首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 578 毫秒

1.  改进的粒子群优化算法(IPSO)及其在桁架设计中的应用  
   任凤鸣  李丽娟《广州大学学报(自然科学版)》,2008年第7卷第3期
   根据土木工程结构优化设计的特点,针对标准粒子群算法(PSO)在求解问题时因粒子多样性不足而易出现早熟、约束不易处理等现象,对标准的粒子群算法进行了改进.应用改进的粒子群算法(IPSO),实现了桁架结构单目标多变量的最优设计.通过与标准的PSO算法和其他优化算法的对比,发现采用IPSO算法具有较好的收敛性能和较高的精度,研究表明该算法实用可行,有望实现对复杂土木工程结构的优化设计,具有重要的理论价值及广阔的工程应用前景.    

2.  基于PSO-ABC的混合算法求解复杂约束优化问题  
   王珂珂  吕强  赵汗青  张蔚《系统工程与电子技术》,2012年第34卷第6期
   为了改善粒子群优化(particle swarm optimization,PSO)算法在处理复杂约束优化问题时的求解效果,提出了一种基于粒子群和人工蜂群的混合优化(particle swarm optimization-artificial bee colony,PSO-ABC)算法。在采用可行性规则进行约束处理的基础上,将PSO种群分为可行子群和不可行子群,并在ABC算法从粒子种群中选择蜜源时,保留部分较优的可行解信息和约束违反程度较低的不可行解信息,弥补了联赛选择算子在处理最优点位于约束边界附近的问题时存在的不足。同时,使用禁忌表存储局部极值,减小了PSO算法陷入局部最优的危险。针对4个标准测试实例的实验结果表明,该算法能够寻得更优的约束最优化解,且稳健性更强。    

3.  一种求解非线性规划问题的混合粒子群优化算法  被引次数:12
   董颖  唐加福  许宝栋  汪定伟《东北大学学报(自然科学版)》,2003年第24卷第12期
   粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的·每一个粒子被随机初始化以表示一个可能的解,并在解空间追随最优的粒子进行搜索·提出一种基于改进的混合粒子群优化算法求解非线性约束规划方法·在介绍PSO算法基本原理的基础上,设计了约束适应度优先排序处理约束条件的方法,并通过动态邻域算子和可变惯性权重进行联合演化以求得全局最优解·对非线性规划例子的实例计算表明,该算法稳定性好,简单容易实现而又功能强大,易于掌握,对于多维非线性、复杂问题的求解具有普遍适用性·    

4.  求解作业车间调度问题的改进飞蛾扑火优化算法  
   耿凯峰  叶春明  王怡《南阳理工学院学报》,2019年第2期
   针对作业车间调度问题,为了克服早熟收敛和容易陷入局部最优等不足,提出一种基于Lévy飞行的改进飞蛾扑火优化模型(LMFO)。首先,采用MFO算法求解作业车间调度问题,并与粒子群算法(PSO)、遗传算法(GA)进行对比研究,证明了MFO算法求解此类问题的有效性;然后,采用改进的随机键编码,引入Lévy飞行对MFO算法进行改进;最后,仿真实验表明,LMFO算法在求解作业车间调度问题时优于MFO、PSO和GA算法,能够跳出局部最优找到更好的解,且具有一定的鲁棒性。    

5.  基于PSO算法的求解热传导反问题的应用研究  
   汪春华《河南科学》,2014年第6期
   给出了一类热传导反问题的数学模型,并采用粒子群优化算法对该热传导反问题进行了相变界面位置的反演求解。在标准PSO的基础上,研究了基于自适应PSO的热传导反问题的参数优化方法,并对粒子群优化算法中粒子数、粒子最大移动速度和加速系数的取值进行了讨论。仿真结果表明:在热传导反问题的优化求解中,PSO算法具有较高的精度和较好的收敛速度。    

6.  基于粒子群算法的多目标车辆调度模型求解  
   丰伟  李雪芹《系统工程》,2007年第25卷第4期
   车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法(PSO)求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.    

7.  粒子群算法的改进及其在求解约束优化问题中的应用  被引次数:9
   刘华蓥  林玉娥  王淑云《吉林大学学报(理学版)》,2005年第43卷第4期
   在用粒子群算法求解约束优化问题时, 处理好约束条件是取得好的优化效果的关键. 通过对约束问题特征和粒子群算法结构的研究, 提出求解约束优化问题一种改进的粒子群算法, 该算法让每个粒子都具有双适应值, 通过双适应值决定粒子优劣, 并提出了自适应保留不可行粒子的策略. 实验证明, 改进的算法是可行的, 且在精度与稳定性上明显优于采用罚函数的粒子群算法和遗传算法等算法.    

8.  粒子群算法在多目标优化中的应用综述  被引次数:3
   薛洪波  伦淑娴《渤海大学学报(自然科学版)》,2009年第30卷第3期
   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。    

9.  多目标非支配邻近免疫粒子群算法  
   刘俊华  高岳林《太原理工大学学报》,2014年第6期
   针对PSO算法求解多目标优化问题时易陷入局部最优解的问题,采用非支配邻近免疫算子来对粒子群的外部档案进行维护和变异操作,有效提高了Pareto解的多样性,从而提出一种多目标非支配邻近免疫粒子群算法(NICPSO)。采用动态加权法选择全局最优粒子,提高全局搜索能力;当粒子群趋于早熟时,采用优势邻域认知的个体极值更新策略;同时将学习因子表示为惯性权重的非线性函数,有效提高算法的统一性。通过ZDT1—ZDT4及ZDT6基准测试函数验证,该算法有效的提高了优化解的收敛性和多样性,与其他多目标进化算法和多目标粒子群优化算法相比,具有较好的性能。    

10.  求解约束优化的模拟退火PSO算法  被引次数:4
   焦巍  刘光斌  张艳红《系统工程与电子技术》,2010年第32卷第7期
   针对有约束最优化问题,提出了基于模拟退火的粒子群优化(particle swarm optimization simulated annealing, PSO SA)算法。该算法利用模拟退火算法以一定概率接受较差点的概率突跳特性,克服粒子群优化算法易陷入局部最优的缺陷。采用可行性原则进行约束处理,并在模拟退火算法产生新粒子的过程中保留最优不可行解的信息,弥补了可行性原则处理最优点位于约束边界附近时存在的不足。4个典型工程优化设计的实验结果表明,该算法能够寻得更优的约束最优化解.    

11.  融合多种策略的改进粒子群算法及其在电子商务多级物流中的应用研究  
   郭海峰  张翠玲《井冈山大学学报(自然科学版)》,2020年第41卷第1期
   为了提高粒子群优化算法(PSO)求解复杂优化问题的能力,本文对基于细菌趋化的粒子群优化算法(PSOBC)进行改进。PSOBC算法是PSO算法的一种新思路,可以有效地克服其易陷入局部最优、后期粒子多样性差的缺点,故将一般反向学习策略和自适应惯性权重与PSOBC算法相结合,得到一种改进的粒子群优化算法。改进的粒子群优化算法的开发能力和勘探能力都得到了很大的提高;在求解复杂性优化问题时种群能够在搜索范围内快速收敛到局部最优处,并且当种群密度足够小时,及时增大种群密度即进行去全局寻优。最后将改进后算法应用到电子商务多级物流中心选址及路径规划问题上。    

12.  一种启发式粒子群优化算法(HPSO)及其在结构优化设计中的应用  
   刘锋  黄志斌  李丽娟  吴青华《应用基础与工程科学学报》,2008年第16卷第1期
   在介绍了标准的粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC)的基础上,指出了两者使用"回飞技术"(fly-back mechanism)方法处理约束条件的不足之处,在基于"和谐搜索"算法(harmony search)产生新解的思想基础上,提出了一种新的启发式粒子群优化算法(HPSO),该算法可以明显提高离子群算法的收敛速度和稳定性.应用PSO、PSOPC及所提出的HPSO三种算法分别对两个桁架结构进行了截面优化设计,并对算法的收敛性和稳定性进行了分析.结果表明,本文提出的启发式粒子群优化算法(HPSO)可以有效地搜索到最优解,并且比PSO和PSOPC两种算法拥有更高的收敛速度和稳定性,尤其在迭代计算的初期,收敛效果非常明显.    

13.  基于粒子群算法的多项目资源均衡方法研究  
   王秋全  ;李向  ;王岭玲《应用科技》,2014年第3期
   针对传统粒子群算法容易陷入局部最优的缺点,提出利用动态惯性权重参数和模拟退火算法修改突变概率,进而改进传统粒子群算法,探讨各项目工期最短情况下的多项目资源均衡分配问题。通过对比试验表明,改进的粒子群优化(particle swarm optimization,PSO)算法很好地实现了多项目的资源均衡优化,通过同比试验验证了改进PSO算法在解决不同规模多项目的资源均衡问题时的算法时间复杂度的线性增长性,很好地表达了人们的调度意图。    

14.  粒子群优化算法综述  
   杨维  李歧强《中国工程科学》,2004年第6卷第5期
   粒子群优化(PSO)算法是一种新兴的优化技术,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好解和整个群的最好解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等,并对其未来的研究提出了一些建议。    

15.  基于PSO算法的结构损伤检测研究  
   熊建辉  万祖勇《武汉科技大学学报(自然科学版)》,2006年第29卷第4期
   结构损伤检测问题常常可转化为数学上的约束优化问题。采用粒子群算法(PSO)求解约束优化问题。可求解结构损伤检测问题。首先介绍基本粒子群算法,然后建立结构损伤检测问题的数学模型,采用悬臂梁单损伤和多损伤的数值仿真研究,验证了粒子群算法求解结构损伤检测问题的可行性,最后针对实际结构振型测试时振型的非完备性,直接利用非完备振型,求解损伤检测问题,数值仿真结果表明,利用非完备振型,仍可得到较好畴检测结果。    

16.  一种新的优化神经网络权值算法及其应用  
   杜世强《西北民族学院学报》,2009年第30卷第4期
   为克服和改进BP算法的不足,文章在分析遗传算法(GA)和粒子群优化(PSO)算法优越性与不足的基础上,提出了一种基于GA和PSO结合的算法——GA-PSO算法,用于训练神经网络权值.算法产生下一代个体时,不仅采用交叉和变异算子,而且在重新定义局部最优粒子的基础上,引入粒子群优化算法,有效地结合了遗传算法的全局收敛性能和粒子群优化算法的局部搜索能力.通过对异或问题和IRIS模式分类问题的学习,仿真结果明显好于单纯地用GA或PSO进行前向神经网络训练,能有效避免早熟收敛的同时,提高搜索精度.    

17.  粒子群优化算法求解非线性问题的应用研究  被引次数:5
   王书亭  王战江《华中科技大学学报(自然科学版)》,2005年第33卷第12期
   引入粒子群优化算法求解非线性方程组,利用粒子群优化算法所具有的群体智能和记忆功能,较快地求解复杂非线性方程组的最优解,克服了牛顿-拉普辛方法求解该类问题时对初值的敏感性以及需要函数求导的困难,同时无需关心方程组的具体形式.将该算法应用于几何约束问题的求解,取得了良好效果.    

18.  基于粒子群算法混合优化的广义预测控制器研究  被引次数:8
   肖本贤  朱志国  刘一福《系统仿真学报》,2007年第19卷第4期
   提出一种基于粒子群算法混合优化的广义预测控制器(generalized predictive control based on particleswarm optimization,简称PSOGPC),将粒子群优化算法(particle swarm optimization,简称PSO)引入到广义预测控制的滚动寻优过程中,有效解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题。并对普通粒子群优化算法进行了改进,提高了优化过程的求解精度和收敛速度。多种约束情况和对电厂锅炉的主汽温控制系统的仿真结果表明了该方法的有效性和优良的控制性能。    

19.  一种基于粒子群算法和育种算法的混合算法  
   张楠  邢志栋  董建民  王辛《西北大学学报(自然科学版)》,2008年第38卷第1期
   目的 求解无约束优化问题.方法 结合粒子群算法收敛速度快而育种算法不易陷入局部最优的特点,设计了一种新的算法.结果 数值试验结果 表明算法对于多峰值函数有很好的优化效果.结论 当群体最优信息停滞时,新算法能够使粒子群算法中的粒子跳出局部最优解,最终求得全局最优解.    

20.  混沌粒子群混合优化算法的研究与应用  被引次数:10
   陈如清  俞金寿《系统仿真学报》,2008年第20卷第3期
   为使粒子群优化算法(PSO)初始粒子均匀分布在解空间,分析了混沌运动的遍历性并根据粒子间欧式距离大小改进了PSO初始种群提取方法。提出了一种混沌粒子群混合优化算法,该算法将优化过程分成两阶段,两分群分别采用PSO算法和混沌优化算法同时进行。对四个高维复杂函数寻优测试表明算法的鲁棒性、收敛速度和精度,全局搜索能力均优于常规PSO。将提出的改进算法用于乙烯收率软测量建模,应用结果表明模型精度较高、泛化性能好。    

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