基于混合粒子群算法的云计算任务调度研究

任务调度是云计算系统可靠运行的关键,云计算环境中要处理的任务量巨大,考虑到云计算任务调度和QoS的优化问题,提出一种混合粒子群优化算法用于云任务调度。算法中引入遗传算法的交叉和变异思想,并结合随迭代次数变化的变异指数,保证种群进化初期具有较高的全局搜索能力,避免出现“早熟”,同时将爬山算法引入粒子群算法,改善局部搜索能力。实验结果显示该算法具有很好的寻优能力,是一种有效的云计算任务调度算法。     

基于粒子群算法的喷洒参数优化算法

针对精确农业中农药喷洒参数的优化,提出了一种基于粒子群算法的喷洒参数优化算法。首先将农田图像分割为二值图像,将图像标记为植被区域和背景区域,然后以描述喷洒效果的数学模型为标准,通过粒子群算法优化喷头的位置和喷洒半径。结果表明,与植被区域中心确定的喷头位置和半径比较,新算法取得了较好的结果。     

基于遗传算法的智能粒子群优化方法

定义了粒子群优化(PSO)的参数空间,把探索性能最优的粒子群算法转化为一个参数优化问题,提出了用遗传算法优选PSO参数组合的一种方法,并给出了具有较好运算性能的PSO形式(参数组合).数值实验表明此设计方法应用效果好.     

粒子群算法及其应用研究

粒子群优化算法(PSO)源于对鸟群捕食系统的模拟,是近年来被广为关注和研究的一种智能优化算法。PSO算法属于进化算法的一种,比遗传算法(GA)更简单易实现,且没有交叉和变异操作,需要设定的参数也不多,收敛速度快。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法等领域。目前PSO的研究主要集中在算法本身和算法的应用研究两个方面。     

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。     

基于粒子群算法的联合站优化

联合站实际运行过程中常存在能耗及运行费用过高的问题,需要对其进行优化。建立了以年最低运行费用为目标的优化函数,并提出采用改进的粒子群算法(Particle Swarm Optimization,PSO)获得最优相关温度、压力及加药浓度等决策变量,从而在一定程度上达到降低联合站运行费用的目的。将该优化方法应用于胜利油田某联合站,并与实际运行费用及标准遗传算法的优化结果进行对比,结果表明:采用该方法对联合站运行参数进行优化,可以提高联合站的能量利用率,从而达到节能降耗的目的,并产生一定的经济效益,对实际生产具有一定的指导意义。     

基于改进粒子群算法的重力坝断面优化研究

【目的】将改进粒子群算法用于重力坝断面的优化计算,为重力坝的优化设计提供支持。【方法】针对传统粒子群算法(PSO)中线性递减的惯性权重极易导致算法陷入局部极值的不足,提出一种改进的粒子群算法(Improved PSO),该算法利用三角函数的相关性质改进惯性权重(w)随时间的动态变化模式,以使惯性权重值在算法的初期保持较大取值,然后逐渐递减而在算法的末期保持较小取值,从而提高粒子群算法的全局搜索能力,增强算法的收敛性能。编制基于改进粒子群算法的重力坝断面优化设计计算程序,对某水利枢纽工程的非溢流重力坝断面进行优化计算分析,并与遗传算法和标准粒子群算法的计算结果进行比较。【结果】采用改进粒子群算法得到的非溢流重力坝的最优断面面积为5 147.3 m~2,而采用标准粒子群算法(SPSO)得到的非溢流重力坝的最优断面面积为5 416.5m~2,前者较后者减小9.45%,极大地提高了经济性;采用改进的粒子群算法得到最优解需要计算15步,而采用标准粒子群算法得到最优解需要计算22步,粒子群算法收敛速度提高了31.8%。通过2种算法计算结果的对比,表明改进的粒子群算法不仅能得到更好的优化结果,而且保持了较快的收敛速度。【结论】改进粒子群算法可以用于大型水利工程结构的优化计算与设计。     

基于粒子群智能的中文文本分类模型比较研究

面对海量、异构、动态的文本信息,对文本进行自动分类具有重要的意义。近年来,逐步发展起来的群集智能理论和方法为文本分类提供了一种新的智能化手段。笔者将群集智能中发展较为成熟的粒子群智能算法尝试性地引入到文本分类领域。构建了文本预处理模型,该模型是文本分类模型的基础。构建了基于PSO的文本分类模型Text PSO-Miner,并在文本集的向量空间矩阵上进行测试和比较。Text PSO-Miner的各项性能指标都优于经典的分类模型(SVM,KNN,NB)和基于ACO的文本分类模型。结果表明:Text PSO-Miner文本分类模型能够更好地应用于文本分类。     

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。     

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。     

基于粒子群算法的珲春市主体功能区划分

为了改进现有划分主体功能区方法中存在的工作量大、带有一定的主观性等弊端,以吉林省珲春市为实证研究对象,采用粒子群算法及Matlab7.0软件运行算法对主体功能区进行划分,验证粒子群算法的可行性及简便性。结果表明,与先前常用的聚类方法相比,该方法能够简单有效地划分功能区,且采用此方法划分出的结果与实际情况更为贴切,具有进一步推广及应用的价值。     

基于粒子群算法的飞行器再入轨迹优化

提出将粒子群优化算法（PSO）应用于飞行器再入轨迹优化。以最小控制能量高超声速飞行器再入轨迹优化为例，对飞行器运动模型进行简化和控制量参数化，粒子群算法采用自适应权值，并充分利用飞行器再入时的运动特性来设置PSO算法初始参数，分析比较仿真步数对结果的影响。仿真结果表明提出方法的有效性和优越性。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

基于改进粒子群算法的烧结配料预测模型

针对烧结配料系统中的非线性、复杂性和相关性,基于BP神经网络建立烧结配料的预测模型,并采用粒子群算法对预测模型参数进行优化。为了克服粒子群算法的局部收敛性,在迭代过程中,根据迭代次数对惯性权重进行动态非线性调整,从而提高算法的搜索能力。仿真结果表明,所提出的改进粒子群算法与传统的粒子群算法比较,收敛速度快、迭代次数少、具有较强的全局寻优能力。     

基于遗传思想的改进粒子群优化算法

传统的粒子群优化算法(Particle Swarm Optimization,PSO)在解决有关离散优化的问题时,容易发生早熟收敛,陷入局部最优等现象,从而得不到最优解。为了克服这种现象,提出了一种基于遗传思想的改进PSO算法:利用繁殖法更好的搜索粒子的空间,经过繁殖后的粒子可以更好的从局部最优逃离,并对经典的测试函数进行了测试。测试结果表明,与传统的PSO算法相比,改进算法的寻优效果较好,不仅能加快收敛速度,而且能找到同样甚至更好的解。     

基于粒子群优化Friele模型木材染色配色算法研究

为提高木材染色计算机智能配色的准确性和实用性,选择水曲柳单板为染色材,基于Friele模型为基础,对模型参数进行循环赋值计算出最优参数值和预测配方,利用粒子群优化Friele模型预测其拟合配方与拟合反射率,并根据基于人眼的CIEDE2000色差评价标准公式计算色差,比较2种方法的预测配方和光谱反射率得出,当模型参数固定时,平均拟合色差为0.820 2,优化模型后,平均拟合色差为0.728 7。基于粒子群优化Friele模型进行参数循环赋值相比较固定模型参数对木材配色效果有显著提高。     

基于改进二进制粒子群算法的苹果多特征提取分级研究

为了提升对苹果分级的准确性,采用改进二进制粒子群算法对苹果多特征进行提取分级研究。首先建立苹果多特征提取量,包括大小、颜色、缺陷、形状特征;然后基于辅助搜索空间的二进制粒子群更新,对粒子位置增加状态翻转因子,根据收敛情况动态地获得单向翻转角度;接着通过Sigmoid函数、高斯函数对苹果多特征进行分级建模,确定了分段函数的参数值;最后给出了苹果分级的算法流程。实验仿真显示,该算法对苹果多特征提取分级的结果较其他算法更准确,且运行时间较少。     

基于改进粒子群算法的主动微波遥感土壤水分反演方法研究

提出了粒子群算法的主被动微波遥感土壤水分反演的新算法。通过对惯性权重和学习因子确定的方法,把最初提出来的典型线性递减策略转变为线性微分递减策略,通过对两者确定方法的更新来探究新的计算方法的可行性。由实验数据计算出草地R~2=0.753 7, RMSE=0.0236 790 4;盐碱地R~2=0.727 2, RMSE=0.0313 73,较经典算法有所提高,表明改进惯性权重和学习因子的方法有效可行,较经典的算法运算速度快、精度高,体现了改进粒子群算法的优势和潜力。     

基于蚁群-粒子群混合算法的水资源优化配置研究

【目的】对区域水资源的合理优化配置进行研究,为区域经济的发展、水资源的合理开发利用和节水型社会的建立提供参考。【方法】建立以经济、社会、生态环境效益为目标函数,各目标加权和为最优解的水资源优化配置模型,采用蚁群-粒子群混合算法对模型进行求解,并对渭北工业区进行水资源优化配置的实例分析,通过原供水量与优化配置水量的比较验证所建立模型的合理性。【结果】经计算,75%保证率下渭北工业区水资源的配置结果为:2015年地表水、地下水、外调水、中水供水量分别为1 747.30,13 244.84,12 905.95和1 060.23万m3;2020年各水源供水量分别为2 019.19,12 214.42,23 530.42和1 798.60万m3;与原始供水量相比,2015年和2020年总供水量分别减少312.73和421.11万m3,表现在农业供水量减少,生活、工业、生态用水均达到供需平衡。【结论】基于蚁群-粒子群混合算法的水资源优化配置结果合理,可作为研究区水资源合理开发利用决策的参考;蚁群-粒子群混合算法收敛速度快,寻优性能优越,可用于水资源优化配置的分析。