检索结果-内蒙古大学图书馆

作者：康琦同济大学

学位级别：硕士

实际工程问题的复杂性、约束性、非线性和建模困难等特点,对优化和计算技术提出了更高的要求,寻找新型的智能优化方法逐渐成为一个新的研究热点.群体智能,作为一种新兴的智能计算技术正受到越来越多研究者的关注.群体智能的协作性、分... 详细信息

实际工程问题的复杂性、约束性、非线性和建模困难等特点,对优化和计算技术提出了更高的要求,寻找新型的智能优化方法逐渐成为一个新的研究热点.群体智能,作为一种新兴的智能计算技术正受到越来越多研究者的关注.群体智能的协作性、分布性、鲁棒性和快速性等特点使之在没有集中控制且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础.本文主要研究群体智能的一种典型实现模式——微粒群优化算法(以下称微粒群算法),在对该算法及其应用进行全面综述的基础上,重点进行了算法的改进研究,并将微粒群算法应用于半导体封装测试生产线工序参数优化.本文的研究目的:一方面是探索和完善微粒群算法模型,使之能更有效的解决传统方法难以解决的大规模复杂性问题;另一方面拓展微粒群算法的应用领域,使微粒群算法能够解决更多的工程实践问题.

关键词：微粒群优化算法形式化描述多元最优信息规划分组延迟通讯传播模式模糊自适应规划半导体封装工序参数优化

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法的改进与应用

微粒群优化算法的改进与应用

引用

作者：李军军上海海事大学

学位级别：硕士

如今，随着计算机科学与技术的迅速发展，人类生存空间的扩大以及认识与改造世界范围的拓宽，人们对科学技术提出了新的和更高的要求，其中高效的优化技术和智能计算的要求日益迫切。微粒群优化算法是一种新兴的智能优化算法，其概念简... 详细信息

如今，随着计算机科学与技术的迅速发展，人类生存空间的扩大以及认识与改造世界范围的拓宽，人们对科学技术提出了新的和更高的要求，其中高效的优化技术和智能计算的要求日益迫切。微粒群优化算法是一种新兴的智能优化算法，其概念简单，实现容易，自从kennedy和Eberhart于1995年提出以来，在短短几年之内便获得了很大的发展，并在一些领域获得了成功应用。微粒群优化算法具有较强的全局搜索能力，但同时也有易陷入局部极值的缺点。本文主要研究了微粒群优化算法的改进与应用，并进行了仿真研究。主要研究内容如下：模拟退火算法具有较强的局部搜索能力，并能避免陷入局部最优解，但它的全局搜索能力不强。本文将微粒群优化算法和模拟退火算法结合，提出一种基于模拟退火的微粒群优化算法。该算法能克服微粒群优化算法容易陷入局部极值的缺点，且不断缩小优化变量的搜索空间，有较高的搜索效率。应用该算法对测试函数进行优化计算，得到了满意的效果。对旅行商问题、车辆路径问题、物流配送中心选址问题这三种受约束的、离散的组合优化问题，本文采用微粒群优化算法分别进行了应用研究。对微粒群优化算法的速度位置算式进行了改进，提出一种改进的微粒群优化算法，该算法符合组合优化问题的特点，在求解旅行商问题上有较高的搜索效率。将此改进微粒群优化算法分别应用于14个点的TSP问题以及中国旅行商问题中，都在较短时间内获得了目前已知的最好解。设计了求解车辆路径问题的一种新的实数编码方案，将车辆路径问题转化成准连续优化问题，并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例，并与遗传算法和双种群遗传算法进行了比较。计算结果表明，该算法可以更有效地求得车辆路径问题的优化解，是解决车辆路径问题的有效方法。构造了微粒表达方法，提出了物流配送中心选址问题的一种混合微粒群优化算法。通过整数规范化，微粒群能在整数空间内对问题进行优化求解。该算法能克服基本微粒群优化算法精度较低，易发散的缺点，有较高的搜索效率。实验仿真证明了该算法的有效性。

关键词：微粒群优化算法函数优化旅行商问题车辆路径问题配送中心选址

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法分析及应用研究

微粒群优化算法分析及应用研究

引用

作者：刘瑞芳太原科技大学

学位级别：硕士

优化理论与算法是一个重要的数学分支，它所研究的问题是讨论在众多的方案中什么样的方案最优以及怎样找出最优方案，计算出最优的解。由于这类问题普遍存在，所以优化技术一直受到人们的广泛重视，并在诸多工程领域得到迅速推广和应用... 详细信息

优化理论与算法是一个重要的数学分支，它所研究的问题是讨论在众多的方案中什么样的方案最优以及怎样找出最优方案，计算出最优的解。由于这类问题普遍存在，所以优化技术一直受到人们的广泛重视，并在诸多工程领域得到迅速推广和应用。鉴于实际工程问题的复杂性、约束性、非线性、多极小、建模困难等特点，寻求一种适合于大规模并行且具有智能特征的算法已成为有关学科的一个主要研究目标和引人注目的研究方向。而优化方法的理论研究对改进算法性能、拓宽算法应用领域、完善算法体系同样具有重要作用，因此，优化理论与算法的研究是一个同时具有理论意义和应用价值的重要课题。\n 群智能算法通过模拟或揭示某些自然现象或过程而得到发展，其思想和内容涉及数学、物理学、生物进化、人工智能、神经科学和统计力学等方面，为解决复杂问题提供了新的思路和手段。\n 对于规模和复杂度较大的问题，传统单一算法的优化结果往往不够理想，其本身的缺点也制约着算法的改进，而指导性搜索方法具有较强的通用性，无需利用问题的特殊信息。所以合理结合两者的优点相互取长补短来构造新算法，对于实时性和优化性同样重要的工程领域具有很强的吸引力。\n 本文的研究内容包括：\n (1)从微粒群算法(PSO)的生物学基础出发，分析了微粒群算法的原理、模型、参数设置、收敛性能、发展前景及与其它进化算法的比较研究，重点研究了算法的特点。\n (2)微粒群算法是基于群智能的演化优化算法，目前国内外文献对该算法的研究缺乏深刻且具有普遍意义的理论分析。本文分析了微粒群算法的特点，系统介绍了算法理论研究的现状，包括成果与不足。利用差分方程，通过特征根法研究了微粒群算法中粒子运动轨迹的收敛性和参数的收敛区域，从而寻求更加有利于收敛的算法参数选择，并对所得结论作了深入分析。\n (3)提出一种基于混沌思想的微粒群算法，它利用微粒群算法收敛速度快和混沌运动遍历性、随机性等特点，对标准微粒群算法进行了改进。在算法的初始化阶段，对粒子的位置混沌初始化；在算法运行过程中，对粒子的位置进行混沌更新和微粒群更新相结合的更新方式，使全局收敛与局部收敛达到一定平衡。将该算法应用于桁架结构的优化设计中，与标准微粒群算法优化的结果相比较，混沌微粒群算法提高了对多维空间全局搜索能力，可有效避免早熟收敛现象。\n (4)最后提出了增加种群多样性和算法随机性的改进微粒群算法及实现过程，并把该算法应用于复杂机械优化问题。实例表明，该方法全局收敛性好，是解决工程设计中复杂线性优化问题的可行方法。

关键词：微粒群优化算法差分方程特征根参数选择混沌理论

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法及其在风资源评估中的应用

微粒群优化算法及其在风资源评估中的应用

引用

作者：杨维华东理工大学

学位级别：硕士

在全球大力倡导低碳经济、节能减排的大背景下,积极发展最具前景的清洁能源风电是各国的一项战略性举措。而风资源评估是开发风电的最基础的工作,所以如何准确、有效的评估一个地区的风资源状况是一个十分关键的工作。风速概率分布是风... 详细信息

在全球大力倡导低碳经济、节能减排的大背景下,积极发展最具前景的清洁能源风电是各国的一项战略性举措。而风资源评估是开发风电的最基础的工作,所以如何准确、有效的评估一个地区的风资源状况是一个十分关键的工作。风速概率分布是风资源的一个十分重要的特征指标,因而,找出评估该地区的风速概率分布就可大致知晓该地区的风资源状况如何。针对传统的统计方法,如：最小二乘法、矩估计法、极大似然法等在评价风速概率分布时,普遍具有精度不高的缺陷,为了满足实际风场高精度的需要,迫切需要探索出更为寻之有效的方法,为此,本文尝试从智能化的角度提出采用改进的微粒群优化算法来拟合实际风电场风速概率分布曲线。微粒群优化算法(Particle Swarm Optimization Algorithm, PSO)作为新兴的智能优化算法,也是一种基于概率搜索的启发式优化算法,其核心思想来源于群体中个体之间信息的社会共享和协同进化。本文对微粒群优化算法这一新兴优化算法进行研究,首先从算法原理上定性的分析了PSO算法中各个参数对算法性能的影响；接着对PSO轨迹收敛条件进行了详细的探讨,并对收敛区域进行了实验验证；然后,针对传统PSO进化模型的单一性以及繁琐性,提出了简化的分类PSO算法,并通过常用标准测试函数测试的仿真实验验证了该改进算法的优化性能；最后,将该简化的分类PSO用于风电场风速概率分布模型的建模与寻优,并与其它方法在拟合效果方面作出了比较。本文的主要研究成果如下： ①.首先对PSO的研究现状、应用状况以及发展趋势进行了系统的总结；然后,回顾了基本微粒群优化算法和两种标准微粒群优化算法,并详细的分析了带惯性权重的标准PSO算法中各个参数对算法性能的影响；接着,对标准PSO的微粒运动轨迹进行了深入的探讨,给了PSO的轨迹收敛区域；最后,根据参数收敛的边界条件,在一维解空间下,给出了单个微粒在5组不同参数组合时的微粒轨迹收敛的变化趋势图,结果验证了该收敛条件的正确性。 ②.针对传统微粒群优化算法在求解复杂的多维、高峰、非线性函数时,全局模型收敛速度快但易陷入局部最优,局部模型进化后期收敛速度慢等缺陷,本文提出了一种简化的分类微粒群优化算法,该算法首先根据微粒的适应值大小将各个微粒分成较好、普通和较差三类；然后通过对基本PSO方程的速度项进行了合理的分析并将其去掉,简化了微粒的进化方程,在此基础上,对三类微粒采用对应的三种模型,认知模型、完全模型和社会模型分别进行动态调整,这样就满足了不同类型的微粒对全局搜索和局部开发的需要差异的一种合理的平衡,通过对典型的4种测试函数的仿真实验,并与经典的PSO和两个目前较为理想的改进PSO的比较,仿真实例表明了该改进算法的合理性和有效性。 ③.针对传统方法,如：最小二乘法、矩估计法、极大似然法等在风资源风速概率分布模型的Weibull双参数建模与寻优时,有的简单易实现,但精度差,有的精度高,但难以实现,因而迫切需要探索出更为有效的计算方法。为此,本文从智能化的角度提出采用改进的微粒群优化算法,并结合实际采集的风电场现场数据,用于Weibull双参数的建模与寻优。实验结果表明,与常规最小二乘法、丹麦标准的风速拟合软件WAsP以及利用实际的风速源数据所进行计算的结果相比,该方法具有更好的拟合效果,所计算结果更具实际参考性。

关键词：微粒群优化算法优化风电场风速概率分布 Weibull分布

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法及其在航天器交会对接中的应用

微粒群优化算法及其在航天器交会对接中的应用

引用

作者：靖鑫哈尔滨工业大学

学位级别：硕士

在当前空间探测活动中,交会对接技术已经不可或缺。随着空间技术的发展,卫星星座、卫星编队飞行等已在各航天大国的军事和民用技术中越来越广泛地应用,并发挥了越来越重要的作用。在这些多卫星的组合运行中,对空间目标的交会和捕获是飞... 详细信息

在当前空间探测活动中,交会对接技术已经不可或缺。随着空间技术的发展,卫星星座、卫星编队飞行等已在各航天大国的军事和民用技术中越来越广泛地应用,并发挥了越来越重要的作用。在这些多卫星的组合运行中,对空间目标的交会和捕获是飞行器交会对接和攻击敌对目标的重要支撑理论,是当今世界航天技术中的一项十分复杂,难度很大,并且正在迅速发展的高新技术。空间交会技术是指在空中飞行中,两个或两个以上的航天器通过轨道参数的协调,在同一时间到达同一位置的过程。空间交会过程一般包括四个阶段:远程导引段、近程寻的段、最后接近段、逼近对接阶段。其中远程导引阶段是航天器空间交会对接的重要组成阶段,此阶段往往是整个机动中能量消耗最大,时间消耗最长的阶段。而航天器携带的燃料又有限,因此对这个阶段提出优化问题是可行的。在逼近对接阶段中,近年来提出的利用双目视觉方法来测量相对位置和姿态十分有效。而在这个过程中需要用到图像匹配技术,由于图像匹配处理数据大,所以在这方面利用微粒群算法来优化其响应时间也是可行的。本文主要针对微粒群算法作了进一步的改进,并将改进算法应用于最优轨道设计和图像匹配中。主要研究内容如下: 首先,介绍了基于微粒群算法的原理,给出了算法设计的基本步骤及算法流程。并对微粒群算法进行了社会行为分析。接着介绍了两种最基本的改进方法。其次,针对微粒群算法的缺点,提出了几种改进方法,并说明了它们的基本流程。再用几个标准测试函数来测试其有效性。再次,推导了Lambert定理,得到变形的Lambert定理,接着计算了目标航天器运动时间和能量消耗Δv,从而得到性能指标函数,并利用改进的微粒群算法解决最优Lambert转移。仿真实验证明了这种改进方法的有效性。最后,介绍了图像匹配的基本概念,详细讲述了harris角点检测算子和LACC角点匹配算法。考虑到实时性问题,利用微粒群算法来求得变换矩阵来减少匹配时间。

关键词：微粒群优化算法 Lambert定理最优轨道设计图像匹配

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法的研究及其在PMD补偿中的应用

微粒群优化算法的研究及其在PMD补偿中的应用

引用

作者：刘世元燕山大学

学位级别：硕士

微粒群优化（Particle Swarm Optimization,PSO）算法是由Kennedy和Eberhart于1995年提出的一类随机群集智能优化算法。同遗传算法相比,PSO算法不依靠遗传算子来操作个体,通过粒子自身的“个体极值”和群体中的“全局极值”来交互信息,... 详细信息

微粒群优化（Particle Swarm Optimization,PSO）算法是由Kennedy和Eberhart于1995年提出的一类随机群集智能优化算法。同遗传算法相比,PSO算法不依靠遗传算子来操作个体,通过粒子自身的“个体极值”和群体中的“全局极值”来交互信息,具有操作简单、易于实现和收敛速度较快等特点,现已广泛应用于函数优化、神经网络、模式识别等多个领域。本文首先详细介绍了基本PSO算法的产生背景、研究现状和应用领域,指出了PSO算法的研究方向和热点,并阐述了PSO算法的基本思想、环节和主要特点。其次,由于PSO算法的性能在很大程度上依赖于控制参数的取值,本文着重分析了参数元组{w , c1 , c2 }对算法收敛性的影响,并对参数元组各系数的选择也做了比较具体的分析。再次,考虑到PSO算法在解空间寻优的过程本身就是一个非线性运动过程,为了平衡算法的全局探索和局部改良能力,本文提出了一种非线性动态自适应调节参数元组{w , c1 , c2 }的方法,使参数元组各系数随微粒目标值的变化而自动改变。另外,舍弃了速度项的简化微粒群算法（SPSO）在保证收敛速度和精度的同时可以使算法更加简练。本文叙述的自适应简化微粒群优化（ASPSO）算法就是基于以上两点而提出的。最后,本文将ASPSO算法引入到偏振模色散（PMD）自适应补偿系统中,用以实现对PMD效应所造成的光纤传输系统性能损伤的动态有效补偿。该补偿系统具有灵敏度高,响应时间短、误差小等优点,在光纤通信系统的传输特性改善方面具有实际应用价值。

关键词：微粒群优化算法自适应惯性权重偏振模色散偏振度

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法的改进及应用

微粒群优化算法的改进及应用

引用

作者：柳枝华南昌航空大学

学位级别：硕士

最优化问题广泛存在于人类社会的生产与生活中,随着科学技术的发展以及相关问题复杂度的提高,人们对优化技术也提出了更高的要求。微粒群优化算法(Particle Swarm Optimization, PSO)是一种新兴的优化工具,它来源于对生物界鸟类觅食行... 详细信息

最优化问题广泛存在于人类社会的生产与生活中,随着科学技术的发展以及相关问题复杂度的提高,人们对优化技术也提出了更高的要求。微粒群优化算法(Particle Swarm Optimization, PSO)是一种新兴的优化工具,它来源于对生物界鸟类觅食行为的研究,属于群智能优化算法的范畴。PSO算法思想简单,容易实现,通用性强,自提出以来,获得国内外相关领域专家学者的广泛关注,在众多领域得到了很好的应用。微粒群优化算法是一种有效的优化技术,然而无论是算法的理论基础还是实际应用都不够成熟,仍有许多问题值得研究。本文分析了微粒群优化算法的基本原理,重点研究了两群微粒群优化算法及量子微粒群优化算法,在此基础上,对PSO算法的改进和应用进行了相关的研究,具体工作如下: (1)在两群微粒群优化算法的基础上,提出了双群分段交换微粒群优化算法(TSME-PSO)。算法两分群采用不同的进化模型更新微粒的速度和位置,群体间进行微粒交换,整个搜索过程,不同阶段交换不同数目的微粒,且交换数目是逐渐减少的。相关函数测试结果表明,TSME-PSO算法优化性能良好,尤其在高维复杂问题上表现更为出色。 (2)通过研究量子微粒群优化算法,并结合TSME-PSO算法的交换策略,提出了双群交换量子微粒群优化算法(TS-QPSO)。具有量子行为特征的微粒可以以某一确定的概率出现在空间的任何位置,极大的拓展了搜索空间。通过合理设置交换数目和交换方式,可以有效提高种群的多样性,改善算法的全局优化性能。仿真实验结果表明了TS-QPSO算法的可行性和有效性。 (3)将提出的改进PSO算法—TSME-PSO算法和TS-QPSO算法,应用于求解带时间窗的车辆路径问题(VRPTW)。本文给出了具体的VRPTW问题编码方法,并详细介绍了求解VRPTW问题的流程与步骤,实验结果表明改进的PSO算法在求解VRPTW问题上具有较好的收敛性能,求解效果优于基本PSO算法。

关键词：微粒群优化算法进化模型交换量子微粒群优化算法带时间窗的车辆路径问题

来源：评论

学校读者我要写书评

暂无评论

基于微粒群优化算法的空间优化决策

引用

地理学报 2006年第12期61卷 1290-1298页

作者：杜国明陈晓翔黎夏中山大学地理科学与规划学院遥感与地理信息工程系广州510275

空间优化决策是GIS应用中复杂而又常见的问题。由于涉及到大量的组合,使用穷举法等方法难以找到最优的解决方案,因此需要运用新的理论方法来解决这类问题。微粒群优化算法是近年来新兴的一种优化技术,与GIS相结合可解决空间优化决策问... 详细信息

空间优化决策是GIS应用中复杂而又常见的问题。由于涉及到大量的组合,使用穷举法等方法难以找到最优的解决方案,因此需要运用新的理论方法来解决这类问题。微粒群优化算法是近年来新兴的一种优化技术,与GIS相结合可解决空间优化决策问题。首先,对微粒群优化算法和空间优化决策问题作了简单介绍;然后,基于人口密度、最短距离约束条件下,通过GIS技术,对微粒群优化算法用于空间优化决策的方法、实施过程作了详细阐述;接着,用4×4方格单元对PSO方法的正确性、有效性进行了验证;最后,以广州市芳村区为例,对该方法进行实例验证。通过实验,证明微粒群优化算法具有较好的收敛速度、较高的结果精度,是解决空间优化决策问题的一种有效方法。

关键词：微粒群优化算法 GIS 优化决策广州市

来源：评论

学校读者我要写书评

暂无评论

基于动态粒子数的微粒群优化算法

引用

信息与控制 2008年第1期37卷 18-27页

作者：耶刚强孙世宇梁彦王睿潘泉西北工业大学自动化学院陕西西安710072

提出了基于动态粒子数的微粒群算法,并建立了粒子数变化函数.该函数包含粒子数衰减趋势项和周期振荡项.衰减趋势项能够在种群向最优解不断收敛的过程中逐渐减少粒子数,以提高粒子效率.周期振荡项中的递增阶段代表了新粒子的随机出现,以... 详细信息

提出了基于动态粒子数的微粒群算法,并建立了粒子数变化函数.该函数包含粒子数衰减趋势项和周期振荡项.衰减趋势项能够在种群向最优解不断收敛的过程中逐渐减少粒子数,以提高粒子效率.周期振荡项中的递增阶段代表了新粒子的随机出现,以增加粒子群的多样性,而周期振荡项中的递减阶段代表了探索性能差的粒子逐渐消亡,以提高优化效率.对4个标准函数进行测试,仿真结果表明该算法能有效地减少计算量,并显著提高全局搜索性能.

关键词：微粒群优化算法动态粒子数种群群体多样性

来源：评论

学校读者我要写书评

暂无评论

一种基于欧氏干扰因子的微粒群优化算法的改进

引用

武汉大学学报（理学版） 2010年第6期56卷 717-722页

作者：李井竹濮承东顾进广河南商业高等专科学校计算机应用系河南郑州430002 武汉科技大学计算机科学与技术学院湖北武汉430081

针对基本微粒群优化(PSO,Particle Swarm Optimization)算法在应用于具有极多局部极值和维数被优化问题时易陷入局部最优和早熟收敛的不足,提出了一种新的改进算法称之为欧氏微粒群算法.此改进算法的主要思想是当算法陷入局部最优时,给... 详细信息

针对基本微粒群优化(PSO,Particle Swarm Optimization)算法在应用于具有极多局部极值和维数被优化问题时易陷入局部最优和早熟收敛的不足,提出了一种新的改进算法称之为欧氏微粒群算法.此改进算法的主要思想是当算法陷入局部最优时,给微粒一个扰动因子,它的大小会因当前微粒与全局最优微粒的欧式距离的大小而自适应变化,促使微粒跳出局部最优.在实验中选取典型标准函数对算法进行测试,实验结果表明,本文算法优于标准微粒群算法(SPSO)和高斯微粒群算法(GPSO),而且随着问题复杂性的提高其性能优越性越明显.

关键词：微粒群优化算法欧氏距离干扰因子

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：