检索结果-内蒙古大学图书馆

数值计算与计算机应用 2008年第2期29卷 119-125页

作者：黄力明镇江市高等专科学校电子信息系江苏镇江212003

混沌微粒群优化算法利用了粒子群优化算法收敛速度快和混沌运动所具有的随机性、遍历性和初值敏感性,将混沌状态引入到优化变量中,把混沌的遍历范围映射到优化变量的取值范围.在算法执行过程中对优秀个体混沌扰动,有利于跳出局部极值点... 详细信息

混沌微粒群优化算法利用了粒子群优化算法收敛速度快和混沌运动所具有的随机性、遍历性和初值敏感性,将混沌状态引入到优化变量中,把混沌的遍历范围映射到优化变量的取值范围.在算法执行过程中对优秀个体混沌扰动,有利于跳出局部极值点,搜索到全局最优解.分别用微粒群优化算法和混沌微粒群优化算法求解函数优化问题,对算法的性能进行检验,检验结果显示:混沌微粒群优化算法搜索全局最优解的成功率和收敛速度都要优于微粒群优化算法.将混沌微粒群优化算法与阈值法相结合,在算法初始化阶段对粒子位置混沌初始化;在算法运行期间对优秀个体进行混沌扰动避免落入局部最优,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明,混沌微粒群优化算法用于阈值寻优减少了搜索时间,提高了收敛率.

关键词：图像分割微粒群优化算法阈值混沌

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法综述

引用

电脑知识与技术 2008年第3期3卷 1270-1274页

作者：武朝华汪镭同济大学职教学院上海200092

微粒群优化算法是一种新兴的基于群体智能的随机优化算法。该算法概念简单、易于实现，已得到了广泛的研究和应用。文中介绍了PSO的基本原理、算法流程及各种改进算法,然后归纳了PSO算法的应用概况，并就PSO算法进一步的研究工作进行了... 详细信息

微粒群优化算法是一种新兴的基于群体智能的随机优化算法。该算法概念简单、易于实现，已得到了广泛的研究和应用。文中介绍了PSO的基本原理、算法流程及各种改进算法,然后归纳了PSO算法的应用概况，并就PSO算法进一步的研究工作进行了探讨和展望。

关键词：微粒群优化算法进化计算群体智能

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法研究

引用

晋中学院学报 2007年第3期24卷 83-87页

作者：马俊宏晋中学院计算机科学与技术学院山西晋中030600

微粒群算法(PSO算法)是模拟鸟类、鱼群等的群体智能行为的一种启发式全局优化技术.通过介绍微粒群优化算法的原理、算法流程、算法参数及其对算法性能的影响,给出了各种改进的微粒群算法形式以及研究现状,归纳了微粒群算法的国内外应用... 详细信息

微粒群算法(PSO算法)是模拟鸟类、鱼群等的群体智能行为的一种启发式全局优化技术.通过介绍微粒群优化算法的原理、算法流程、算法参数及其对算法性能的影响,给出了各种改进的微粒群算法形式以及研究现状,归纳了微粒群算法的国内外应用进展及研究方向.

关键词：微粒群优化算法群体智能优化

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法及其在复杂化学方程求根中的应用

引用

吉林化工学院学报 2007年第1期24卷 38-40,53页

作者：高世博张运陶西华师范大学应用化学研究所四川南充637002

本文对微粒群优化算法及其改进算法进行了介绍.用M atlab语言对改进的微粒群优化算法实现编程,并用于处理复杂化学方程求根问题,分别对激发态氢原子3S电子的径向波函数节点和一维势箱中粒子的能级进行求解,所得结果与文献值一致.

关键词：微粒群优化算法径向波函数一维势箱

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法研究

微粒群优化算法研究

引用

中国计量协会冶金分会2007年会

作者：荣雅君贾艳刘琳燕山大学电气工程学院燕山大学电气工程学院燕山大学电气工程学院

微粒群优化算法(PSO)是一种新颖的演化计算技术,自提出以来,已经经历了许多变形和改进。本文介绍了标准微粒群算法及算法流程,总结了几种典型的改进 PSO 算法,并归纳了 PSO 算法的应用领域,最后阐述了 PSO 算法进一步的研究任务。

关键词：微粒群优化算法演化计算

来源：评论

学校读者我要写书评

暂无评论

一种基于微粒群优化算法的冗余机械手轨迹规划法

引用

机械设计 2004年第7期21卷 20-22页

作者：叶军绍兴文理学院机电系浙江绍兴312000

针对冗余机械手应用遗传算法 (或免疫遗传算法 )的轨迹规划所存在的不足 ,提出了基于微粒群优化算法的冗余机械手轨迹规划方法。利用此算法对寻优过程进行仿真研究 ,所得结果令人满意 ,与遗传算法相比 ,微粒群算法简单、容易 ,且收敛速... 详细信息

针对冗余机械手应用遗传算法 (或免疫遗传算法 )的轨迹规划所存在的不足 ,提出了基于微粒群优化算法的冗余机械手轨迹规划方法。利用此算法对寻优过程进行仿真研究 ,所得结果令人满意 ,与遗传算法相比 ,微粒群算法简单、容易 ,且收敛速度快。此方法能够有效地进行机械手轨迹规划。

关键词：微粒群优化算法冗余机械手关节轨迹规划遗传算法仿真机器人

来源：评论

学校读者我要写书评

暂无评论

微粒群优化算法参数性能实验分析

引用

上海电机学院学报 2007年第2期10卷 86-92页

作者：陈国初徐余法李承阳上海电机学院电气学院上海200240 乐凯集团第二胶片厂南阳473051

通过测试实验来分析微粒群优化算法参数的性能,针对算法参数对算法性能的影响进行实验分析,最后给出相关结论并就如何选择合适的算法参数提出建议。

关键词：微粒群优化算法算法参数性能实验分析

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直流电机控制系统研究

引用

现代电子技术 2018年第8期41卷 121-124,128页

作者：刘海波杨战旗艾永乐河南理工大学电气工程与自动化学院河南焦作454003 河南工业和信息化职业学院河南焦作454003

针对现有直流电动机控制系统的特点和存在的问题,介绍以STM32单片机为控制核心的直流电机数字调速控制系统。该系统利用PWM信号驱动控制直流电机,将模糊控制与微粒群算法相结合,优化模糊控制器的参数,实现直流电机的驱动和闭环调速控制... 详细信息

针对现有直流电动机控制系统的特点和存在的问题,介绍以STM32单片机为控制核心的直流电机数字调速控制系统。该系统利用PWM信号驱动控制直流电机,将模糊控制与微粒群算法相结合,优化模糊控制器的参数,实现直流电机的驱动和闭环调速控制。实验结果表明,该控制系统结构简单、调速性能好,并具有较强的抗干扰能力,在工程应用中有较高的推广价值。

关键词：直流电机 STM32 模糊控制微粒群优化算法 PWM信号闭环调速

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无线市话系统基站分布规划的研究

基于微粒群优化算法的无线市话系统基站分布规划的研究

引用

作者：陈存香北京交通大学

学位级别：硕士

SCDMA(Synchronous Code Division Multiple Access--同步码分多址)接入技术采用了智能天线、软件无线电等先进技术,是一个全新的我国拥有完整自主知识产权的无线通信技术标准。SCDMA系统中基站分布规划的研究对于后期网络建设和系统优... 详细信息

SCDMA(Synchronous Code Division Multiple Access--同步码分多址)接入技术采用了智能天线、软件无线电等先进技术,是一个全新的我国拥有完整自主知识产权的无线通信技术标准。SCDMA系统中基站分布规划的研究对于后期网络建设和系统优化有着重要的理论意义和实用价值。 SCDMA系统基站分布规划属于多目标组合优化问题,需要在满足目标区域的最小场强达到通信要求下,还必须满足业务质量要求,业务覆盖要求,以及降低经济成本。然而这些目标之间往往存在着一定的冲突矛盾。因此在求解过程中,要设法平衡各个目标或找到解决冲突的方法。本文采用了子微粒群的概念,加强了共享信息,降低了计算代价。实验证明该方法更加灵活有效的捕捉到了最优解。微粒群优化算法的诸多优势适于解决多目标优化问题。但是种群的多样性随着时间的增加而下降过快,容易陷入局部最优解。为了降低在初期算法陷入局部最优解的可能性,本文融合了遗传算法中的轮盘赌选择算子。实验证明该方法能在早期抑制微粒的“早熟”,得到较快的收敛速度。当算法即将收敛时,种群中的个体大部分都集中在局部最优解或全局最优解附近,即发生早熟现象。为了使个体跳出该局限区域,本文应用了爬坡算子,加强其爬坡能力,加快其跳出局部最优解的能力。实验证明爬坡算子的引入在后期最大程度上避免了“早熟”的发生。

关键词： SCDMA 基站分布规划微粒群优化算法多目标优化子微粒群轮盘赌选择算子爬坡算子

来源：评论

学校读者我要写书评

暂无评论

动态环境下微粒群优化算法的研究及应用

动态环境下微粒群优化算法的研究及应用

引用

作者：鲁江林重庆大学

学位级别：硕士

动态优化问题（Dynamic Optimization Problem，简称DOP）是现实社会中普遍存在的一类实际优化问题。相对于静态优化问题而言，DOP的目标函数或者约束条件会随着时间而变化。近年来，利用进化算法求解动态优化问题逐渐成为新的研究热点... 详细信息

动态优化问题（Dynamic Optimization Problem，简称DOP）是现实社会中普遍存在的一类实际优化问题。相对于静态优化问题而言，DOP的目标函数或者约束条件会随着时间而变化。近年来，利用进化算法求解动态优化问题逐渐成为新的研究热点。微粒群优化算法（Particle Swarm Optimization，简称PSO）也称为粒子群优化算法，属于进化算法的一个分支，它模拟了生物界中鸟群、鱼群等群体性动物的觅食行为，具有算法简单、鲁棒性强等优点，在多个领域得到了成功的应用。PSO算法在静态优化问题中的研究已趋于成熟，且拥有良好的性能，但在动态优化问题中的研究还不够完善。\n 论文主要研究了PSO算法在求解动态优化问题过程中如何探测和响应环境的变化以及如何保持种群的多样性。论文的主要工作如下：\n ①对离散动态优化问题，本文提出了一种求解动态背包问题的离散微粒群优化算法（Dynamic Set-based Discrete PSO，简称DSDPSO）。DSDPSO算法是在求解集合组合问题的离散粒子群优化模型的基础上，引入了环境变化的探测以及环境变化后的响应机制。将DSDPSO算法和经典的自适应原对偶遗传算法在两个动态背包问题上进行对比实验。实验结果表明，DSDPSO算法在环境变化后能迅速找到最优解并稳定下来，并且找到的最优解为该重量约束下的标准最优解；在寻优时间上，DSDPSO算法的寻优时间约为与之比较的算法的寻优时间的0.5~0.7倍。因此，DSDPSO算法更适合于求解动态背包问题。\n ②对连续动态优化问题，本文提出了一种基于记忆机制的聚类微粒群优化算法（Memory-based Clustering PSO，简称MCPSO）。当微粒群中出现某个个体的当前适应度高于其历史最优适应度时，将该个体中包含的有用信息传递给其余个体，为此，在MCPSO算法中改进了微粒群的学习更新机制。为了保持种群的多样性，在MCPSO算法中将记忆机制和多种群方法相结合，以便在环境变化后微粒群能有效地对搜索空间进行探索。为了让微粒群能在环境变化后及时做出响应，在MCPSO算法中引入了环境变化的探测以及环境变化后的响应机制。用标准动态优化测试问题——移动峰函数问题对算法进行验证，实验结果表明，MCPSO算法具有良好的鲁棒性以及较强的寻优能力。将MCPSO算法和经典的基于物种的微粒群优化算法进行对比实验，实验结果表明，MCPSO算法的离线误差明显小于与之比较的算法的离线误差。\n ③将提出的DSDPSO和MCPSO算法分别应用于求解中国邮政的邮件配送问题和求解流水线上PCB的批量检测问题，两种算法均有效地解决了问题。

关键词：动态优化问题微粒群优化算法记忆机制多种群方法

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：