一种基于翻转角度的二进制粒子群优化算法

为了提高二进制粒子群优化的收敛速度和收敛效果,提出一种新的改进二进制粒子群优化算法,该算法利用翻转角度作为进化条件,利用局部翻转因子和全局翻转因子来决定粒子群的收敛速度。实验证明,该方法具有更快的收敛速度和更佳收敛值。     

改进布谷鸟搜索算法在无功优化中的应用

为解决电力系统的无功优化问题,对标准布谷鸟搜索算法进行探讨和改进。利用Kent混沌映射产生初始种群,以增加初始解的多样性;自适应改变惯性权重,以提高算法的寻优能力和收敛速度,防止算法陷入局部最优。改进的布谷鸟算法寻优能力强,收敛速度快,能够有效降低系统网损、减少电压偏差和提高电压稳定性。     

基于粒子群算法的成组维修策略

为解决现场作业调度问题以及向维修计划的制定者提供决策支持和信息支持,本文通过综合的考虑生产准备成本和偏离最优执行时间的惩罚成本,并以故障分布形式为威布尔分布的设备为例,建立了成组维修模型的相关关系式,给出了有限期设备成组维修策略的模型,并用粒子群算法进行优化。计算结果显示,粒子群算法能以极快的收敛速度达到全局最优,具有较高的计算速度。用粒子群算法根据成组维修理论进行计算,可以准确的分组及确定维修时间。     

粒子群算法的边界问题研究

粒子群算法是一种实现容易、精度高、收敛快的新型进化算法。该算法在实际应用时会遇到粒子运动超出搜索空间的边界问题。边界问题对算法的效能产生了一定的影响,需要对其加以研究和解决。     

粒子群算法求解物流路径优化问题

为了高效解决物流配送车辆路径优化问题,提出一种粒子群优化算法,根据粒子群较强的寻优能力,扩大了种群多样性和提高算法精度。本文针对此算法进行仿真实验,结果证明该算法寻求的最优解、平均解、以及找到最优解次数和时间均有明显效果。     

基于QPSO聚类算法的图像分割方法

量子粒子群优化算法克服了传统粒子群优化算法中无法保证全局收敛、容易陷入局部最优的缺点,是近年来优化技术领域的一个研究热点。本文结合当前图像分割中常用的K-均值聚类算法中的相关技术,设计了基于QPSO的聚类算法并将其用于图像分割处理问题中。实验结果表明:在图像分割处理中,相对于K-均值聚类算法,QPSO聚类算法不仅不依赖于初始聚类中心的选择,而且还能得到相对于K-均值聚类算法精度更高的聚类中心,其在图像分割中的效果优于通常的K-均值聚类算法。     

基于PSO-BP的语音增强方法研究

针对一些常用语音增强方法的特点和不足,本文提出将改进粒子群优化BP网络算法用于语音增强。仿真结果表明,此种方法可以极大地提升带噪语音信号的信噪比,效果显著。     

短期火电系统的节能减排优化调度

本文针对火力发电过程中产生的环境污染问题,选取节能减排为决策目标,建立火电系统发电目标优化调度模型,寻求满足决策目标的最优调度方案。选取火电系统总发电成本最小、排放污染物最少作为节能减排调度的目标[1],对含有多个火电厂的大区域电力系统进行多目标优化调度。分析粒子群算法在该调度过程中的应用,为以后的研究和计算等工作打下基础。     

基于梯度搜索因子的粒子群改进算法研究

本文对一种基于梯度搜索因子的粒子群改进算法(Grad-PSO算法)进行了研究。为了验证Grad-PSO算法的性能,对典型的测试函数sphere函数使用GA算法、PSO算法和Grad-PSO算法进行函数优化对比仿真实验发现:与基本PSO算法以及GA算法相比,Grad-PSO算法在运算精确度和最终取得的适应度函数值上面都具有很大的优势。     

基于智能优化的OFDM信号峰均比降低算法

高峰均功率比(PAPR)信号是正交频分复用(OFDM)技术实用化的主要障碍,部分传输序列(PTS)算法是解决该问题的有效方法,但是对相位因子的穷举搜索导致计算复杂度极高。针对该问题,将PTS算法转化为全局优化问题,提出基于智能优化方法的解决思路,引入模拟退火优化、粒子群优化等方法搜索最优相位序列,得到具有最小峰均比的信号,显著降低了算法的计算复杂度。     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

基于粒子群算法的多类资源受限项目调度

随着经济全球化导致市场竞争的日趋激烈,现代项目日趋复杂,要求周期更短、质量更高、成本更低。准时完工率更高,要求项目调度计划要考虑成本、质量、周期等综合指标,并具有更高的稳定性、适应性和准确性。资源受限项目调度问题是一类典型的项目调度问题,它属于NP-hard问题的范畴。传统的项目计划与优化调度方法已经无法完全满足现代项目管理的实际需求。因此,在原有的项目计划与优化调度的基础上,引入粒子群算法来更好的优化质量、周期和成本,最终达到最优。本文将粒子群优化算法应用到资源受限调度项目问题求解中,详细介绍了粒子群算法求解资源受限项目调度问题的求解过程。     

蚁群算法模型改进与应用发展

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化系统,该算法具有很强的正反馈能力并融入启发式搜索思想,并且算法后期快速收敛,易于与其他方法结合,目前已经在众多组合优化领域中得到广泛应用。本文结合蚁群算法工作原理,分析其应用现状,针对蚁群算法优缺点,提出蚁群算法改进思路,并简要其应用发展前景。     

基于粒子群算法的海洋平台热介质锅炉PID参数优化

文中采用串级控制作为海洋平台热介质锅炉的控制方案,采用粒子群算法对PID控制器的比例带δ、积分时间Ti进行最优化,从而实现热介质锅炉温度的自动控制。通过粒子群算法进行串级控制系统PID参数优化,提高了控制系统的控制精度、可靠性、稳定性,具有工业应用价值。     

基于粒子群算法的海洋平台热介质锅炉PID参数优化

文中采用串级控制作为海洋平台热介质锅炉的控制方案，采用粒子群算法对PID控制器的比例带啄、积分时间Ti进行最优化，从而实现热介质锅炉温度的自动控制。通过粒子群算法进行串级控制系统PID参数优化，提高了控制系统的控制精度、可靠性、稳定性，具有工业应用价值。     

一种函数优化的新算法

在多变量函数优化问题中,使用遗传算法可能出现优化结果不收敛的问题。针对此问题本文提出了一种新的算法,它模仿的是落体碰撞的过程。此算法全局搜索能力较强,且具有强收敛性,可以解决其他算法在特定算例中出现的不收敛问题。     

人工萤火虫群优化算法的改进与积分应用

本文针对传统积分方法,要求被积函数的有较强性质并且求解精度低的不足,提出了一种基于改进型人工萤火虫群优化算法求数值积分的新方法。该方法首先在积分区间上随机产生积分节点,然后通过改进型人工萤火虫群优化算法优化节点位置,再累积求和,得出数值积分。实验仿真表明,与其他方法相比,具有收敛速度快、精确度高等优点。     

电动汽车有序充电可行性分析

本文介绍了国内外电动汽车的发展状况,建立了不同目标函数的调度策略数学模型,包括模拟退火算法和粒子群优化算法,为实现电动汽车有序充电提供了参考,最后展望了电动汽车的发展。     

基于无功监控精益化系统的浅析与实践

众所周知,电压崩溃事故会造成重大的经济损失,因此,各大电力公司都非常重视建立优化监控系统来解决电压无功监控的问题.本文分析了我国当前电网监控的现状,阐明了无功监控精益化系统的特点,最后提出了基于无功监控精益化系统的实现.     

基于粒子群优化的RBF网络预测GDP

国内生产总值(GDP)是了解经济运行状况,制定经济发展战略,以及各种宏观经济政策的重要依据。准确预测GDP,分析经济发展趋势,对实现经济宏观决策具有实际意义。本文提出一种基于粒子群算法对RBF网络参数优化预测的方法,建立PSO-RBF预测模型,分析和确定相关影响因素,采用回归预测方法。仿真实验表明,经过粒子群优化的RBF模型能较好地反映GDP的发展趋势,PSO-RBF模型预测优于单一的RBF网络的预测结果。