共查询到20条相似文献，搜索用时 62 毫秒
1.
针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在“认知”部分和“社会”部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。 相似文献
2.
《科技通报》2016,(9)
针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型,首先在采用粒子群算法对KNN算法进行优化前,引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化,然后采用最优化学习策略对改进粒子群算法的运算性能进行优化,最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度,并根据适应值函数计算每个粒子的适应度。仿真实验结果表明,本文提出的改进粒子群算法具有较好的收敛性能,基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。 相似文献
3.
本文针对粒子群算法具有不易陷入局部极小、收敛速度快等特点,提出了一种基于粒子群的小波神经网络学习算法,优化了小波神经网络中的各个参数,并将应用于函数仿真试验。试验表明,该算法能减少迭代次数、提高收敛精度,是小波网络的有效训练算法。 相似文献
4.
分布式水循环模型的参数优化算法比较及应用 总被引：1，自引：0，他引：1
分布式水文模型的优势在于还原水文过程的时空变异性,可以很好地模拟和反映各种水文要素和下垫面因素的时空分布不均匀性。由此也导致模型参数过多,在子流域过多的情况下,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选。本文选取石羊河流域九条岭站1988-2005年实测径流资料,分别应用SCE-UA算法、遗传算法(GA)和粒子群算法(PSO)对分布式水循环模型(时变增益模型)进行参数率定,对比3种算法的收敛速度、所需迭代次数和算法稳定性。结果表明:通过SCE-UA、GA和PSO的优化,模型水平衡系数都控制在0.0左右,而相关系数和效率系数分别能达到0.90和0.84以上,模拟精度较好。但粒子群算法的全局搜索能力和收敛速度优于SCE-UA和遗传算法,所需迭代次数最少,初值敏感性小,更适合时变增益模型的参数寻优,有很高的扩展性和改进潜力。 相似文献
5.
提出了一种基于粒子群算法优化的RBF网络整定PID控制策略.该策略利用粒子群算法对初始PID参数及其学习率进行优化,解决了控制器初始值对控制效果的影响.通过对火灾探测器温箱系统的仿真控制,验证了该控制策略具有控制精度高、抑制噪声及扰动能力强的优点. 相似文献
6.
针对粒子群算法在云计算任务调度中存在效率低等问题,提出在将鸡群算法引入到粒子群算法中,将粒子的分布按照鸡群算法中的公鸡,母鸡和小鸡来进行区分,同时对粒子的学习因子进行了改进,有效的避免算法陷入局部,收敛速度快的缺点,在云计算仿真平台中,将本文算法与粒子群算法,鸡群算法在虚拟机负载均衡,消耗成本和完成时间上进行对比都取得了一定的优势,说明本文算法能够有效的提高云计算任务调度效率。 相似文献
7.
针对传统的细菌觅食算法限于梯度信息优化,对非线性特征数据挖掘效果不好的缺陷,提出一种基于趋化繁殖算法的细菌觅食种群寻优方法,并有效应用海量非线性特征数据挖掘中。首先根据现有细菌觅食算法,引入细菌趋化算子和细菌繁殖算子,设计一种新的个体编码方式及进化模式。然后通过设计种群的自适应调整因子增强个体活力,并融合禁忌搜索算法,提高种群搜索寻优能力,克服算法易于陷入过早收敛和限于梯度信息优化的不足,提高对非线性特征数据挖掘性能。仿真实验表明,新算法可以搜索到种群最优组合,非线性特征数据挖掘跟踪曲线表明,算法具有较好的预测和数据挖掘能力,特征数据挖掘准确率提高显著,收敛速度高。 相似文献
8.
介绍了基本粒子群优化算法及其原理,针对其易陷入局部极值和后期收敛速度慢的缺点,研究了基于惯性权重因子的改进粒子群优化算法。通过测试函数对固定惯性权重和时变惯性权重参数的选择进行了系统的实验,并且分析了种群规模与学习因子参数对粒子群算法优化性能的影响。 相似文献
9.
惯性权重是粒子群算法的一项重要参数,其值变化形式直接影响粒子群算法的性能。在介绍粒子群基本算法的基础上,分析已有固定惯性权重、时变惯性权重和动态自适应惯性权重粒子群算法的基本原理。通过4个典型测试函数的仿真实验,证明不同算法的收敛速度和全局寻优能力。 相似文献
10.
11.
传统的基于粒子群算法的前馈神经网络训练系统进行数据库访问时,易陷入局部极值,产生零点轨迹信息搜索效率较低,局部极小点和搜索方向紊乱。提出一种改进的粒子群优化算法。构建基于误差反传的神经网络系统结构,引入混沌映射概念,提出了一种根据粒子搜索状态,动态调整粒子飞行速度和位置的粒子群优化算法,提高多波束粒子群深度零点轨迹信息的提取的搜索效率,根据粒子的轨迹信息,研究如何动态调整粒子的搜索速度和方向,提高了训练和控制精度与效益。仿真实验表明,该算法进行多波束粒子零点轨迹信息搜索,效率较高,通过外力的干涉尝试调整粒子的方向,使得粒子可以逃离这个稳定阶段,提高了粒子收敛速度,提高控制搜索精度,运行时间较短。算法在智能控制等领域具有较好的应用价值。 相似文献
12.
PID控制在工业生产中得到广泛的应用,其性能指标取决于PID参数的选取。粒子群算法是一种常见的智能化算法,简单便于实现,文章采取基于自然选择改进的粒子群算法优化PID控制器的参数,与经典的粒子群算法相比较,文章所提出的算法有效地避免了经典粒子群算法过早陷入局部最优的问题,具有较高的求解效率。 相似文献
13.
将人工免疫思想引入粒子群算法,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是：将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。将混合算法应用于物流配送中心选址问题,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。 相似文献
14.
针对传统粒子群算法在供应链销售管理的应用中表现出收敛性不佳的问题,本文提出了一种基于分布式优化粒子群算法的供应链销售管理模型,首先将免疫算法中繁殖策略与基本粒子群算法相结合,保持种群的多样性,然后引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行了优化,最后采用最优化学习策略在算法陷入局部最优时跳出来。仿真试验结果表明,本文提出基于分布式优化粒子群算法的供应链销售管理模型,在收敛性能上远远优于标准粒子群算法。 相似文献
15.
研究了考试系统中一个关键的技术——组卷算法,提出了应用粒子群优化算法组卷。PSO算法源于蜜蜂群觅食,是一种智能寻优算法,它首先初始化一群随机粒子（随机解）,然后通过迭代找到最优解。PSO算法组卷是一个离散性求解问题,这是对PSO算法应用上的一个扩展。 相似文献
16.
针对实际电阻点焊过程复杂多变,精确数学模型的建立较为困难,传统PID控制器难以保证系统在不同的工作状况下具有良好的控制特性,提出了一种改进型BP神经网络PID的电阻焊机电源恒电流控制方法。将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数Ki、Kp、Kd,并将粒子群算法引入到神经网络中作为其学习算法,有效的提高了BP神经网络算法收敛速度。仿真结果表明,该电源智能控制方法能够根据系统运行状态对PID参数进行自适应调整,有效的对焊接电流进行恒定控制。 相似文献
17.
18.
19.
差分进化算法(Differential Evolution Algorithms,DE)和粒子群算法(Particle Swarm Optimization,PSO)是一种基于种群的全局优化的通用的启发式算法,已经用来求解很多的问题。本文提出一种基于DE和PSO的双进化方式的种群进化策略。对于种群中的每个粒子可以随机选择按照差分进化或者按照粒子群进化。为了提高进化的收敛速度,对于每一代粒子选择一个最优的粒子提供给按照PSO算法进化的粒子使用。通过4个标准函数测试该算法并与PSO和DE算法进行比较,实验证明该算法是一种求解精度高,速度快,鲁棒性好的算法。 相似文献
20.
粒子群算法是模拟自然界生物群体行为而提出的一类新兴的随机优化算法,其特点是实现容易、精度高、收敛快。文章使用粒子群算法对铝电解整流机组效率优化的问题进行解决,并使用MATLAB语言进行仿真,以实现根据现场实际情况要求最大限度地节能降耗的目标。 相似文献