粒子群算法
- 基于自適應神經(jīng)網(wǎng)絡的側負荷柔性拓撲優(yōu)化研究
題，提出以粒子群算法為基礎，結合柔性聯(lián)絡開關的柔性負荷調控方式，以期在進行功率調節(jié)時，能夠保證實時連續(xù)。具體操作上，將柔性聯(lián)絡開關作為母線上分段開關的替代，設計基于變電站的柔性拓撲，對各節(jié)點進行約束處理及算法優(yōu)化，達到潮流優(yōu)化以及電網(wǎng)在功率調控中靈活適時的目的。結合某地實際配電情況，進行算例驗證，經(jīng)驗證改進方式更為有效合理，能夠在降低功耗的同時，對電力需求側負荷進行有效調控。關鍵詞：粒子群算法；柔性聯(lián)絡開關；電力需求側；柔性調控中圖分類號：TP391.9文
粘接 2023年7期2023-08-08
- 基于粒子群優(yōu)化算法的水源微生物自動識別
圖像分割；粒子群算法；支持向量機中圖分類號：X 835 文獻標志碼：A引言水源微生物廣泛分布于自然與人工水體環(huán)境中，它們無法用肉眼直接觀察，例如水中的原生動物和真菌的大小通常介于0.1～100 μm，只能在顯微鏡下進行觀察。作為水質的關鍵評價指標之一，水源微生物的繁殖情況可以很好地反映水體的污染程度。因此，推進水源微生物分類識別的相關研究對于水源的生物安全性監(jiān)測、水環(huán)境治理等具有非常重要的意義。考慮到傳統(tǒng)機器學習方法對圖形處理單元的要求較低，能夠以較低成本
光學儀器 2023年2期2023-07-14
- 粒子群算法和灰狼算法的融合
了解決傳統(tǒng)粒子群算法（PSO）容易“早熟”、陷入局部最優(yōu)以及灰狼算法（GWO）收斂速度慢的問題。首先，采用GWO算法的個體極值更新策略來實現(xiàn)個體包圍式向最優(yōu)值趨近，融入PSO算法的速度更新策略來實現(xiàn)群體向最優(yōu)值的趨近，并且在原始粒子群算法基礎上加入線性慣性權重遞減來提高算法的收斂速度，從而提出了一種基于灰狼算法和改進的粒子群算法（IPSO）的融合優(yōu)化算法（GW-IPSO）；其次，通過6個經(jīng)典算例進行仿真試驗，將融合算法與PSO算法、IPSD算法、灰狼和粒子
河北工業(yè)科技 2023年3期2023-06-25
- 一種 FOA-ELM 風速預測技術優(yōu)化與仿真試驗
優(yōu)化算法；粒子群算法；技術優(yōu)化；仿真中圖分類號：TP391.9文獻標志碼：A文章編號：1001-5922（2023）05-0130-05Optimizationandsimulationof aFOA-ELMwindspeed predictiontechniqueXU Huiqing，LI Chengxiong（Guangdong Energy Group Science and Technology Research Institute Co.，Ltd
粘接 2023年5期2023-06-12
- 基于PSO-SURF算法的井下圖像拼接
SURF；粒子群算法；特征點匹配中圖分類號：TP273 文獻標識碼：A文章編號：1009-3044（2023）12-0004-050 引言隨著煤礦的開采，煤礦面臨著越來越嚴峻的安全形勢。因為開采設備的老化以及人為操作上的失誤，可能會造成重大生產責任事故。為了避免這種人為導致的事故，各大煤礦采用了視頻監(jiān)控系統(tǒng)，而由于煤礦下面臨著光照以及地形的影響，導致監(jiān)控設備采集的圖像不具有大視野，為獲得大視野的圖像便于安全監(jiān)督人員的異常監(jiān)控，有必要對井下圖像的拼接進行研究
電腦知識與技術 2023年12期2023-06-10
- 基于超寬帶非對稱雙邊雙程測距的礦山井下定位跟蹤算法研究
試驗，利用粒子群算法、Taylor級數(shù)迭代等智能算法完成對目標的定位，以期獲得更精確的定位解析，相較于傳統(tǒng)的Wi-Fi通信系統(tǒng)及射頻識別人員定位管理方法，能夠在保證實時性的同時，有效、準確地提供遇險人員的位置及周邊地形狀況，達到了厘米級定位精度，實現(xiàn)了井下精確定位，為井下救援工作提供技術支持。關鍵詞：井下人員定位;跟蹤算法;非對稱雙邊雙向測距;超寬帶;粒子群算法;Taylor迭代算法中圖分類號：TD65文獻標志碼：A開放科學（資源服務）標識碼（OSID）：
黃金 2023年4期2023-06-05
- 采煤機用牽引干式變壓器優(yōu)化設計
適應權重的粒子群算法解決了一種三相五柱式礦用變壓器的優(yōu)化設計問題，最后以3.3 kV/190 kVA礦用變壓器的設計為例，驗證了優(yōu)化算法的有效性。關鍵詞：采煤機；牽引變壓器；粒子群算法；優(yōu)化設計中圖分類號：TM414? ? 文獻標志碼：A? ? 文章編號：1671-0797（2023）10-0058-04DOI：10.19514/j.cnki.cn32-1628/tm.2023.10.0160? ? 引言采煤機用牽引變壓器位于車體內部，安裝空間有限，條件較
機電信息 2023年10期2023-05-30
- 基于PSO-SVR模型的河南省小麥產量預測方法
問題。引入粒子群算法（particle swarm optimization，PSO）對SVR模型的懲罰因子（c）和核參數(shù)（g）進行優(yōu)化，提高SVR模型的預測精度。以河南省1978—2019年小麥產量數(shù)據(jù)及其特征變量數(shù)據(jù)構建數(shù)據(jù)集，并與BP、Elman等神經(jīng)網(wǎng)絡模型及優(yōu)化模型進行對比仿真試驗。結果表明，PSO對SVR模型的優(yōu)化效果明顯高于傳統(tǒng)的神經(jīng)網(wǎng)絡，PSO-SVR模型預測結果的4項評價指標均優(yōu)于其他模型。其中，PSO-SVR模型的平均絕對百分比誤差MA
江蘇農業(yè)科學 2023年8期2023-05-23
- 空間目標監(jiān)視任務資源調度技術建模分析
通過在基本粒子群算法結合多智能體間的相互引導，分析了基于多智能體模型的粒子群算法。仿真結果表明，針對隨機設定的任務要求，所提算法可以計算得到合理有效的調度分配方案。關鍵詞：空間監(jiān)視；粒子群算法；多智能體系統(tǒng)；資源調度中圖分類號：TP273文獻標志碼：A文章編號：1008-1739（2023）05-46-6 0引言空間目標監(jiān)視具有環(huán)境復雜性、資源高度動態(tài)性、目標動態(tài)隨機性、任務高度機動性等特點。如何將有限的資源進行科學合理的分配，達到充分、合理利用資源和最大
計算機與網(wǎng)絡 2023年5期2023-04-25
- 融合反向學習和黃金正弦的改進粒子群算法
正弦的改進粒子群算法。通過反向學習策略優(yōu)化初始種群的質量，提高算法的收斂速度；結合黃金正弦算法優(yōu)化位置更新公式，并通過雙面鏡理論處理邊界外的粒子，使粒子在搜索空間內分布更均勻，增強算法的搜索能力；利用柯西變異的方法對全局最優(yōu)粒子的位置進行擾動，提高粒子跳出局部最優(yōu)的能力。對8個測試函數(shù)進行實驗，并與其他的五種算法進行比較，結果表明，本文改進之后的粒子群優(yōu)化算法有著更快的收斂速度和更高的尋優(yōu)精度。關鍵詞： 粒子群算法； 反向學習； 黃金正弦算法； 雙面鏡理論
計算機時代 2023年4期2023-04-13
- 基于加點多目標粒子群算法的碳纖維防撞梁優(yōu)化設計
法，在傳統(tǒng)粒子群算法的基礎上引入多目標加點策略，能夠有效解決由于近似模型精度不夠導致的重復試驗設計，提高了優(yōu)化效率.優(yōu)化設計后的仿真和臺車試驗表明，碳纖維防撞梁低速碰撞性能滿足要求.關鍵詞：結構設計；碳纖維；防撞梁；粒子群算法；車輛輕量化中圖分類號：U461.91文獻標志碼：AOptimization Design of Carbon Fiber Anti-collision Beam Based on Multi-objective Particle S
湖南大學學報·自然科學版 2022年8期2022-11-14
- 耗能增效慣容系統(tǒng)的自適應權重粒子群優(yōu)化
便于實現(xiàn)的粒子群算法對問題進行求解。在粒子群算法中引入自適應懲罰權重考慮約束條件，并采用自適應調整的慣性權重提高求解效率。基于 Python 語言編制了自適應權重粒子群算法程序對慣容減震結構最大耗能增效設計問題進行求解。設計實例的求解過程體現(xiàn)了自適應權重粒子群算法對求解慣容減震結構優(yōu)化設計問題的有效性，動力時程分析結果表明設計參數(shù)實現(xiàn)了預設的減震性能需求。關鍵詞：慣容系統(tǒng)；耗能增效；性能需求；約束優(yōu)化；粒子群算法；自適應權重中圖分類號： TU318???
振動工程學報 2022年5期2022-11-14
- 基于粒子群算法的應變傳感器的優(yōu)化布置
，提出基于粒子群算法的應變傳感器的優(yōu)化布置方法，首先根據(jù)結構發(fā)生損傷前后應變振型的差異性，曲線擬合得到應變傳感器的區(qū)域檢測概率模型，求解得到傳感器的最優(yōu)數(shù)目;其次，基于粒子群算法分別得到在2種不同的適應度函數(shù)下的最優(yōu)解。這種方法最終建立起和損傷程度一一對應的布置方案。算例分析表明：采用該方法在減少應變傳感器數(shù)目的同時，也能夠達到精確定位損傷桿件位置的目的。[關鍵詞]：損傷識別; 應變傳感器; 優(yōu)化布置; 曲線擬合; 識別概率; 粒子群算法TV312A海洋平
四川建筑 2022年3期2022-07-10
- 基于GWO和PSO協(xié)同優(yōu)化的DV-Hop定位算法
缺點，引入粒子群算法（PSO）和灰狼優(yōu)化器（GWO）來估計未知節(jié)點位置。粒子群算法具有個體記憶的特點，采用粒子位置更新代替灰狼個體位置更新，使灰狼算法在優(yōu)化上具有可記憶性。仿真數(shù)據(jù)表明，改進后的算法可以有效降低節(jié)點定位誤差，實現(xiàn)更高的定位精度。關鍵詞：無線傳感器網(wǎng)絡;DV-Hop;灰狼優(yōu)化器;粒子群算法中圖分類號：TN934? ? ? ?文獻標識碼：A文章編號：2096-4706（2022）03-0088-04DV-Hop Positioning Algo
現(xiàn)代信息科技 2022年3期2022-07-06
- 考慮碳排放的綜合能源系統(tǒng)經(jīng)濟優(yōu)化調度
能源系統(tǒng);粒子群算法;儲能系統(tǒng);風電引言在全球環(huán)境污染問題日益嚴重的背景下，習近平總書記在聯(lián)合國大會上提出“碳達峰、碳中和”戰(zhàn)略目標。碳排放的主要來源是能源行業(yè)，能源行業(yè)響應“雙碳”目標，降低碳排放比重，實現(xiàn)低碳電力。綜合能源系統(tǒng)（integratedenergysystem，IES）是實現(xiàn)“雙碳”目標的重要手段，因其能源利用率高而成為未來低碳能源的主要發(fā)展方向。綜合能源系統(tǒng)整合多種能源并進行協(xié)調規(guī)劃，是減少碳排放的有效措施。以“低碳經(jīng)濟”為核心的IES優(yōu)
科學與財富 2022年5期2022-07-04
- 無人-有人機混合主動式交互決策研究
模型中引入粒子群算法（PSO）學習模型的權重矩陣，使權重矩陣更加客觀。通過仿真試驗，驗證了無人-有人機混合主動式交互決策模型方法的有效性和可靠性。該模型可以實現(xiàn)從決策任務的快速選擇到交互方式的自主決策，為無人-有人機混合主動式交互決策研究提供新思路。關鍵詞：混合主動式；人機協(xié)同；交互決策；模糊認知圖；粒子群算法中圖分類號：V19文獻標識碼：ADOI：10.19452/j.issn1007-5453.2022.05.007有人機與無人機協(xié)同可以實現(xiàn)兩者的優(yōu)勢
航空科學技術 2022年5期2022-07-03
- 基于粗糙集與粒子群算法的權重優(yōu)化模型研究
于粗糙集與粒子群算法的權重優(yōu)化模型。首先，利用粗糙集與模糊集，計算出初步權重并給出各個指標權重變化的區(qū)間，且在各區(qū)間內生成不同的權重值。再通過仿真實驗來生成針對不同指標權重所產生的評價結果，定量計算出評價結果的方差。然后通過方差作為粒子群算法的適應度函數(shù)進行后向反饋，實現(xiàn)指標權重的優(yōu)化。最后，將優(yōu)化后的權重用于物流企業(yè)物流服務質量評價結果的計算。關鍵詞：物流服務;粗糙集理論;權重優(yōu)化;粒子群算法中圖分類號：F224? ? ? ? 文獻標志碼：A? ? ?
經(jīng)濟研究導刊 2022年13期2022-05-31
- 數(shù)字陣列通道幅相誤差實時校正方法
R濾波器;粒子群算法一、引言數(shù)字陣列天線是在傳統(tǒng)相控陣天線的基礎上，引入A/D轉換器、數(shù)字T/R組件等數(shù)字化器件，并結合數(shù)字波束形成技術和數(shù)字處理技術而出現(xiàn)的新型陣列天線。與傳統(tǒng)陣列相比，具有大動態(tài)范圍、自適應空間干擾抑制、同時多波束形成等優(yōu)點，在現(xiàn)代雷達中得到了廣泛的應用[1]。寬帶數(shù)字陣列的每一個通道都包含一個數(shù)字T/R組件，其中模擬器件的存在必將導致通道內部的幅相特性與理想特性發(fā)生偏離，且隨著外部環(huán)境因素的變化而變化，導致通道之間的幅相特性產生較大的
中國新通信 2022年13期2022-05-30
- 模糊云資源調度的CMAPSO算法
任務調度;粒子群算法; 協(xié)方差矩陣進化策略DOI：10.15938/j.jhust.2022.01.005中圖分類號： TP399? ? 文獻標志碼： A? ? 文章編號： 1007-2683（2022）01-0031-09CMAPSO Algorithm for Fuzzy Cloud Resource SchedulingLI Chengyan，SONG Yue，MA Jintao（School of Computer Science and Tech
哈爾濱理工大學學報 2022年1期2022-05-10
- 基于IPSO-MPC的無人駕駛車輛縱向運動控制
問題，使用粒子群算法進行求解，并通過分層縱向控制器，實現(xiàn)對速度的跟蹤控制。為降低其陷入局部最優(yōu)解的風險，引入了隨機權重策略和學習因子調整策略。其次，為了提高粒子尋優(yōu)的速度，保存了上一時刻的最優(yōu)粒子序列作為下一時刻粒子的群體極值。最后，為了驗證算法的有效性，通過Simulink/CarSim建立了聯(lián)合仿真平臺，仿真結果表明，該算法有效提高了車輛速度跟蹤的控制精度，最大誤差減小了0.274 7 km/h。關鍵詞：無人駕駛車輛;模型預測控制;粒子群算法;縱向控制
廣西科技大學學報 2022年1期2022-01-01
- 一種基于特征點的快速人臉朝向檢測算法
原理，通過粒子群算法找出這些匹配特征點所對應的旋轉矩陣，從而求出旋轉角度。實驗表明，對剛性物體該算法的測量精度可以達到2度左右。該方法可以廣泛用于人臉朝向檢測，或其他物體的姿態(tài)檢測。關鍵詞：人臉檢測;人臉朝向;特征點;姿態(tài)估計;粒子群算法中圖分類號：TP391? 文獻標識碼：A文章編號：1009-3044（2021）29-0105-03Fast Face Orientation Detection Method Based on Feature Point
電腦知識與技術 2021年29期2021-12-24
- 基于不確定性的冷熱電聯(lián)供微網(wǎng)優(yōu)化調度
通過改進的粒子群算法和隨機模擬技術對模型進行求解。算例仿真中針對冷熱電負荷在峰谷平時段波動不同，冷熱電負荷峰谷平時段設置了不同的置信水平，對含風電及冷熱電負荷不確定性的調度結果和運行成本分析，驗證了所提方法的有效性。關鍵詞：冷熱電聯(lián)供;粒子群算法;機會約束規(guī)劃中圖分類號：TP301? ? 文獻標識碼：A文章編號：1009-3044（2021）33-0111-03開放科學（資源服務）標識碼（OSID）：熱電聯(lián)產系統(tǒng)比傳統(tǒng)方式供能的效率更高[1]。冷熱電聯(lián)供（
電腦知識與技術 2021年33期2021-12-17
- 基于改進蟻群算法的電力自動調度模型構建
蟻群算法和粒子群算法的改進蟻群算法， 該算法在分析了蟻群算法優(yōu)缺點的基礎上，通過利用粒子群算法得到蟻群算法重要參數(shù)值，從而達到提升算法性能的目的。通過仿真實驗證明，提出的改進蟻群算法模型具有可行性，并且在性能方面優(yōu)于粒子群算法和蟻群算法。關鍵詞：電力自動調度;蟻群算法;粒子群算法;模型構建中圖分類號：TP18;TM734 文獻標識碼：A ? ? 文章編號：1001-5922（2021）11-0088-04Construction of Electric P
粘接 2021年11期2021-12-08
- 基于余弦相似性的自適應權重的改進FCM算法
相似度; 粒子群算法文章編號： 2095-2163（2021）07-0073-07中圖分類號：TP181文獻標志碼： AImproved FCM algorithm with adaptive weights based on cosine similarityHU Jianhua， YIN Huilin（College of Science， University of Shanghai for Science and Technology， Shang
智能計算機與應用 2021年7期2021-12-07
- 多能聯(lián)供型綜合能源優(yōu)化研究
。針對傳統(tǒng)粒子群算法容易陷入局部最優(yōu)的問題，將慣性權重進行改進，并對建立的綜合能源系統(tǒng)求解，分析表明改進后的粒子群算法具有更好的尋優(yōu)能力，采用綜合能源系統(tǒng)能有效減少綜合用能成本。關鍵詞：綜合能源;粒子群算法;節(jié)能;尋優(yōu)Abstract：Single to reduce electricity and gas consumption， improve the efficiency of energy utilization， set up the compr
科學與生活 2021年12期2021-11-10
- 基于RPSO_SVM模型的年齡組識別
。通過改進粒子群算法對支持向量機參數(shù)進行優(yōu)化（RPSO_SVM），用于青年人、中年人、老年人等群體的年齡組識別，首先，使用主動形狀模型提取人臉圖像中68個特征關鍵點，然后，使用改進的RPSO_SVM模型對人臉圖像進行年齡組識別，并在FG-NET數(shù)據(jù)集上進行實驗驗證，結果表明該方法對不同年齡群體的識別率較好。關鍵詞： 粒子群算法;支持向量機;年齡組識別;主動形狀模型;RPSO_SVM模型中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-30
電腦知識與技術 2021年25期2021-11-07
- 基于遺傳因子優(yōu)化粒子群算法
題，本文在粒子群算法的基礎上，結合遺傳算法中的變異因子，提出一種基于遺傳優(yōu)化粒子群的算法。首先，該算法采用對數(shù)函數(shù)遞減慣性策略加速粒子跳出局部最優(yōu)，其次，遺傳變異因子增加個體極值的多樣性來尋出最佳值;最后，基于一定的迭代次數(shù)，根據(jù)標準函數(shù)Rastrigin進行尋優(yōu)效果測試驗證，仿真結果表明，改進后的算法能夠避免進入局部最優(yōu)情況，并且在最佳適應度、標準差和尋優(yōu)時長等性能指標優(yōu)越于其他算法。關鍵詞：粒子群算法 遺傳因子 適應度函數(shù)Optimizing Part
時代汽車 2021年19期2021-11-03
- 基于電能路由器的交直流混合配電網(wǎng)潮流優(yōu)化控制
法，并采用粒子群算法實現(xiàn)潮流快速解算與實時優(yōu)化;最后，通過構建29節(jié)點的配電網(wǎng)仿真模型，以網(wǎng)絡損耗和節(jié)點電壓為優(yōu)化目標，在正常工況和重載工況兩種場景下，驗證了文中所提出的配電網(wǎng)架構及其潮流優(yōu)化方案的可行性和有效性。關鍵詞：電能路由器，交直流混合配電網(wǎng)，粒子群算法，潮流優(yōu)化控制DOI：10.15938/j.jhust.2021.04.004中圖分類號：TM721.3文獻標志碼：A文章編號：1007-2683（2021）04-0020-08Abstract：I
哈爾濱理工大學學報 2021年4期2021-10-07
- 基于局部協(xié)同與競爭變異的動態(tài)多種群粒子群算法
要：針對粒子群算法在處理復雜優(yōu)化問題時，出現(xiàn)多樣性較差、收斂精度低等問題，提出了基于局部協(xié)同與競爭變異的動態(tài)多種群粒子群算法（Dynamic Multi-population Particle Swarm Optimization Based on Local Cooperative and Competitive Mutation，LC-DMPPSO）。LC-DMPPSO算法設計了一種局部協(xié)同的方法，該方法劃分種群成多個子種群，劃分后的子種群再通過非支
計算技術與自動化 2021年3期2021-10-01
- 基于粒子群優(yōu)化算法的線圈系統(tǒng)設計
;均勻度;粒子群算法Abstract：The magnetic variation simulation method is used to simulate the eddy current magnetic field generated by the geomagnetic field when the ship is sailing on the ocean， rotating and swaying， to realize the measure
計算技術與自動化 2021年3期2021-10-01
- 基于多變量最小二乘法和粒子群優(yōu)化的金團簇結構預測
函數(shù)? ?粒子群算法中圖分類號：TB383.1? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A文章編號：1672-3791（2021）06（c）-0188-04Structure Prediction of Gold Clusters Based on Multivariable Least Square Method and Particle Swarm OptimizationSUN Yue? ?LIU Jiaqi? ?HOU Dongxue
科技資訊 2021年18期2021-09-30
- 基于粒子群算法的家庭能量管理系統(tǒng)成本優(yōu)化問題
好設置結合粒子群算法進行模擬仿真，該文提出的分段負載使用具有較高的參考性和可行性，具有實際應用價值。關鍵詞：粒子群算法;能量優(yōu)化調度;用戶偏好設置中圖分類號：TP311? ? ? 文獻標識碼：A文章編號：1009-3044（2021）19-0122-031 背景現(xiàn)今用戶的服務需求改變及能源利用形式的多樣化，使得曾經(jīng)的電力用戶逐漸從電網(wǎng)的被動參與者轉變?yōu)橹鲃訁⑴c者，這種轉變取決于電網(wǎng)發(fā)展的客觀規(guī)律。隨著電網(wǎng)階梯電價和峰谷電價的推行，用戶將獲得更多改變用電行為
電腦知識與技術 2021年19期2021-09-27
- 基于迭代方程的無速度粒子群優(yōu)化算法
偉民摘要：粒子群算法跟其他進化算法相比，有很多先進之處，如原理簡單、掌握容易，也比較容易操作，算法執(zhí)行時所需要的參數(shù)也很少，所以粒子群算法一經(jīng)提出，很受歡迎。當在算法中加入的參數(shù)比較多時，就會在一定程度上影響到算法原來的優(yōu)越性，因此，算法的參數(shù)越少，那么算法的性能就會隨之得到提高，所以該文采用了無速度算法來對原算法進行優(yōu)化。實驗結果表明，改進后的算法在收斂速度以及收斂精度上比傳統(tǒng)的粒子群算法更優(yōu)，能改善早熟收斂問題。關鍵詞：粒子群算法;優(yōu)化;無速度中圖分類
電腦知識與技術 2021年19期2021-09-27
- 粒子群算法在數(shù)學建模中的應用
翔摘 要：粒子群算法是數(shù)學建模中的重要方法之一，本文總結結合實際分析其在數(shù)學建模中的作用，為在數(shù)學建模過程中正確選擇建模方案提供參考。關鍵詞：粒子群算法;數(shù)學模型;應用;分析0 前言 粒子群算法是一種典型的尋優(yōu)算法，其基本思想是通過模擬自然界生物捕食的策略，群體迭代，使得粒子在解空間向最優(yōu)的粒子靠攏，其是智能算法的一種。粒子群算法模型中，粒子運動時都能記憶自身在運動中的最優(yōu)位置和群體在運動中的最優(yōu)位置，他們相互共享所得到的信息，因此整個群體都能通過分析得
交通科技與管理 2021年23期2021-09-23
- 基于PSO-SVM的水工隧洞施工成本預測
方法。采用粒子群算法（PSO）優(yōu)化支持向量機（SVM）模型中的懲罰因子C和核函數(shù)參數(shù)g，建立基于PSO-SVM的水工隧洞施工成本預測模型。對比SVM模型的預測結果發(fā)現(xiàn)，PSO-SVM模型的平均絕對百分比誤差和均方根誤差更小，訓練速度更快，預測效果更好。關鍵詞：成本預測;支持向量機;粒子群算法;水工隧洞中圖分類號：TV554文獻標識碼：Adoi：10.3969/j.issn.1000-1379.2021.09.031引用格式：劉英杰，聶章琴，王博，等.基于P
人民黃河 2021年9期2021-09-22
- 電動半掛汽車列車能量回收型緩速器匹配控制
究，并基于粒子群算法對小制動強度時制動力矩分配進行探討。通過Matlab/Simulink與TruckSim搭建了聯(lián)合仿真平臺，對質量估計算法、電動半掛汽車列車經(jīng)濟性和制動安全性進行仿真驗證。仿真結果表明：質量估計算法能夠準確估計電動半掛汽車列車質量;能量回收型緩速器能夠滿足電動半掛汽車列車緩速需求，提高制動能量回收率，且能夠有效解決電動半掛汽車列車緩速制動時的“沖撞”問題。相關研究能夠解決“沖撞”問題，提高制動安全性，為提高電動半掛汽車列車緩速制動時制動
河北科技大學學報 2021年4期2021-09-09
- 基于PSO-LSTM網(wǎng)絡的航電系統(tǒng)故障率預測研究
了一種基于粒子群算法優(yōu)化的長短期記憶神經(jīng)網(wǎng)絡（LSTM）預測方法。首先該模型以歷史故障率序列作為輸入，然后通過粒子群算法（PSO）對長短期記憶數(shù)據(jù)網(wǎng)絡中的關鍵參數(shù)進行迭代優(yōu)化，最后依據(jù)優(yōu)化參數(shù)建立PSO-LSTM預測模型并進行故障率時間序列預測。主要解決了傳統(tǒng)依據(jù)個體經(jīng)驗選取模型參數(shù)而導致的低擬合度、低預測精度和低效的問題。通過與典型預測模型的仿真數(shù)據(jù)進行對比，驗證了所提出的PSOLSTM預測模型在航電系統(tǒng)設備故障率時間序列預測中具有更高的預測精度。關鍵詞
航空科學技術 2021年5期2021-09-09
- 基于粒子群改進的高鐵隧道沉降預測研究
問題，運用粒子群算法（PSO） 對灰色模型GM（1.1 ） 進行改進，構建了灰色-時序組合模型對問題進行了預測研究。研究表明，基于粒子群改進的灰色-時序組合模型對高鐵隧道的沉降預測具有實際意義，它能夠更好地預測高鐵隧道沉降趨勢。關鍵詞：隧道沉降預測;粒子群算法;灰色模型中圖分類號：U457 文獻標識碼：A 文章編號：1001-5922（2021）06-0165-04Abstract：High-speed railway tunnel constructio
粘接 2021年6期2021-08-09
- 基于粒子群算法的動態(tài)多目標優(yōu)化
采用多目標粒子群算法和分段線性函數(shù)參數(shù)法結合的方式對目標函數(shù)的進行求解，以提高整體搜索能力，得到碳二氫反應器動態(tài)優(yōu)化的最優(yōu)解。最后，以實際乙烯碳二加氫化工反應過程為例進行實驗驗證，結果證明，通過該方法進行求解的目標函數(shù)無論是在收斂性，還是在優(yōu)化的平均值等方面，都比SADE-eCD和NSGA-II算法具有優(yōu)勢，說明該算法在反應器動態(tài)優(yōu)化中是切實可行的。關鍵詞：動態(tài)多目標優(yōu)化;粒子群算法;碳二加氫;骨干粒子群算法中圖分類號：TP301.6 文獻標識碼：A 文章
粘接 2021年6期2021-08-09
- 基于粒子群算法的機型排班系統(tǒng)研究
對模型采用粒子群算法進行了仿真求解，得到了十分具有可靠性的答案，驗證了模型的科學性。關鍵詞：航班排班? 排班模型? 線性規(guī)劃? 粒子群算法中圖分類號：V351? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2021）02（b）-0004-05Research on Aircraft Scheduling System based on Particle Swa
科技創(chuàng)新導報 2021年5期2021-07-27
- 基于優(yōu)化PSO-BP的多特征融合圖像識別算法研究
征，并對與粒子群算法（particle swarm optimization，PSO）結合的BP神經(jīng)網(wǎng)絡進行優(yōu)化，以獲得最優(yōu)的BP神經(jīng)網(wǎng)絡權值和閾值，同時使用分塊的LBP算子和GLCM方法，采用Matlab 2017b軟件，對蘋果、草莓、檸檬3種水果圖像局部和整體紋理信息進行提取，并與傳統(tǒng)的PSO-BP神經(jīng)網(wǎng)絡、IPSO-BP神經(jīng)網(wǎng)絡及單一BP神經(jīng)網(wǎng)絡訓練之后對測試樣本的識別相對誤差進行比較。研究結果表明，雖然標準PSO-BP算法對圖形的分割效率和識別能力
青島大學學報（工程技術版） 2021年2期2021-07-20
- 基于多指標投票的粒子群聚類優(yōu)化算法
指標投票;粒子群算法;聚類優(yōu)化;單指標;指標評價中圖分類號：TP301.6? ? ? 文獻標識碼：A文章編號：1009-3044（2021）13-0184-04Abstract： For different data characteristics， a variety of clustering evaluation indicators for algorithm optimization have been proposed. A large num
電腦知識與技術 2021年13期2021-07-19
- 基于改進粒子群算法及分區(qū)去噪的虹膜定位研究
虹膜定位;粒子群算法;分區(qū)域去噪中圖分類號：TP319.7 文獻標識碼：A 文章編號：1001-5922（2021）04-0091-05Abstract：Aiming at the Asian iris image， combining the composition and characteristics of the human eye pupil， with the help of an improved particle swarm optimiz
粘接 2021年4期2021-07-11
- 基于粒子群算法的一鍵數(shù)據(jù)中心智能布局
了一種基于粒子群算法的智能布局優(yōu)化方案。本文主要闡述粒子群算法的概念、原理及在數(shù)據(jù)中心工藝布局應用中的優(yōu)勢，分析了智能布局的定義及其基本工作原理，深度剖析智能布局在數(shù)據(jù)中心的應用現(xiàn)狀及發(fā)展趨勢。關鍵詞：粒子群算法;智能布局;一鍵布局;1前言隨著計算機應用技術的迅速發(fā)展，人們對高效優(yōu)化技術和智能計算技術提出了更高更新的要求。鑒于數(shù)據(jù)中心實際工程問題的多專業(yè)性、復雜性、約束性、非線性、多局部極小和建模困難等特點，尋找適合于工程實踐需求的新型智能優(yōu)化方法是重要研
科學與財富 2021年11期2021-07-04
- 基于BAS算法的配電網(wǎng)無功優(yōu)化
系統(tǒng)對基于粒子群算法、天牛須搜索算法和改進天牛須搜索算法的無功優(yōu)化策略進行仿真驗證并做對比分析，仿真結果表明，基于改進天牛須搜索算法的無功優(yōu)化策略性能更優(yōu)。關鍵詞：配電網(wǎng);無功優(yōu)化;粒子群算法;天牛須搜索算法中圖分類號：TM761+.1;TP18? ? ? ?文獻標識碼：A 文章編號：2096-4706（2021）01-0055-03Reactive Power Optimization of Distribution Network Based on B
現(xiàn)代信息科技 2021年1期2021-06-28
- 基于改進粒子群算法的解耦控制研究與仿真
針對標準粒子群算法優(yōu)化多變量系統(tǒng)的解耦控制時存在陷入非全局最優(yōu)值的問題，設計出一種基于自適應變異的粒子群算法優(yōu)化多變量系統(tǒng)解耦控制器的方法。該方法以標準粒子群算法為基礎，在種群進化過程中引入變異操作，對不同進化程度的粒子以不同的概率進行更新，其中沒有達到個體最優(yōu)的粒子以隨機的大概率進行位置與速度的初始化，對已經(jīng)早熟的粒子以一定的小概率更新進化路徑，以此來提高種群搜索全局最小值的能力。種群尋到最優(yōu)值的狀態(tài)就是控制器效果最好的狀態(tài)，利用新的網(wǎng)絡模型即可解決上
計算機時代 2021年5期2021-06-11
- 基于改進粒子群的隨機森林優(yōu)化算法客戶流失預測研究
隨機森林;粒子群算法中圖分類號：TP18? ? ? ? ?文獻標識碼：A文章編號：2096-4706（2021）22-0075-04Abstract： Aiming at the low detection rate of customer churn in telecommunications， this paper proposes a random forest model based on the improved particle swarm o
現(xiàn)代信息科技 2021年22期2021-05-16
- 粒子群算法在農業(yè)水文學中的應用進展
題之一，而粒子群算法作為新型智能算法具有很好的尋優(yōu)能力。介紹了粒子群算法的流程和步驟，以及各種改進后的粒子群算法，分析了粒子群算法在農業(yè)水資源優(yōu)化配置、農田節(jié)水灌溉措施、農作物種植優(yōu)化等農業(yè)水文學幾個方面的應用現(xiàn)狀。結果表明，粒子群算法在農業(yè)水文學中的應用范圍有限;現(xiàn)有應用研究重視經(jīng)濟效益最大化，忽視社會生態(tài)效益;研究呈現(xiàn)碎片化的現(xiàn)象，未形成完整的學科理論體系;改進后的粒子群算法具有更好的尋優(yōu)能力。指出粒子群算法與其他優(yōu)化算法和技術結合將會為該算法在農業(yè)水
安徽農業(yè)科學 2021年8期2021-05-11
- 改進PSO優(yōu)化RBFNN的短時交通流量預測方法
。關鍵詞：粒子群算法（PSO）;神經(jīng)網(wǎng)絡;徑向基（RBF）神經(jīng)網(wǎng)絡;交通流量預測Abstract： Aiming at the prediction accuracy of short-term traffic flow， this paper uses PSO algorithm to optimize RBFNN model， and introduces learning factor optimization strategy to improve
電腦知識與技術 2021年5期2021-04-13
- 基于遺傳粒子群法的配電網(wǎng)故障定位研究
遺傳算法;粒子群算法中圖分類號：TM773???? 文獻標識碼：AResearch on Fault Location of Distribution Network Basedon Genetic Particle Swarm OptimizationZHANG Bo1， TANG Liang1， LIANG Xiao-wei2， LI Ming3， ZHANG Jing3， TANG Yi-xuan3（1.State Grid Anhui Electr
計算技術與自動化 2021年1期2021-04-09
- 基于改進多層感知機模型的港口吞吐量預測研究
。關鍵詞：粒子群算法;去尾均值;多層感知機;港口吞吐量預測中圖分類號：TP183? ? ?文獻標識碼：AAbstract： Accurate port cargo throughput forecast is vital to port development. This paper proposes an improved particle swarm optimization model of multilayer perceptron （MLP） w
軟件工程 2021年3期2021-03-24
- FAST反射面形狀調節(jié)策略研究
策略，借助粒子群算法，建立了較為符合實際的理想拋物面模型;然后利用歐拉旋轉定理建立旋轉模型，得到旋轉后的理想拋物面模型，再通過旋轉基準球面固定照明區(qū)域的方法，求得工作拋物面上照明區(qū)域內692個主索節(jié)點編號，伸縮量以及位置坐標;最后利用降維的技巧，求出基準球面和工作拋物面上的反射信號接收比。關鍵詞：變形策略;理想拋物面;旋轉模型;接收比;粒子群算法;降維中圖分類號：TP181;P111.44? ? ? ? ? ? ? 文獻標識碼：A文章編號：2096-470
現(xiàn)代信息科技 2021年16期2021-02-28
- 基于粒子群算法的汽車多目標自適應動態(tài)規(guī)劃系統(tǒng)研究
章設計基于粒子群算法的汽車多目標自適應動態(tài)規(guī)劃系統(tǒng)。硬件部分設計PID控制器和SPC5644A芯片，軟件部分設計汽車多目標自適應動態(tài)規(guī)劃框架，基于粒子群算法構建汽車自適應動態(tài)運動模型，設計汽車自適應規(guī)劃函數(shù)，實現(xiàn)汽車多目標自適應動態(tài)規(guī)劃。關鍵詞：粒子群算法;汽車;多目標;自適應;動態(tài)規(guī)劃中圖分類號：TP273? ? ? ? ? ? ? ? ? 文獻標識碼：A文章編號：2096-4706（2021）16-0032-03Research on Vehicle
現(xiàn)代信息科技 2021年16期2021-02-28
- 基于改進IMK恢復力模型的鋼筋混凝土柱參數(shù)識別與應用
影響，采用粒子群算法對初始協(xié)方差矩陣、過程噪聲矩陣和測量噪聲矩陣進行自動尋優(yōu)，在MATLAB中實現(xiàn)了柱滯回特征正負向對稱與非對稱兩種情況下改進IMK恢復力模型骨架曲線參數(shù)的識別. 鋼筋混凝土柱實測滯回曲線的模型骨架曲線參數(shù)識別結果及其在框架結構非線性模擬中的應用結果驗證了本文方法的有效性.關鍵詞：恢復力模型;滯回特征;參數(shù)識別;抗差SVD-UKF算法;粒子群算法中圖分類號：TU317? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標志碼
湖南大學學報·自然科學版 2021年1期2021-02-21
- 基于供電可靠性的配電網(wǎng)規(guī)劃
離散二進制粒子群算法，給出求解方案。關鍵詞：配網(wǎng)規(guī)劃;可靠性;離散二進制;粒子群算法0引言隨著城市化進程的加快，城市中的配電線路也漸漸呈現(xiàn)出規(guī)模化和集群化的特點，與此同時，配電線路電能輸送的重載和能耗問題逐漸受到重視。增加電網(wǎng)電源點是解決這種問題的關鍵[1]。電網(wǎng)在規(guī)劃階段需要解決的問題是在滿足需求指標的前提下減少投入并增加電網(wǎng)可靠性。如何以可靠性指標為參考，對規(guī)劃中中壓分支線部分實現(xiàn)整體規(guī)劃是當前重點研究課題之一。本文在中壓主干線可靠性評估基礎上，建立了
電子產品世界 2021年12期2021-01-15
- 多目標粒子群算法的影響因素及改進策略
冬摘 要：粒子群算法獨特的運算結構和出色的收斂速度被用于各行各業(yè)解決優(yōu)化問題。如今生產模式智能化的速度加快，單目標的粒子群算法已經(jīng)無法滿足各行業(yè)對算法優(yōu)化的需求，粒子群算法的多目標優(yōu)化應運而生，通過對算法改進實現(xiàn)了粒子群算法解決多目標優(yōu)化問題，但解決多目標優(yōu)化的同時，影響粒子群算法的因素也增多了。文章重點介紹了多目標粒子群算法的影響因素和改進策略。關鍵詞：粒子群算法;多目標;改進策略0 ? 引言多目標粒子群算法在解決多變量的優(yōu)化問題時也加大了算法本身的運算
無線互聯(lián)科技 2021年23期2021-01-08
- 基于航線自主規(guī)劃的變電站無人機巡檢
覓食算法和粒子群算法的優(yōu)劣勢以后，建立了一種引用細菌覓食算法的趨化及遷徙算子的改進型粒子群算法，用以改進無人機的全局航跡規(guī)劃問題。圍繞研究主題，確定了以下技術路線，首先分析了細菌覓食算法、粒子群算法的實現(xiàn)過程，然后剖析了粒子群算法的缺點，提出了一種應用細菌覓食算法的趨化及遷徙算子的新型粒子群算法。面向無人機航跡規(guī)劃的需求，分析了三維粒子群航跡規(guī)劃模型、適應度函數(shù)、航跡平滑方法、算法早熟收斂判斷等，最后利用Matlab軟件進行仿真分析。通過與傳統(tǒng)粒子群算法作
粘接 2021年12期2021-01-07
- 群智能算法在連續(xù)域優(yōu)化問題中的應用
蟻群算法和粒子群算法是群智能理論研究領域兩種主要算法。本文在討論蟻群算法和粒子群算法原理的基礎上，將其應用于連續(xù)域尋優(yōu)問題的求解。通過仿真實驗，實現(xiàn)了這兩個算法在連續(xù)域優(yōu)化中的應用，驗證了各算法在連續(xù)域優(yōu)化問題下的可行性、可靠性和高效性特點。關鍵詞：群智能;粒子群算法;蟻群算法;連續(xù)域優(yōu)化中圖分類號：TP311? ? ? 文獻標識碼：A文章編號：1009-3044（2020）30-0189-02群智能算法（Swarm Intelligence）主要是模擬動
電腦知識與技術 2020年30期2020-12-29
- 基于蟻群-粒子群混合算法的學習路徑推薦策略研究
因素，使用粒子群算法搜索到次優(yōu)路徑后，再使用蟻群算法搜索最短路徑，有效解決了單一的蟻群算法初期搜索方向盲目性的缺點。仿真結果表明，算法的求解速度和尋優(yōu)性能得到了有效提高。關鍵詞：蟻群算法;粒子群算法;學習路徑中圖分類號：TP 18文獻標志碼：A文章編號：1007-757X（2020）11-0130-03Abstract：The current method of learning path recommendationhas the problem tha
微型電腦應用 2020年11期2020-12-23