地震是具有毁坏性的自然灾害,对于震后严重受损的地区,设计合理的应急避难场所是非常必要的,为此提出基于微粒群算法对城乡应急避难场所规划的研究。将退火算法的微粒群理论与城乡地区应急避难场所规划相结合,在约束条件较多的情况下,将应急避难场所视为一个粒子,对应急避难场所规划创建目标函数,从而实现对城乡住区应急避难场所的规模规划设计;其次设计应急场所的内容与位置模型,集合城乡需求点布局的影响因素,修建不同的应急场所...
作者:耿永刚 期刊:《信息技术与网络安全》 2010年第17期
针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点。提出了一种基于微粒群优化(PSO)算法的模型参数辨识方法,利用PSO算法强大的优化能力,通过对算法的改进,将过程模型的每个参数作为微粒群体中的一个微粒,利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率。
作者:蔡星娟; 崔志华; 曾建潮; 谭瑛 期刊:《心智与计算》 2007年第02期
速度上限是影响微粒群算法性能的一个主要参数。针对现有调节策略存在参数统一设置、与微粒性能无关等缺点,本文提出一种基于性能反馈的调整策略,使得速度上限能随着个体性能的改变而动态调整,从而更加真实有效的模拟了鸟类觅食的群体行为特征。仿真结果表明该算法能较好地提高微粒群算法的计算效率。
作者:夏桂梅; 曾建潮 期刊:《山西师范大学学报·自然科学版》 2005年第01期
微粒群优化算法(PSO)是一种进化计算技术(evolutionary computation).算法通过微粒间的相互作用发现复杂搜索空间中的最优区域.其优点是:计算速度快且简单易实现;缺点是容易陷入局部极值点,进化后期收敛速度慢且精度较差.本文对微粒群算法的研究现状进行了部分介绍,并对其研究的发展趋势进行了预测.
作者:李丹 期刊:《山西师范大学学报·自然科学版》 2013年第02期
本文在对微粒群算法进行改进的基础上,提出了基于数据挖掘关联规则的微粒群算法,理论分析和仿真结果表明该算法是有效的.
为了克服标准蚁群算法容易陷入局部最优化从而导致算法过早停滞的缺陷,论文借鉴了微粒群算法的优秀思想,提出了基于微粒群算法的城市选择变参数选取策略与信息激素的更新方式的改进策略,并应用于对CTSP问题的仿真实验。结果表明:改进算法能够加快收敛速度,节省搜索时间,而且能够克服停滞行为的过早出现。
作者:熊鹰; 周树民; 祁辉 期刊:《广东开放大学学报》 2006年第03期
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。
作者:高文松; 贾延臣; 刘芳兵 期刊:《智慧工厂》 2009年第05期
为了提高基本微粒群算法的收敛性,提出了一种引入变异机制的新型粒子群算法,该算法使粒子以不同的概率变异。实验表明,算法的收敛速度得到提高,并且有效抑制了算法的早熟。将算法应用于电厂主汽温控制系统的优化,仿真结果表明,系统获得了较好的调节品质。
作者:谷鹏; 石国萍 期刊:《电力工程技术》 2011年第02期
微粒群优化(PSO)算法具有全局性能好、搜索效率高等优点。应用该算法进行电力系统负荷模型的参数辨识,辨识结果表明PSO算法在计算时间、全局性方面均有比较明显的优势。辨识的模型具有较高精确性,最后通过工程实例进行仿真实验,实验结果验证了模型和算法的有效性。
分类是数据挖掘研究的主要内容之一,将微粒群算法应用于分类中,主要用于分类规则的提取,给出了适用于微粒群算法的分类规则编码,并构造了适应值函数,采用UCI标准数据集进行实验,结果表明算法的有效性。
作者:高世博 期刊: 2019年第11期
本文简要介绍了微粒群优化算法的原理,并对算法参数设置、核心思想等进行了分析,对算法在图像分割应用上的部分改进算法进行了简述,可为初次接触、学习、使用微粒群优化算法的研究者算法提供一定的帮助。
作者:刘杰 期刊:《大地测量与地球动力学》 2019年第09期
将微粒群算法与位错理论模型相结合,采用中国地壳运动观测网络提供的青藏高原地区2001~2004年GPS测量数据和2000~2006年水准测量数据,通过常规定权和附有相对权比的方法对祁连山北缘断裂的三维滑动速率进行联合反演,并与蚁群算法反演结果进行对比。结果表明,微粒群算法收敛速度快、稳定性高,结合经典位错理论模型,是一种可以有效求解断层三维滑动速率反演问题的优化算法,在大地测量反演领域极具应用潜力。
作者:张更新; 赵辉; 王红君; 苏君临 期刊:《天津理工大学学报》 2005年第04期
标准的PSO算法一般不能兼顾收敛速度、全局探索能力和局部精细搜索能力. 本文通过同时动态调整惯性权重和加速度权重以平衡运算性能,并通过寻找LevyNo.5函数极值加以验证. 结果表明,与标准的固定参数PSO算法相比,该方法取得了更好的效果.
作者:谭瑛; 高慧敏; 曾建潮 期刊:《太原科技大学学报》 2004年第02期
微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用.本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法.仿真实验结果验证了方法的正确性与有效性.
作者:方赛银; 李明; 邱荣祖 期刊:《北京林业大学学报》 2018年第02期
【目的】生产批量计划是企业制定主令生产计划和物料需求计划的依据,生产批量计划的优化也是企业节约成本和原料的关键所在。目前人造板企业都采用批量生产模式,并且依据事先设定的生产计划确定各个阶段的生产任务,但随着市场竞争的日益激励和个性化需求的提高,每个阶段的实际生产任务通常需要根据市场需求及时调整。为此,针对人造板生产批量计划问题,提出基于微粒群优化算法(PSO)的时域滚动计划。【方法】首先,根据人造板批量生...
作者:陈东宁; 彭晓静; 姚成玉; 张晓磊; 杨晓荣 期刊:《液压与气动》 2019年第08期
针对微粒群算法作用力规则的不足,提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略,将算法的搜索过程分为前期和后期2个搜索阶段:在前期搜索阶段,微粒在其他微粒的引斥力作用下进行最优搜索,以保持种群多样性;在后期搜索阶段,微粒在双引力及引力提供的加速度的共同作用下向最优解收敛,以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题,利用矩阵变量来处理约束条件,给出一种基于矩阵的微粒编码...
作者:张佳期; 解倩倩 期刊:《传感器世界》 2019年第05期
粒子群优化算法又称微粒群算法,是-种智能优化算法,主要用于优化函数、训练神经网络,以及其他进化算法的应用领域。本文简介了粒子群优化算法的发展历史及现状、主要分类,并以国内外专利申请数据为分析样本,从专利逐年变化的申请量和申请人分布等角度进行了分析和研究。
作者:黄良辉; 王淑苹; 刘月宾 期刊:《建筑经济》 2019年第07期
在保证建筑工程进度的前提下,如何尽可能地减少施工总成本,是包括施工企业在内的相关同业普遍关注的一个问题。因此,针对建筑工程总费用的最小化问题,提出一种基于微粒群算法的BIM建筑工程成本优化技术:首先,建立工程项目“成本—工期”均衡优化数学模型,以此为基础,建立基于BIM的建筑工程成本优化信息模型,然后采用改进的微粒群算法优化求解上述数学模型。最后,以实际建筑工程项目为例,通过所提方法对施工进度计划进行优化,优化结...
作者:汪新星; 张明 期刊:《自动化仪表》 2004年第02期
提出一种利用改进微粒群算法优化PID参数的方法.微粒群算法(PSO)是一种随机全局优化技术,算法通过微粒间的相互作用发现复杂搜索空间中的最优区域,算法简单、容易实现且功能强大.将PSO算法加以改进并应用在PID控制器的参数优化,经仿真证明了PSO算法的有效性,其性能优于遗传算法和传统的经验公式.
作者:康琦; 汪镭; 吴启迪 期刊:《信息与控制》 2005年第04期
在静态的微粒群多元最优信息规划模式的基础上,提出了微粒群多元最优信息的模糊自适应规划算法.该算法将模糊逻辑引入微粒群多元最优分布状态的动态规划,以实现多元最优信息间规划比例在寻优过程中的自适应调节,从而能够更大程度地改善其总体寻优性能.以最优和次最优分布信息的规划为例,构造了一种基于单变量两维状态输入模糊控制结构的微粒群模糊自适应规划引导器,并加以仿真计算.