改进的粒子群算法在虚拟企业合作伙伴选择中的应用

根据虚拟企业合作伙伴选择的原则,给出了合作伙伴选择的多目标决策模型,用定量的方法对合作伙伴进行描述.同时,给出了改进的二进制粒子群优化算法,并对本文的多目标优化问题进行求解.通过仿真试验测试,证明该方法是可行性.     

基于群智能算法的预防性维修周期优化

分析将蚁群优化算法应用于预防性维修周期工程寻优问题时遇到的算法参数选择困难等问题,提出将粒子群优化算法和空间划分方法引入该过程以改进原蚁群算法的寻优规则和历程.建立混合粒子群和蚁群算法的群智能优化策略:PS_ACO(Particle Swarm and Ant Colony Optimization),并将其应用于混联系统预防性维修周期优化过程中,以解决由于蚁群算法中参数选择不当和随机产生维修周期解值带来的求解精度差、寻优效率低等问题.算法的寻优结果对比分析表明:该PS_ACO算法应用于预防性维修周期优化问题,在寻优效率及寻优精度上有部分改进,且可相对削弱算法参数选择对优化结果的影响.     

虚拟企业伙伴选择的投资性建模与遗传算法分析

针对虚拟企业的伙伴选择,我们提出了基于投资理论的PI模型。该模型采用遗传算法同时分析了选择伙伴的成本和收益。然后,通过一个典型算例来详细说明虚拟企业伙伴选择的标准和过程。实验结果用穷举法进行了验证和比较,表明该方法具有简单快速准确等特点。     

危险化学品车辆路径问题的一个新模型及算法研究

危险化学品因其固有的危险性,容易引发事故,且事故后果往往很严重,对于危险化学品各个管理环节必须考虑其安全性.文章针对危险化学品运输环节的车辆路径选择问题,建立了同时考虑运输费用和运输安全风险的双目标优化模型.不同于该类传统模型,文章新引入了描述需求点访问次序的决策变量,减少了传统模型的决策变量个数和约束条件的数量,对传统模型进行了简化.针对新模型的求解,文章提出了一种改进的粒子群算法,将非支配解方法与种群杂交策略相结合来处理双目标问题,在迭代过程中加入了局部搜索策略以增强算法效率.数值实验说明改进的粒子群算法与传统的粒子群算法相比具有更优的搜索效率,能更有效地求解新模型.     

基于灰色关联的虚拟企业伙伴选择

虚拟企业组建时,面对网络上众多且又处于分散无序状态的潜在合作资源,往往难以找到合适的合作伙伴.研究了虚拟企业选择伙伴的指标体系,应用层次分析法计算出各指标的权重,并借鉴灰色关联度理论较好地解决虚拟企业网络化资源伙伴的选择问题.     

基于改进粒子群算法的模糊聚类-概率神经网络模型的企业财务危机预警模型研究

为了充分发挥概率神经网络在企业财务危机预警中的作用,克服概率神经网络平滑参数难以确定和空间复杂度高的不足,本文提出一类新的参数动态调整的粒子群算法优化概率神经网络的平滑参数,进而采用改进粒子群算法优化初始隶属度矩阵的模糊聚类方法实现对样本的选择,解决了概率神经网络平滑参数的确定及空间结构复杂的问题。提出了基于改进粒子群算法的模糊聚类-概率神经网络企业财务危机预警模型,并以我国上市公司作为研究对象进行了实证研究。结果表明,经过模糊聚类和改进粒子群算法优化的概率神经网络具有更优的预测性能,并在企业财务危机长期预警方面具有一定效用。     

基于PSO_Trainlm BP模型的图像去噪研究

针对在使用BP模型进行图像去噪时,模型存在的对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.为了提高模型去噪效率,提出采用改进粒子群神经网络模型进行图像去噪.首先运用改进粒子群算法对BP神经网络权阈值进行初始寻优,再用trainlm BP算法对优化的网络权阈值进一步精确优化,随后建立基于粒子群算法的BP神经网络去噪模型,并将其应用到图像去噪研究中.仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP算法的局部搜索能力,减小了模型对初始权阈值的敏感性,有效防止了模型陷入局部极小值的可能,提高了图像去噪模型的速度和质量.     

混合变异粒子群优化算法及其应用

为改善粒子群优化算法在解决复杂优化问题时收敛质量不高的不足,提出了一种改进的粒子群优化算法,即混合变异粒子群优化算法(HMPSO).HMPSO算法采用了带有随机因子的惯性权重取值更新策略,降低了标准粒子群优化算法中由于粒子飞行速度过大而错过最优解的概率,从而加速了算法的收敛速度.此外,通过混合变异进化环节的引入,缓解了...     

粒子群优化的收敛分析及在广义预测控制中的应用

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.     

免疫粒子群优化算法在农业水资源优化配置中的应用

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.