首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 109 毫秒
1.
粒子群算法在求解优化问题中的应用   总被引:15,自引:2,他引:15  
粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.  相似文献   

2.
粒子群算法在多目标优化中的应用综述   总被引:5,自引:0,他引:5  
粒子群优化算法是一种基于群体智能的全局随机寻优算法。它通过粒子搜寻自身的个体最优解和粒子群体的全局最优解来完成更新优化。粒子群算法在很多领域得到了广泛的应用。本文主要论述了多目标PSO约束优化的基本思想、实现情况,并展望了PSO算法在多目标优化中的未来发展方向。  相似文献   

3.
为提高求解几何约束问题的效率和收敛性,将几何约束问题等价为求解非线性方程组问题。并将约束问题转化为一个优化问题,采用基于混洗蛙跳(SFLA:Shuffled Frog Leaping Algorithm)和粒子群优化(PSO:Particle Swarm Optimization)算法求解该问题。SFLA-PSO算法采用将SFLA和PSO二者相结合的方法,利用PSO算法进行族群局部搜索,利用SFLA的多种群的进化方法进行族群的混选,相互取长补短,以达到收敛速度快和全局搜索的目的。实验表明,该方法可以提高几何约束求解的效率和收敛性。  相似文献   

4.
基于改进PSO算法的电力系统机组优化组合   总被引:1,自引:0,他引:1  
机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难.粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域.采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快.方法的可行性在10台机组系统中检验.模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点.  相似文献   

5.
粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.  相似文献   

6.
粒子群优化算法研究进展   总被引:1,自引:0,他引:1  
粒子群优化(PSO)算法是一种源于人工生命和演化计算理论的新兴优化技术.其基本思想为:每个粒子被随机的初始化以表示一个可能的解,并在解空间通过更新迭代搜索最优解.PSO的优势在于算法简单,对目标函数要求少,易于实现而又功能强大.目前,已受到演化计算领域的学者们的广泛关注,并提出了许多改进的算法.本文阐述基本粒子群的原理,给出了各种改进的算法,并展望了PSO的发展方向.  相似文献   

7.
针对传统非线性盲源分离(NBSS)算法容易陷入局部最优解从而导致分解精度较低的问题,提出一种基于改进粒子群优化(PSO)的NBSS算法。该方法利用多层感知机(MLP)拟合非线性混合的逆过程,并将分离信号的互信息最小作为优化目标(PSO的适应度),从而实现MLP中参数的优化。然而,标准PSO算法存在粒子早熟从而使待优化问题陷入局部最优解,针对这一问题,对适应度低的一部分粒子进行依概率的杂交和变异,使粒子群体在整个迭代过程中保持多样性,从而有效解决标准PSO算法的粒子早熟问题。仿真和试验结果表明,相比于线性盲源分离算法和基于标准PSO的NBSS算法,提出的算法可以从非线性混合机械信息中提取纯净的独立源信息,并且提高了非线性混合源的分离精度,为机械系统的监测诊断和振动噪声溯源提供科学依据和关键技术。  相似文献   

8.
为提高带约束类问题的PSO求解质量,将等式约束通过约减策略转化成不等式约束,约减了设计变量个数,降低了粒子的维度;同时将不等式约束事先放在子程序内,在使用PSO寻优计算适应度函数前,排除不在解空间内的解,降低了寻优计算量.利用优化过程中其他粒子的优化信息调整PSO算法的惯性权重,给出了约束类问题的带权PSO优化步骤.采用这种带权的PSO算法以及传统的PSO算法,分别对等式约束处理、不等式约束处理以及两者均处理的3种方案同时优化2个典型实例,对实例求解的最优值、平均值、标准差以及平均优化时间进行对比,结果显示:这种带权PSO算法对约束条件同时处理的方法既能提高解的精度,又能提高优化的求解效率.  相似文献   

9.
当前对于粒子群优化算法(简称基本PSO)的改进主要从控制参数与数学模型入手,但这可能导致会陷入局部最小值。针对这个问题,本文提出一种基于频域滤波模型的PSO算法(简称FPSO)。FPSO是对粒子种群多样性进行定量分析,当粒子集中度低于设定阈值时,以当前最优粒子为中心,在一定半径范围内进行傅里叶变换,通过预设的低通滤波器,削弱当前找到的最优值;然后对当前粒子群施加以最优粒子为势能中心的辐射力,所有粒子在滤波范围外部的空间以较大的速度继续搜索。结果分析表明:基于频域滤波模型的PSO算法提升了种群多样性,有效的提高了全局搜索能力,在求解多峰函数问题的解的精度上优于带电PSO算法与变异PSO算法。  相似文献   

10.
一种改进PSO算法的电力系统无功优化方法   总被引:1,自引:0,他引:1  
粒子群优化(PSO)算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化.该算法简单易实现,可调参数少,已得到广泛研究和应用.本文将粒子群优化算法应用到电力系统无功优化问题的研究中,给出了具体的实施流程.为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第3种极值指导粒子搜索方向.对IEEE-6节点系统的仿真计算结果表明了算法的有效性.  相似文献   

11.
桁架结构受力简单,内力只有轴力,刚架结构的受力、内力情况则相对要复杂得多,故传统平面结构优化的研究多是对桁架结构的研究,针对刚架结构或刚架与桁架的组合结构研究甚少.然而,现实工程中的结构多是刚架或组合结构,仅仅对桁架结构进行优化研究远远不能满足现实工程的需要.粒子群优化算法(PSO)是近些年发展起来的一种基于群智能的演化运算技术,概念简单、易于实现,且具有良好的智能背景.本文基于粒子群优化算法对平面刚架及平面组合结构的有应力约束和位移约束的尺寸优化问题进行了研究,并将所得优化结果与改进的可行域算法(MMFD)、序列线性算法(SLP)、序列二次规划(SQP)等传统优化算法的结果进行比较.结果表明粒子群优化算法具有良好的全局收敛性与稳定性,能够更好地解决平面刚架及平面组合结构的优化问题.  相似文献   

12.
为解决混合(等式和不等式)约束的多峰优化问题(MOPs),本文在粒子群算法框架下提出了粒子优度比较准则和局部协同与共轭进退寻优两种迭代进化策略.优度比较准则在适应度和约束违反度的双重限制下指导粒子高效地执行进化策略,局部协同策略可使粒子能通过局部抱团收敛到多个全局最优解,而共轭进退寻优策略则提升了寻优的速度和精度.基于优度比较准则与两种进化策略的有效结合,本文设计了一个协同共轭进退粒子群(CCARPSO)算法,以充分融合粒子群算法的全局搜索能力和共轭进退法的局部快速寻优能力.数值仿真表明,该算法能有效解决复杂约束MOPs和非线性方程组的多根问题,在广义Logistic分布的参数估计中有全局优化能力和较高的计算精度.  相似文献   

13.
在一种非线性金融风险模型中引入粒子群算法,针对粒子群算法在迭代后期搜索能力不高、粒子容易陷 入局部最优的问题,基于对惯性权重的优化以及对每个粒子个体位置变异,提出一种改进后的粒子群算法。 利用粒子群算法选择最优控制参数,以最大程度降低金融系统的总风险值。仿真结果表明,改进后的粒子群算 法在全局最优以及搜索速度方面优于传统的粒子群算法。  相似文献   

14.
改进的粒子群算法及在结构优化中的应用   总被引:1,自引:1,他引:1  
粒子群算法(PSO)是一种有效的演化算法。将免疫算法中浓度的概念引入粒子群算法中,提出了一种基于浓度概念的竞争排挤粒子群算法;并提出了基于样本方差的种群多样性指标,用以定量的描述种群多样性。这种改进的粒子群算法增加了粒子群的种群多样性,提高了算法的全局搜索能力。最后将本文的算法应用于梁结构和桁架结构优化设计,验证了算法的有效性。  相似文献   

15.
 为了改善标准的微粒群优化算法(SPSO)的性能,给出一个新的速度更新策略——局部收缩策略,且把信赖域技术引入PSO算法中进行惯性权重的动态调整,提出一个新的微粒群优化算法——基于信赖域技术的局部收缩的微粒群算法.新算法(NPSO)保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.利用10个测试函数测试新算法的性能,并分别与SPSO、与混沌相结合的微粒群算法(PSOC)、具有被动聚集的微粒群算法(PSOPC)、SPSO的全局版本及带有收缩因子的微粒群算法(CPSO)比较,实验结果表明,新算法(NPSO)大大地改善了实例测试函数的表现.  相似文献   

16.
本文提出了一种求解多目标规划问题的精英粒子群算法.该算法利用精英策略存储每一代Pareto最优解,同时提出了一种最优粒子的选取策略用以克服粒子陷入局部最优的缺点.最后,通过数值实验验证算法的可行性和有效性.  相似文献   

17.
微粒群优化算法(PSO)是一种有效的随机全局优化技术.文章针对利用微粒群优化算法进行多极值点的函数优化时,存在陷入局部极小点和搜索效率低的问题,把信籁域搜索技术引入到PSO算法中,提出了基于信籁域搜索的微粒群优化算法(TRPSO).该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,该算法的性能优于混沌微粒群优化算法(CPSO)和基本微粒群优化算法(PSO).  相似文献   

18.
量子粒子群优化算法(QPSO)是一种基于粒子群优化算法(PSO)的进化算法,它收敛速度快、规则简单、易于编程实现;Matlab是国际控制界公认的标准计算软件。采用QPSO对资金组合投资的多目标问题进行优化,使用Matlab编程,解决了传统方法难以解决的问题,仿真实验表明采用本方法能对资金投资组合问题提出较好的优化决策。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号