共查询到20条相似文献,搜索用时 421 毫秒
1.
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
2.
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
3.
4.
刘伟 《宁波职业技术学院学报》2011,15(2)
介绍了对灰度非线性转换算法的研究,提出了一种基于微粒群算法的图像对比度自适应变化算法,将改进的微粒群算法进行测试,并且为了在图像增强中取得好的效果,将改进的算法图像在对比度增强中引入,从而实现对比度的自适应变换。 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(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
7.
《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
8.
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.
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
11.
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。 相似文献
12.
基于MATLAB的粒子群优化算法程序设计 总被引:12,自引:0,他引:12
阐述了粒子群算法的基本原理,探讨了在MATLAB环境中实现粒子群算法的编程方法,构建粒子群算法工具箱函数,通过仿真示例验证了该方法的有效性,表明它能够对函数进行全局优化. 相似文献
13.
针对基本粒子群优化算法存在的早熟收敛问题,提出了一种保持粒子活性的改进PSO算法:当粒子失活时,对粒子进行变异或扰动操作,重新激活粒子,使粒子能够有效地进行全局和局部搜索,并将改进的PSO算法应用到酒精流加发酵过程的补料优化。实验结果表明,运用改进的PSO算法在进行流加发酵过程的补料优化时,它的寻优性能良好,而且寻优速度很快,可以提高最终产物14%的产量。 相似文献
14.
高长伟 《辽宁科技学院学报》2009,11(4):5-6,14
本文采用的无功优化数学模型虑了系统的实际约束条件和无功调节手段,能够准确直观地反映电力系统无功优化的实际问题。在此基础上对基于粒子群算法的无功优化作了深入的研究,尝试利用粒子群优化算法对无功优化问题进行求解。对常规粒子群算法的搜索策略进行了改进,对约束条件、离散变量都采取了一定的改进处理措施。以IEEE-6节点系统为例进行了仿真计算,验证了本文模型和算法的正确性、适用性和经济性。 相似文献
15.
粒子群优化算法及其应用 总被引:1,自引:0,他引:1
李丙春 《喀什师范学院学报》2006,27(3):66-68
介绍了粒子群优化算法及该算法的优越性,并与遗传优化算法进行了比较;针对经典粒子群算法存在的不足,介绍了一个改进的动态改变惯性权的自适应粒子群算法;最后,以神经网络为例给出了粒子群优化算法的应用. 相似文献
16.
针对现有BP神经网络选取权值和阈值不精确问题,采用改进量子粒子群优化算法优化BP神经网络权值和阈值。首先在改进的量子粒子群优化算法中,采用双层多种群优化策略提高整个种群的寻优能力,然后在每个子群中使用混沌反向学习和Levy飞行增强子群寻优能力,最后利用改进的量子粒子群优化BP神经网络权值和阈值。实验结果表明,改进的量子粒子群优化算法能有效提高BP神经网络的全局寻优能力和收敛性,对数控高速铣削加工的铣削力进行准确预测。 相似文献
17.
18.
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
19.
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。 相似文献
20.
指出造林规划设计问题实质是一个离散约束优化问题。应用离散粒子群优化算法求解目标函数,以保证解的合理性法和惩罚函数法相结合处理约束条件。分析实例表明,离散粒子群优化算法可用来优化造林规划设计方案,与模拟退火算法比较,效果更好。此研究结果可为科学造林和最优化经营管理提供新思路,丰富粒子群应用领域。 相似文献