在二进制向量的控制下指导相关联的实数矩阵交叉操作,保持算法良好的种群多样性,避免算法早熟收敛。通过高维模拟数据集的实验结果表明,本文算法不需要预设聚类数目k,能够自动正确识别高维数据的聚类。 相似文献
19.
微粒群算法(PSO)提出后,由于其优越的性能和易用性而得到了广泛的应用。传统PSO在算法参数设置上主要凭研究者经验进行选择,难免存在主观随意性偏差。采用正交试验设计的方法对PSO算法的w、c_1、c_2参数设置进行试验分析,从而提出较好的参数设置。通过对4个标准测试函数的实验分析,结果显示当w=1、c_1=c_2=3时算法有较好的性能。 相似文献
20.
《商丘师范学院学报》2006,22(5)
正交微粒群算法该文作者系商丘师范学院数学系薛明志博士,全文发表于全国中文核心期刊、EI源期刊《系统仿真学报》2005年第12期.基于正交试验设计的最优性以及微粒群中微粒的记忆特征,提出了一种新型的微粒群算法———正交微粒群算法.其主要思想是:利用正交设计的方法产生初始微粒群,以便粒子能够均匀分布在整个解空间上;充分利用微粒的记忆能力,对微粒群进行更新,从而达到对可行解空间进行开发和探索的目的.将该算法应用于4个常见的测试函数,试验结果表明本算法的性能比较优越,并且具有很强的并行性和较大的灵活性.最后,讨论了不同的初始… 相似文献