量子粒子群算法在电网规划中的应用

量子粒子群是在粒子群算法的基础上,引入了量子机制,它具有较好的全局收敛性。将量子粒子群算法应用于电网规划问题,克服了传统优化方法易陷入局部最优等缺点。通过18节点实例验证了该算法的可行性和有效性。     

粒子群优化算法在电网规划中的应用

粒子群算法适合求解连续变量优化问题,本文提出了粒子群算法的新离散化方法。常规粒子群算法在电力系统优化问题中取得了成功,但有“趋同性”。本文提出了改进多粒子群优化算法（IPPSO）,IPPSO是两层结构：底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快收敛。粒子群以及粒子状态更新策略不要求相同。     

基于粒子群算法的城市绿波优化设计

考虑到车辆行驶过程中受到多种干扰因素的影响,在保证次路最小绿灯时间的前提下,对主路实时感应控制,设计可根据实时情况变化的绿波带,先采用粒子群算法进行优化相位差,再考虑车流不均衡,路段中出现突发状况的情况,两者结合分析计算,综合得出最佳相位差,使主路绝大部分车辆能通过绿波带,而且为了增大带宽,采用方向不固定的单向绿波,主方向采用流量大的一方,可以兼顾到早晚高峰时段两个方向车流量不均衡的情况,以提高干线车辆的通行能力。     

改进粒子群算法在电源规划中的应用

针对电源规划求解难的问题,提出了一种新的求解方法--改进粒子群算法,使用上述方法可大大减少电源规划的计算量,提高计算效率.最后的实例表明,该算法可以较好地解决电源规划问题,有着广阔的应用前景.     

粒子群优化算法在项目投资决策中的应用

粒子群优化算法是一种全局随机优化算法，本文将该算法用于项目投资决策，并与经典的动态规划解法进行比较，显示了该方法的简单性、可行性和有效性．     

竞争粒子群算法及其在UUV航迹规划中的应用

提出一种竞争粒子群算法. 在粒子进化过程中,每个粒子每次进化都会向两个速度方向进化,其中一个速度方向侧重于全局搜索,另一个速度方向侧重于局部搜索,然后对得到的两个同源子粒子进行比较,保留较优的子粒子,淘汰较差的子粒子,最终得到下一代子粒子种群. 利用几个测试函数对算法性能进行分析验证,并与BPSO、LWPSO、EPSO、TVAC算法进行比较,结果表明所提算法在搜索精度、稳定性以及搜索速度上均优于BPSO、LWPSO、EPSO、TVAC算法. 最后,将竞争粒子群算法应用于UUV航迹规划中,得到了较优的规划航迹.      

离散粒子群算法在高校智能排课系统中的应用研究

教务排课问题庞大、复杂,是高校进行正常教学过程中的一个重要环节,直接影响到教学资源及教学质量。排课问题要满足各种约束条件,比如教师资源、教室资源、课程、班级、上课时间等。在这些约束下,寻求一种优化组合,生成相对比较科学、合理、能充分利用现有资源并尽可能让教师和学生满意的课程安排表,将教学有秩序高效地进行。针对这种组合问题,本文提出了一种改进的离散群算法。     

粒子群算法在云计算任务调度中的应用

针对云计算的任务调度问题,在传统PSO算法的基础上,提出了一种改进粒子群算法的云计算任务调度方法.首先描述了云计算任务调度的数学模型和粒子群算法的基本原理,在此基础之上,采用间接编码方式对资源进行编码,定义了适应度函数,确立粒子速度和位置的更新方法.仿真实验表明,文中的方法获得了较好的调度结果.     

粒子群算法在应急疏散中的应用研究

在人员密集场所的应急疏散过程中，有秩序、有效率的疏散将成为拯救生命的关键因素。对传统的粒子群算法进行改进，在算法中加入了领导者（即培训过的工作人员）、影响力因子等，并对高密度人员场所撤离疏散过程中的非适应性人群行为进行了仿真实验，重点分析了领导者的分布、数量、影响力因子等因素对整个疏散过程的影响，为人员高密度场所的疏散...     

粒子群优化算法在水库调度中的应用

基于水库优化调度常用优化方法存在的不足,本文根据水库优化调度的数学模型,将粒子群优化算法运用到水库优化调度中。该算法通过个体间的协作与竞争,实现复杂空间中最优解的搜索分析,具有计算简便,收敛速度快等优点。将混沌优化算法运用到水库调度中,并与其它优化方法比较,获得了较为满意的结果。     

粒子群优化算法

论述粒子群优化算法(PSO)的基本原理、特点、实现步骤,以及PSO的各种改进技术,包括基于PSO参数的改进技术(主要是惯性权重)、基于遗传算法进化机理的改进技术(受遗传算法启发提出的带交叉算子的PSO、带变异算子的PSO、带选择算子的PSO),以及其他算法融合的改进技术(模拟退火PSO、免疫PSO、混沌PSO),并总结PSO热点研究问题.     

粒子群优化算法及其在水库优化调度中的应用

提出了基于粒子群优化算法求解梯级单目标优化调度问题的一般算法结构,该算法通过计算时段库水位的变化范围,把梯级优化调度问题转化为无约束的优化问题处理,使得算法具有稳定、高效的收敛性能.通过对三峡梯级发电优化调度问题的计算,表明该算法是求解梯级优化调度问题的一种有效的手段.     

用改进的混合遗传算法调整优化客运专线列车运行

在借鉴国内外专家对高速铁路列车运行自动调整研究成果的基础上,结合我国的实际情况,建立了客运专线双线列车运行调整的数学模型．为了克服标准遗传算法容易陷入局部最优化从而导致算法过早停滞岛缺陷,基于混合遗传算法对调整模型进行优化设计,引入了罚函数法对约束条件进行处理,建立了基于罚函数的适应度函数,以郑西客运专线的研究为背景构造实例,在matlab7．0仿真环境下对实例进行求解分析;验证结果表明了混合遗传算法具有很好的优化能力,同时也验证了该模型的可行性．     

改进的粒子群算法

为了改善基本粒子群算法的搜索性能,针对粒子群算法随机性较强,收敛较慢的问题,提出了基于退火思想的改进的粒子群优化算法,新的算法更有利于粒子发现问题的全局最优解。通过对经典函数的测试计算,验证了方法的正确性和有效性。     

空间分割微粒群算法

提出了一种适用于高维数值优化问题的空间分割微粒群算法。该算法通过将整个搜索空间分割成若干子空间,在这些子空间上利用嵌入零搜索算子的微粒群算法进行优化。实验结果表明该改进微粒群算法可以有效地解决高维数值优化问题。     

粒子群优化算法的研究

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法。介绍了PSO算法的基本原理和采用早熟因子、逆反粒子、变异策略和协同机制等多种形式的改进措施及PSO算法的应用,提出了未来的研究方向。     

梯级水电站优化调度的模糊自适应粒子群算法

针对粒子群算法容易早熟和易于陷入局部极值的缺点,提出一种梯级水电站优化调度的模糊自适应粒子群算法.在该算法中将惯性权值表示为粒子群进化速度因子和群体适应度方差的模糊函数,在每次迭代过程中动态改变惯性权值,以适应非线性优化搜索过程.针对违反约束的粒子,设计了一种动态空间调整策略来修复约束要求.为了验证算法的性能,用2个测试函数和拥有4个水电站的系统进行了测试,在求解精度和速度上与标准粒子群算法和改进惯性权值线性递减粒子群算法进行了对比,结果表明模糊自适应粒子群算法收敛速度快、精度高.     

异步随机微粒群算法

在研究微粒群算法生物特征的基础上，提出了一种异步随机微粒群算法——ASPSO．该方法是在微粒的进化过程中，采用异步模式使全局最好位置信息以异步方式在种群中传播。从理论上证明了ASPSO与同步模式微粒群算法SPSO相比较具有更快的局部收敛速度，并对四个经典测试函数进行了仿真测试，测试结果表明：与SPSO相比，ASPSO算法具有更快的收敛速度。     

简约粒子群优化算法

针对全局版粒子群的早熟和局部版粒子群的最优位置信息利用率低的问题，提出简约粒子群算法．该算法使用速度松弛迭代策略，使粒子不必频繁更新速度，当粒子速度有利于适应度进一步提高时，就在下一个迭代周期内维持该速度，这有利于提高良好速度信息的利用率，减小算法的计算量，加快运算的收敛速度．同时，利用精英集团策略，使多个最优位置信息在种群内充分共享，有效地控制了种群多样性，避免了早熟现象．在典型标准测试函数上进行了全局、局部版惯性因子粒子群和全局、局部版约束因子粒子群测试比较，结果表明简约粒子群算法具有更强的寻优能力和更高的稳定性，且计算量也比较小．     

小生境微粒群优化算法

将小生境技术引入到微粒群优化算法之中,设计出一种小生境微粒群优化算法。该算法除了始终赋予微粒生命力,还将位置重叠的差适应值微粒在搜索空间重新启动。通过对4个常用测试函数进行优化计算,仿真结果表明小生境微粒群优化算法比基本微粒群优化算法具有更好的优化性能。