共查询到20条相似文献，搜索用时 78 毫秒
1.
粒子群算法是一种进化计算技术,但容易陷入局部极小点。提出了一种利用Alopex算法改进的粒子群优化算法,改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。 相似文献
2.
3.
4.
《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
5.
具有代表性的一种局部信息粒子群优化模型大幅度提高了解决多模优化问题的能力,但该类算法存在难以搜索到位于边界附近且跨度较小区域优化解的问题。提出了一种改进的粒子群优化算法,以增强其处理多模优化问题的能力。在算法迭代过程中,利用边界处理方法,让超出边界的粒子修复后以较大概率落在边界附近,从而加强对边界附近且跨度较小区域的搜索。与原算法实验对比表明,改进后的算法鲁棒性更强。 相似文献
6.
7.
基于WS小世界网络拓扑特性的自组织PSO算法 总被引：1，自引：0，他引：1
提出了一种自组织粒子群优化算法SOPSO。算法融合了WS小世界网络模型的拓扑特性和信息传递特征,将粒子种群优化过程划分为种群拓扑结构自组织构造和粒子间合作优化两个相互促进的部分,其中前者采用WS小世界模型对种群拓扑结构进行自组织构造,后者基于所产生的拓扑结构进行合作优化。描述了算法的总体流程和各个关键环节。采用高维复杂函数对SOPSO和传统粒子群优化算法进行了对比实验。实验结果证明SOPSO的学习策略赋予了粒子种群更广泛的多样性和更强的逃离局部最优能力,从而在优化成功率以及优化质量上均优于传统粒子群优化算法。 相似文献
8.
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
9.
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
10.
11.
首先介绍了具有模糊加工时间和模糊交货期的柔性车间作业计划问题,接着阐述了基于可能性理论的最小化制造跨度目标函数,以及基于有符号距离与区间数距离的提前/拖期惩罚函数,并以此为基础构造多目标柔性车间作业计划问题的适应度函数。针对上述多目标柔性车间作业计划问题,给出了改进粒子群算法进行有效求解,通过对粒子群参数进行自适应优化来有效平衡算法的全局搜索与局部搜索能力,最后通过实例验证了求解算法的可行性和有效性。 相似文献
12.
常规粒子群算法(SPSO)在优化过程中易陷入局部最优,本文分析了常规粒子群算法陷入局部最优的原因,提出采用一种自适应粒子群算法(APSO)避免陷入局部最优,改善算法的收敛性和精度。最后用自适应粒子群算法设计宽带阶梯阻抗变换器,结果表明,与常规粒子群算法相比,自适应粒子群算法全局速度快、成功率和精度也有显著提高。 相似文献
13.
14.
结合第四方物流的内涵与发展现状,从第四方物流企业调度管理优化决策问题出发,通过引入惯性权重因子和收缩因子对标准粒子群算法进行改进,然后与模拟退火算法相结合,形成改进的模拟退火粒子群(MSA-PSO)算法,求解第四方物流企业调度管理优化问题。在阐述算法原理和运算流程后,分别运用标准粒子群算法、模拟退火算法和本算法对6个基准测试函数进行仿真试验来检验比较算法的性能。结果显示:改进后的模拟退火粒子群算法计算精度和寻优结果优于标准粒子群算法和模拟退火算法。 相似文献
15.
16.
17.
18.
本文利用基于动态惯性权重的粒子群算法对JSP问题进行求解,通过在粒子群算法中引入非线性的惯性权重函数,使得粒子在搜索空间中的全局探索和局部精调能力得以调节和平衡,从而有效求得调度的全局最优值.仿真实验结果表明该算法对经典JSP问题求解的可行性和有效性. 相似文献
19.
针对现有水资源配置模型存在的不精确问题,在现有水资源模型基础上增加了决策偏好系数和排放污染物种类以提高模型精确性,以吉林市水资源基础数据初始化水资源优化配置模型,针对目前对模型进行优化的粒子群算法易出现局部最优等情况,引入萤火虫算法对其进行改进,通过萤火虫趋向最优解的原理改善粒子群算法出现局部最优的情况,并加速其收敛速度。应用改进粒子群算法对模型进行优化求解,得出水资源优化配置方案,以满足经济效益、社会效益、生态环境效益的全面要求。 相似文献
20.
《黑龙江科技信息》2016,(29)
电力系统的无功优化问题的操作变量既有连续变量又有离散变量,同时它还是混合了多个变量和多个约束条件的一个非线性的规划问题。本文中阐述的粒子群优化算法PSO(Particle Swarm Optimization)算法,是一种应用于电力系统无功优化的算法,是针对无功优化问题的特点提出的。考虑到算法的一些问题,通过引入动态的惯性权重和收缩因子来达到对原有算法的改进目的,改进粒子群优化算法MPSO(Modified Particle Swarm Optimization)算法作为一种新的算法被提出来,同时结合了电力系统无功优化的实际情况,证明了改进的粒子群算法的良好的实用效果。 相似文献