一种新的TS模型辨识算法

提出一种新的TS模型辨识算法.该算法思想：首先采用MCR算法（Mountain C-Regressionmethod）自动确定聚类数目和初始聚类中心,然后采用改进的GK（Gustafon-Kessl）聚类算法得到最优的划分矩阵,再根据最优划分矩阵计算系统前件参数的最优值,最后用自适应粒子群优化算法（Adaptive Parti-cle Swarm Optimization,APSO）对后件参数进行优化.此辨识算法能够用较少的规则数描述给定的未知系统,并且容易实现.仿真实验表明该算法能够实现非线性系统的辨识,并且可获得相对高的精度.     

群智能在农业生产等方面的应用研究综述

群智能是一种模拟自然界动物觅食筑巢行为的新兴演化计算技术。微粒群算法作为群智能算法的一个分支,在解决农业生产中的大规模组合优化问题方面表现出强大的优势。本文分析了目前应用于电网构建和农田水利灌溉等工程中的微粒群算法,并提出了一些展望。     

群智能在农业生产等方面的应用研究综述

群智能是一种模拟自然界动物觅食筑巢行为的新兴演化计算技术。微粒群算法作为群智能算法的一个分支,在解决农业生产中的大规模组合优化问题方面表现出强大的优势。本文分析了目前应用于电网构建和农田水利灌溉等工程中的微粒群算法,并提出了一些展望。     

基于改进粒子群算法求解马蹄形断面正常水深

为了解决马蹄形断面正常水深无显函数计算方法的现状,通过对明渠恒定均匀流方程进行数学变挟,得到了标准Ⅰ,Ⅱ型马蹄形过水断面正常水深求解的分段非线性约束优化问题．将粒子群算法中的权重函数随着迭代次数和不同粒子与最优粒子之间的距离大小进行调整,用以加速算法的收敛速度和提高粒子的搜索能力,并将调整惯性权重模型的粒子群优化算法运用到马蹄形断面正常水深的求解中．通过实例计算及误差分析表明：分段优化模型在水深特征点连续,且该法能100％收敛到全局最优解,故该方法求解马蹄形断面正常水深适用性强、计算精度高、算法实现简单,为马蹄形过水断面水力计算提供了一条新途径．     

基于混合粒子群算法的数据分类

随着科技的飞速发展,数据分类日益重要。在改进粒子群算法基础上,结合最近邻分类,形成混合粒子群算法,并在分类基准数据集Iris上试验。试验结果表明:所提出的算法在收敛速度、稳定性和可信度上具有一定的优越性。     

基于KPCA和PSO-SVM的木材干燥过程在线优化建模研究

针对木材干燥过程样本数据存在较多噪声的问题,采用核主成分分析方法对木材干燥数据进行预处理,然后利用粒子群优化的支持向量机建立木材干燥系统的在线预测模型,并进行在线预测。仿真研究表明,对数据预处理后,降维训练样本建立的木材干燥模型能够获得很好的预测精度,计算量小,速度快。在线模型能够实时反映系统当前状态,在线优化模型结构并预测系统下一步输出,实现了木材含水率特性变化的动态预测。模型输出误差小、泛化能力强,能够满足实际干燥过程在线预测控制的需要,具有良好的实际应用价值和工业前景。     

基于粒子群算法的综合暴雨强度公式

[目的]简化传统方法,得到直接推求综合暴雨强度公式的方法。[方法]采用粒子群算法优化各重现期统一的综合暴雨强度公式的参数,直接推求综合暴雨强度公式,并通过对芜湖市降雨历时资料建立的综合暴雨强度公式的计算结果与传统方法进行了比较。[结果]采用粒子群算法直接推求的综合暴雨强度公式比传统方法的计算结果精度更高,且推求过程更简便。[结论]说明采用粒子群算法直接推求综合暴雨强度公式是可行的。     

基于三维重构的哈蜜瓜均瓣雕花算法

为解决哈密瓜雕刻速度慢、花瓣大小不一致等问题，该研究提出了一种基于三维重构的哈蜜瓜均瓣雕花算法。对多角度拍摄得到的哈蜜瓜照片进行滤波处理，提取其图像特征并进行稀疏重建，通过点云坐标得出哈蜜瓜的特征参数；接着在稀疏点的基础上利用CMVS/PMVS算法进行稠密重建；最后调节八叉树算法与泊松表面重建，得到哈密瓜精确三维空间坐标。根据哈密瓜体型特征及设定花瓣数量，将点云三角网格化在深度优先算法的基础上结合粒子群算法，规划雕刻起点、终点及雕刻深度，使每个花瓣体积相同。采用48个哈密瓜，雕刻花瓣数取15~30，雕刻深度为1.5、2.0、2.5 cm。其中切割花瓣数为28这一组精度最低，测得最大与最小花瓣体积分别为3.40与3.25 cm3，最大体积差为0.15 cm3，误差小于5.00%。结果表明，该研究提出的基于三维重构的哈蜜瓜均瓣雕花算法精度高，研究结果可为机器人雕刻哈密瓜提供技术支持。     

一种基于双子群的改进粒子群优化算法

针对粒子群优化算法易于陷入局部最优解并存在早熟收敛的问题，提出了一种基于双子群的改进粒子群优化算法（TS IPSO)，通过2组搜索方向相反的主、辅子群之间的相互协同，扩大搜索范围，借鉴遗传算法的杂交机制，并采用惯性权值的非线性递减策略，加快算法的收敛速度和提高粒子的搜索能力，降低了算法陷入局部极值的风险.实验结果表明该算法较标准PSO算法提高了全局搜索能力和收敛速度，改善了优化性能.     

基于改进的粒子群算法优化LSSVM股价预测研究

为了提高股票价格的预测精度,针对股票价格数据的非平稳非线性的特性,本文运用改进的PSO实现LSSVM的核参数和惩罚系数自适应选择,提出一种SAPSO优化LSSVM股价预测模型,并以此进行实证分析。通过基于SAPSO-LSSVM算法的1步、3步、5步和7步预测结果和不同模型的预测时间和预测均方误差的对比结果可知, SAPSO-LSSVM股价预测模型具有预测精度高,预测时间短的优点,同时能够实现预测参数的自适应选择。