共查询到19条相似文献，搜索用时 703 毫秒
1.
为了适应当前配电网结构日趋复杂且分布式电源大量接入的情况,提出一种改进的量子粒子群优化算法并成功应用于含分布式电源的配电网优化重构中.该算法通过在标准量子粒子群算法中引入遗传算法的"遗传"和"变异"操作,对粒子各等位基因实行概率进化,以提高种群基因的多样性,克服原算法前期易陷入局部收敛的缺陷.改进算法后通过设置变异因子... 相似文献
2.
《洛阳师范学院学报》2015,(11)
针对函数优化的非线性特点,在标准粒子群优化算法的基础上,提出了一种带自适应变异的粒子群优化算法.该算法对惯性权值进行参数设计,建立非线性递减策略曲线模型,通过设置校准系数,改变惯性权值的曲线变化率,使其随迭代过程进行自适应变化.通过在迭代初期选取较大的惯性权值,增强算法的局部寻优能力,加快算法收敛速度,而在迭代后期选取较小的惯性权值,提升算法的全局搜索性能.同时,在算法中引入变异机制,增加种群的多样性,从而更好地提升算法由局部到全局的开放式搜索能力.通过选择基准测试函数对几种算法进行性能测试,证明改进算法收敛速度快、精度高,总体性能优于对比算法. 相似文献
3.
由于BP网络存在学习效率低、收敛速度慢、易陷入局部极小状态、适应能力较差等缺点,而粒子群优化（PSO）算法的收敛速度快（尤其是在进化初始阶段）,运算简单、易于实现,又没有遗传算法的编解码和杂交、变异等复杂运算,因此是一种很好的优化算法。但是,PSO算法也存在不足,该算法进化后期存在速度变慢以及早熟的现象。提出一种改进的粒子群BP神经网络对高炉炉温进行预测。通过调整粒子群算法中学习因子的自适应能力,提高算法的收敛速度和搜索全局最优的能力。通过仿真结果说明改进的粒子群算法要优于BP算法和标准的粒子群算法。 相似文献
4.
《临沂师范学院学报》2013,(3):79-82
排课问题是一个有约束的、多目标的组合优化问题.在针对遗传算法在求解该问题时搜索效率较低的情况下,提出了一个基于粒子群的排课算法.在算法设计过程中,考虑排课过程中所出现的各种时间、空间资源的冲突情况,设计了一种基于粒子群优化算法来实现时间和空间两种资源的优化.利用C#程序设计语言实现了基于粒子群算法的排课系统,实验和测试结果也验证了其有效性和系统的可用性. 相似文献
5.
《实验室研究与探索》2015,(9):126-131
针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计,仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。 相似文献
6.
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
7.
通过引入云模型对输入信息进行模糊化处理,结合神经网络的非线性学习能力,提出一种基于云模型和神经网络的模糊分析模型CNN。在此基础上,引入遗传算法和粒子群优化算法,对连接权和阈值进行训练,构造出GA-CNN与PSO-CNN两个模型。由于神经网络具有在海量数据中提取隐藏规律的能力,而遗传算法与粒子群优化算法具有全局搜索的优点,因此可使所求问题以较大概率收敛到全局最优解或次优解。实验结果表明,该模型具有较高的检测率和较低的误检率,能够较好地实现对网络安全状态进行分析的目的。 相似文献
8.
9.
林博艺 《赤峰学院学报(自然科学版)》2012,(20):15-19
针对基本PSO算法在全局优化中收敛精度低和易陷入局部极值的不足,提出一种基于混沌思想的多步搜索的新型的粒子群优化算法（CMPSO）。该算法先引入混沌思想对粒子种群进行位置初始化,然后再引入多步搜索,最后引入概率条件的选择性重新初始化。通过与其它三个改进算法比较,结果表明CMPSO算法的有效性。 相似文献
10.
标准粒子群算法主要用于优化连续性,而对粒子群算法求解非线性整数规划,算法的粒子位置必须解决取整问题。基此,文章提出一种粒子位置最终取整的方法,以改进粒子群算法解决整数规划的具体过程。基准函数的仿真结果表明,改进后的取整方法的搜索成功率优于直接取整和随机取整,综合搜索效率更佳。 相似文献
11.
针对滚动轴承故障分类准确率低的问题,提出一种利用遗传算法结合粒子群算法优化支持向量机分类器的故障诊断方法。实验通过提取滚动轴承不同故障状态下的振动信号,以转化成时域和频域组成的特征集为特征向量,利用粒子群生成二维粒子,即惩罚因子C、核函数参数G,并喂入支持向量机进行训练和交叉验证,取最优适应度对应的粒子,进而构建遗传粒子群改进支持向量机故障分类模型。实验证明,粒子群改进的支持向量机与遗传算法改进的支持向量机相比,该算法模型在滚动轴承故障分类中对时域、频域、时频域3个特征集的正确率均有明显改进。 相似文献
12.
太阳能电动汽车的复合能源系统优化匹配问题可以看成一个多目标优化问题,两个相互冲突的目标是极大化系统的峰值功率满足率和极小化系统的成本,前者关系到系统的可靠性后者涉及到样车能否量产,所以两个优化目标都很重要.本文提出了改进的粒子群算法优化配置太阳能电动汽车复合能源系统,这种改进的粒子群算法引进了遗传算法里的变异算子,并且打破常规算法里的加速因子为常数的惯例而使加速因子随时间改变.优化结果显示：改进的粒子群算法也能够很好地解决复合能源系统的多目标优化问题. 相似文献
13.
针对粒子群算法（PSO）在优化高维多极值问题时容易陷入局部极值的问题,结合分层进化与动态学习策略,提出一种具有动态学习能力的分层进化粒子群优化算法（DHEPSO）。该算法首先根据粒子适应度值将粒子划分为不同层级,对不同层级粒子采取不同的进化策略,避免迭代后期种群多样性快速消失;然后根据粒子所属层级的不同动态调整粒子学习能力,在保证算法收敛精度情况下提高算法收敛速度;最后将算法在4个典型函数进行测试,结果表明DHEPSO与传统粒子群算法相比,除病态函数外均能快速达到全局最优。同时,问题维数提升对算法的全局收敛能力影响较小,证明该算法具有良好的稳定性。 相似文献
14.
序列中的标签SNPs—tagSNPs携带了SNPs数据集的绝大部分遗传信息,因此寻找tagSNPs意义重大。但从SNPs数据集中找出tagSNPs需要耗费巨大的计算量,传统的方法效率低且费用昂贵,对于复杂的集合覆盖问题,现有算法难以得到优化解。鉴于蚁群算法有较强的近优解搜索能力,因此,将改进的罚函数集合覆盖蚁群算法(RCACO)用于tagSNPs搜索。模拟数据集上进行的算法实验结果表明,与近两年的PSO、GA两类算法相比,所提出的算法运行时间较短,且搜索结果精确度更高。 相似文献
15.
SUDHAKARAN M. AJAY-D-VIMALRAJ P. PALANIVELU T.G. 《浙江大学学报(A卷英文版)》2007,8(6):896-903
This paper presents an efficient and reliable genetic algorithm (GA) based particle swarm optimization (PSO) tech- nique (hybrid GAPSO) for solving the economic dispatch (ED) problem in power systems. The non-linear characteristics of the generators, such as prohibited operating zones, ramp rate limits and non-smooth cost functions of the practical generator operation are considered. The proposed hybrid algorithm is demonstrated for three different systems and the performance is compared with the GA and PSO in terms of solution quality and computation efficiency. Comparison of results proved that the proposed algo- rithm can obtain higher quality solutions efficiently in ED problems. A comprehensive software package is developed using MATLAB. 相似文献
16.
讨论了在空间相关MIMO（multiple-input multiple-output）信道中一种新型天线选择算法．先前的天线选择算法只能满足最大容量和最小误码率性能中的一个．而不能同时保证两者性能的最优化．拱出的算法旨在寻求两种性能最优化的一种权衡,性能分析表图：1）针对2×5多天线系统,所提算法比基于妊大化容量算法能用很小的容量损失采获得更优的误码率性能;2）在强相关信道下,天线选择对系统性能有瓤好的提高;3）所提出的算法能满足两种性能最优化的权衡． 相似文献
17.
节点选择机制是P2P网络的研究热点与核心技术,近年来得到广泛的关注.该文将一种改进的粒子群优化算法-具有双重结构编码的二进制粒子群优化算法（DS-BPSO）应用于P2P文件共享系统的邻居节点选择过程.在动态性方面,粒子群优化算法（PSO）与P2P网络具有先天的相似性.每个粒子（节点）通过有向图来编码与其它粒子的连接矩阵,更符合ADSL连接常规.实验结果表明：对于大规模的邻接选择问题,DS-BPSO算法通常会比二进制粒子群优化算法（BPSO）能够查找到更好的邻居节点. 相似文献
18.
李辉 《西安文理学院学报》2011,14(1):84-87
粒子群算法（PSO）在每次迭代过程中,所有粒子都向着最优粒子的方向＂飞行＂,这样的趋同性使得搜索很容易陷入局部最优值.本文仿照现代管理机制提出分层管理粒子群算法（FPSO）,将粒子分为若干组进化,每一组中的最优粒子参照自身极值和整个粒子群的全局极值更新自己的位置,而该组中的其他粒子则参照自身极值和本组中最优粒子的个体极值更新自己的位置,以此增加粒子种群的多样性,解决PSO容易陷入局部最优的缺陷.试验证明：FPSO在收敛速度以及收敛精度方面都比基本粒子群算法有了很大程度的提高,特别对于多极值问题搜索效果非常好. 相似文献
19.
传统欠采样方法在处理不平衡数据问题时只考虑多数类样本的绝对位置而忽略了其相对位置,从而使产生的平衡数据集存在边界模糊问题。提出一种改进 K 均值聚类的不平衡数据欠采样算法（UD-PK）。该算法首先利用改进的 PSO 算法迭代寻找全局最优解作为 K-means 聚类所需初始值,然后通过 K-means 进行聚类,再按照每个类别中多数类与少数类的比例定义所取多数类样本个数,并根据多数类样本与簇心距离择优选择参与平衡数据集构造。在 UCI 数据集上的对比试验表明,该算法在少数类准确率上较一些经典算法有很大提升。 相似文献