首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 165 毫秒

1.  粒子群优化的收敛分析及在广义预测控制中的应用  
   林卫星  陈炎海  欧超  李文磊《数学的实践与认识》,2012年第42卷第4期
   在进行粒子群优化的收敛性理论分析的基础上,推出了保证粒子群优化算法收敛性的参数设置区域,合理选择粒子群算法的关键参数,将粒子群优化与广义预测控制有机融合,用粒子群算法来解决广义预测控制的优化问题,提出基于粒子群优化的广义预测控制算法,通过工业过程对象的仿真并和传统的广义预测控制算法进行了对比分析,表明了该算法的有效性,特别是算法具有良好的输出跟踪精度和较强的鲁棒性.    

2.  基于灰色关联聚类的组织力量配置模型研究  
   贾天兵  刘思峰《数学的实践与认识》,2016年第7期
   为解决组织力量的全局优化配置问题,建立基于灰色关联聚类的宏观人力资源优化模型.首先,根据组织的目标建立人力资源测评体系,引入灰色关联聚类方法,将组织成员按照组织目标聚类形成为不同的力量类型,从宏观角度分析企业人力资源的结构特征;然后,根据组织成本目标、产出目标、社会影响等目标建立组织力量配置的多目标优化模型,引入多目标粒子群优化算法探讨模型求解方法和人力资源配置步骤;最后通过案例验证方法的有效性,从而为组织组织力量的宏观配置和结构优化提供了一种新的研究思路.    

3.  粒子群及遗传算法在相对论返波管中的应用(英文)  
   王辉辉  刘大刚  蒙林  刘腊群《计算物理》,2014年第4期
   在全三维粒子模拟软件CHIPIC平台上,分别开发了粒子群及基因算法模块.以相对论返波管为例,采用三种不同类型的参数(连续参数、离散参数、混合参数),对粒子群及基因算法进行比较.优化结果表明:粒子群算法的收敛速度更快,在有限的迭代步数内得到的目标结果也更优良,总体表现优于基因算法.    

4.  免疫粒子群优化算法在农业水资源优化配置中的应用  
   刘玉邦  梁川《数学的实践与认识》,2011年第41卷第20期
   求解农业水资源优化配置模型(高维非线性优化模型),较常采用大系统分解协调原理和动态规划相结合的方法,这样减少了变量个数,便于优化求解,但协调的过程需要多次从低阶模型中返回信息,而且对于每层的寻优求解过程存在难以克服的矛盾.采用标准的粒子群优化算法则优化程度不易保证并容易陷入局部最优,优化结果对初始种群依赖性较强.因此应用免疫进化算法对标准粒子群优化算法进行改进并应用于灌区农业水资源优化配置模型的求解.算例分析表明,免疫粒子群算法为求解高维复杂的优化配置问题提供了新思路.    

5.  遗传-粒子群算法模型修正  被引次数:3
   孔宪仁  秦玉灵  罗文波《力学与实践》,2009年第31卷第5期
    用部分测量模态数据对5层钢架结构进行模型修正,将遗传算法、粒子群优化算法、遗传-粒子群组合算法3种算法在该模型修正过程中的效率和精度进行比较,结果表明修正后模型的全部四阶频率和振型都能在不同程度上向目标值靠近,证明3种算法都能够有效修正模型,而且遗传-粒子群算法能在前期利用遗传算法进行高效全局搜索,后期利用粒子群算法进行细致局部搜索,与单独使用遗传算法或粒子群算法相比,组合算法效率和精度更高.    

6.  基于尺度不变特征变换和区域互信息优化的多源遥感图像配准  
   赵辽英  吕步云  厉小润  陈淑涵《物理学报》,2015年第64卷第12期
   为了进一步提高遥感图像配准精度, 提出了尺度不变特征变换(SIFT)结合区域互信息优化的遥感图像配准方法. 首先利用混沌序列的随机性和遍历性, 提出一种混沌量子粒子群优化(CQPSO)算法, 在量子粒子群优化(QPSO)算法迭代陷入早熟收敛时, 采用一种新的机理引入混沌序列, 进化粒子克服早熟. 图像配准算法分为预配准和精配准两个过程. 基于SIFT算法提取特征点, 经匹配和有效地外点排除完成预配准, 然后对匹配特征点坐标进行亚像素级微调, 通过最小二乘法求得一系列匹配参数构造初始粒子群, 最后利用混沌量子粒子群优化区域互信息完成精配准, 得到最优匹配参数. 用一些标准测试函数对所提出的CQPSO和QPSO及粒子群优化(PSO)算法进行了实验比较, 另外, 对SIFT, SIFT结合PSO算法优化区域互信息, SIFT结合QPSO算法优化区域互信息和SIFT结合CQPSO算法优化区域互信息(SRC)等四种算法进行了不同分辨率遥感图像配准实验比较和不同时相遥感图像配准实验比较, 实验结果验证了所提出的CQPSO算法的优越性和SRC配准方法的有效性.    

7.  标准粒子群优化算法的收敛性分析  
   傅阳光  周成平  丁明跃《应用数学》,2011年第24卷第1期
   研究标准粒子群优化算法在经验区域的各个子区域内的收敛和发散行为,分析系统特征根与算法参数的关系,得到一系列结论.数值仿真实验展示不同子区域内的算法参数对粒子位置和粒子速度运动轨迹的不同影响,进一步验证本文结论的正确性.    

8.  基于动态分级和邻域反向学习的改进粒子群算法  
   任燕芝《浙江大学学报(理学版)》,2018年第45卷第3期
   针对粒子群算法容易陷入局部最优解的问题,提出了一种基于动态分级和邻域反向学习的改进粒子群算法.该算法通过构建动态分级机制,将种群中的粒子动态地划分成3个等级,对不同等级内的粒子采取不同的扰动行为,使得粒子在增强种群多样性的同时保持向全局最优方向进化;采用粒子智能更新方式,提高了粒子的搜索能力;引入动态邻域反向学习点建立全局搜索策略,促使种群快速寻优.最后,利用多种典型测试函数对该算法进行仿真实验,结果表明,与其他几种优化算法相比,本算法具有较好的收敛性和稳定性.    

9.  非线性约束优化问题的混合粒子群算法  被引次数:3
   高岳林  李会荣《计算数学》,2010年第32卷第2期
   把处理约束条件的一个外点方法和改进的粒子群优化算法相结合,提出了一种求解非线性约束优化问题的混合粒子群优化算法.该方法兼顾了粒子群优化和外点法的优点,对算法迭代过程中出现不可行粒子,利用外点法处理后产生可行粒子.数值实验表明了提出的新算法具有有效性、通用性和稳健性.    

10.  微动粒子群优化算法用于Egun的多参量优化  
   范俊杰  张兆传《强激光与粒子束》,2010年第22卷第12期
    针对2维电子光学多参量优化问题,采用微动粒子群优化算法,在给出目标电子轨迹和优化范围的前提下,可以得到趋近于该电子轨迹的真空边界和聚束磁结构。该算法分为前后两阶段:第一阶段采用前后试探法(微动),同时参照最优粒子的信息;第二阶段采用标准粒子群优化算法。针对涉及多个相关参量的电子光学设计问题,标准粒子群优化算法仅能保证以较高概率收敛到局部最佳解,而微动粒子群优化算法能以较高概率收敛到全局最佳解,并且展现了多核计算机在电子光学设计上的潜力。初步的软件试验显示:消耗人类工程师几周时间的电子光学设计问题,用微动粒子群算法在普通个人计算机上几十小时就能完成。    

11.  一种加入创新粒子的粒子群  被引次数:1
   郑思平  陈红周《数学理论与应用》,2010年第1期
   粒子群算法是一种基于群体智能的随机并行算法,它在很多优化问题中都得到了比较好的应用。本文针对粒子群容易陷入局部最优解,提出了一种加入创新粒子的粒子群,实验模拟结果表明加入创新粒子的粒子群有更好的结果和收敛速度。    

12.  基于二进制粒子群算法的认知无线电决策引擎  被引次数:5
   赵知劲  徐世宇  郑仕链  杨小牛《物理学报》,2009年第58卷第7期
   提出了基于粒子群算法的认知无线电决策引擎,并提出了一种种群自适应粒子群算法,利用粒子群算法调整优化无线电参数,运用多载波系统对算法性能进行了仿真分析.实验结果表明基于二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定性上都要明显优于经典遗传算法,基于种群自适应粒子群算法的决策引擎则能进一步提高算法初期性能,满足认知无线电实时性要求. 关键词: 认知无线电 粒子群算法 遗传算法 认知决策引擎    

13.  基于混沌粒子群优化算法的灰色GM(1,1)模型在地下水埋深预测中的应用  被引次数:2
   盖兆梅  付强  刘仁涛《数学的实践与认识》,2008年第38卷第11期
   将混沌优化算法与粒子群优化算法相结合,形成新的混沌粒子群优化算法.利用混沌运动的遍历性,避免陷入局部最优.同时,粒子群算法能加快混沌优化算法的收敛速度,使搜索效率得到提高.用混沌粒子群优化算法优化灰色GM(1,1)模型中的参数,通过横向和纵向比较,优化效果良好,模型预测精度得到了提高.运用该模型对三江平原地下水埋深进行动态预测,预测结果可为有关决策部门提供参考.    

14.  基于EMD-AWPP和HOSA-SVM算法的分布式光纤振动入侵信号的特征提取与识别  
   张燕君  刘文哲  付兴虎  毕卫红《光谱学与光谱分析》,2016年第2期
   针对传统的信号处理方法无法有效区分不同振动入侵信号 ,提出一种基于EMD-AWPP和 HOSA-SVM 算法的振动信息特征提取与识别方法 ,用于解决分布式光纤振动入侵检测系统的高精度信号识别问题.处理不同振动类型时 ,该方法首先利用基于经验模态分解的自适应小波包处理算法 ,不仅对信号的低频部分进行了分解 ,而且对高频部分即信号的细节部分也进行了更好的时频局部化处理 ,改善了信号特征提取精度 ,减少传感信号异常值的影响 ;其次采用高阶谱分析中的双谱和双相干谱 ,精确提取包含不同振动入侵信号类型的特征矢量 ;最后在BPNN参比模型的基础上 ,用粒子群算法优化SVM的识别参数 ,使识别模型具有更强的自适应和自学习能力 ,克服了神经网络易陷入局部最优的不足之处 ,实现不同振动入侵信号的特征矢量识别.分析结果表明 ,针对不同类型的入侵源识别 ,该方法可以有效剔除随机噪声的影响 ,提取传感信息的特征矢量 ,降低异常值的影响 ,算法的预测类别与输出类别几乎一致 ,振动识别的精确率达到95% 以上 ,识别效果明显强于BPNN网络的检测算法 ,提高了信息分析的准确性.    

15.  一种基于离散粒子群优化算法的高光谱图像端元提取方法  被引次数:2
   张兵  孙旭  高连如  杨丽娜《光谱学与光谱分析》,2011年第31卷第9期
   针对混合像元分解过程中,由于数据噪声引起的端元提取不准确问题,引入了群智能算法中的粒子群优化算法,并对粒子群优化算法进行了改进,重新定义了位置和速度的表示方法和更新策略,得到离散粒子群优化(discrete particle swarm optimization,D-PSO),能够在离散空间中进行搜索,解决组合优化问题。同时,通过定义目标函数和可行解空间,将端元提取问题改写成组合优化问题,最终实现利用D-PSO进行端元提取。在给出算法的详细流程之后,文章通过一组模拟数据实验和一组实际数据实验验证了D-PSO算法对于具有较大噪声的数据的适应性和提取端元的可信程度,并分析了不同参数对于算法性能的影响。    

16.  混沌粒子群神经网络在上证指数预测中的应用  
   孟栋  樊重俊  刘思《数学理论与应用》,2014年第2期
   上证指数预测是一个非常复杂的非线性问题,为了提高对上证指数预测的准确性,本文采用基于混沌粒子群(CPSO)算法对BP神经网络算法改进的方法来进行预测.BP神经网络算法目前已经应用到预测、聚类、分类等许多领域,取得了不少的成果.但自身也有明显的缺点,比如易陷入局部极小值、收敛速度慢等.用混沌粒子群算法改进BP神经网络算法的基本思想是用混沌粒子群算法优化BP神经网络算法的权值和阈值,在粒子群算法中加入混沌元素,提高粒子群算法的全局搜索能力.对上证指数预测的结果表明改进后的预测方法,具有更好的准确性.    

17.  用粒子群优化算法设计光纤布拉格光栅  被引次数:2
   谢军华  秦子雄  曾庆科  欧启标  黄富  周恒超《应用光学》,2009年第30卷第4期
   用粒子群优化(PSO)算法对二元相位取样光栅进行优化设计.实现了利用二元相位取样光栅对多信道色散和色散斜率的同时补偿.设计得到的二元相位取样光栅的反射谱各信道均匀,时延线性好,带宽、色散量和色散斜率可以根据实际的光纤类型来调整,对折射率调制要求较低.由于只有π相移,因此其制作比多级相位取样光栅相对简单.与其他优化方法相比,粒子群优化算法具有简单、收敛速度快等优点.    

18.  一种使用单纯形法优化的粒子群算法  
   武可栋  韦增欣  杨天山《数学的实践与认识》,2018年第7期
   根据单纯形法和粒子群算法的各自特点,提出了一种使用单纯形法优化的粒子群算法,算法利用单纯形法来对粒子群算法的初始值进行处理.数值实验表明,优化后的粒子群算法具有更好的的寻优能力.    

19.  基于粒子群优化的核匹配追踪目标识别  
   徐小慧  魏鑫  张安《光子学报》,2009年第38卷第4期
   提出了一种基于粒子群优化的用于目标识别的核匹配追踪算法.该算法用粒子群优化算法在基函数字典中选择最优的基函数,大大降低了基匹配追踪算法的计算复杂度.通过与标准核匹配追踪算法及基于遗传算法的核匹配追踪算法对UCI数据集及纹理图像的识别试验表明,核匹配追踪算法优良的分类性能以及粒子群优化算法高效的全局搜索能力使新算法能有效识别目标数据.    

20.  超越方程的优化解法  
   张安玲《数学的实践与认识》,2014年第22期
   针对粒子群算法局部搜索能力差,后期收敛速度慢等缺点,提出了一种改进的粒子群算法,该算法是在粒子群算法后期加入拟牛顿方法,充分发挥了粒子群算法的全局搜索性和拟牛顿法的局部精细搜索性,从而克服了粒子群算法的不足,把超越方程转化为函数优化的问题,利用该算法求解,数值实验结果表明,算法有较高的收敛速度和求解精度。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号