基于改进二阶振荡粒子群优化的 置信规则库推理方法

现有基于置信规则库(belief rule base, BRB)的推理方法的精度和效率受到系统参数设置以及规则库结构复杂度的影响为了寻找到最佳的参数值和最优的规则库结构，本文基于粒子群(particle swarm optimization, PSO)算法进行改进拓展，进而提出一种新的置信规则推理方法针对粒子群算法易早熟收敛和陷入局部最优解等问题，引入二阶振荡环节和自适应随机惯性权重来改进算法，并采用互不相同的参数取值来调节粒子群算法的全局和局部搜索能力在实验分析中，将该文方法应用于多极值函数拟合和输油管道检漏问题仿真实验，以收敛误差、收敛时间作为衡量指标，与其他传统方法进行了对比.实验结果表明，该文方法具有更好的推理效率和精度     

面向数字电路测试生成的智能方法研究

提出一种蚁群算法和粒子群算法相结合的方法(ACA-PSO),将该算法引入数字电路测试生成当中。为了有效提高故障覆盖率和缩小测试生成时间,首先将蚁群算法的信息素更新机制进行改进,使其免于陷入局部最优,提高了故障的覆盖率,其次又对粒子群算法的参数进行了改进,使其具有较好的收敛性,得到较短的测试时间,该算法采用数字电路固定型故障模型来验证。将两种算法结合取长补短,实验结果表明,测试时间和故障覆盖率都得到了提高。     

基于云计算的分布式数据协同处理机制研究

基于云计算的数据管理与存储,其特点主要有动态、分布式、异构等,对数据处理系统的研发带来了一定的困难.针对此问题,从协同计算模型的分析入手,提出一种分布式数据协同处理机制,主要研究了数据协同管理以及任务协同调度,并以实际案例进行论证.结果表明：基于云计算的分布式数据协同处理机制有效提升了并行数据的处理能力,是一种可行的云计算数据处理的思路与方法.     

云计算环境下改进PSO的化工设备故障诊断算法

针对传统化工过程诊断方法计算能力较低、诊断精度较差的问题,提出一种基于云计算和简化粒子群算法的新型诊断方法:利用云计算技术充分调度高性能计算资源,完成大量化工过程变量的远程存储与计算;利用简化粒子群算法完成化工过程故障的精确诊断.实验结果表明,提出的方法不仅可以提升故障诊断精度和速度,而且可以有效解决大规模数据的快速处理.     

基于改进PSO算法的四旋翼飞行器飞控系统PID参数整定

针对四旋翼飞行器飞控系统中存在PID控制器参数难以整定的问题,提出一种改进的粒子群算法,应用于PID参数的整定优化中.为了让粒子群在算法早期拥有较强的全局搜索能力,在算法后期拥有较强的局部开发能力和较快的收敛速度,该改进算法采用了一种可使惯性权重非线性下降的调整策略;同时,算法融合了遗传算子,进一步加快了收敛速度,避免算法陷入局部最优.将该算法应用于PID控制器的参数优化,以实数编码的形式直接生成与PID参数组对应的粒子群,并把控制系统的误差性能指标作为评价粒子群的适应度函数.通过与标准粒子群算法与手动调参的阶跃响应对比分析,发现改进算法其阶跃响应曲线超调量更小,调节时间更短,响应速度更快,动态性能更优.提出的改进算法能对四旋翼飞行器飞控系统中的PID参数进行较好的优化,实现更好的控制效果,使得飞行器在飞行过程中更加平稳.     

基于改进群搜索优化算法的云计算任务调度方案

针对云计算中的任务调度问题,提出一种基于改进群搜索优化(IGSO)算法的任务调度方案.首先,为了解决传统GSO算法的收敛速度较慢,不能很好地应用在云任务实时调度的问题,在搜索者和游荡者的位置更新中融入了粒子群算法中的粒子位置更新策略,提出一种快速收敛的改进GSO算法.然后,将任务调度问题进行编码,以任务执行时间为适应度函数,通过提出的IGSO算法寻找最优调度方案.仿真结果表明,该方案能够快速且合理地调度任务,具有可行性和有效性.     

基于改进粒子群优化算法的PID控制器参数优化

PID参数优化是控制领域的热点,其控制效果与比例、积分、微分参数有直接关系.为了改善系统性能,提出用一种改进的粒子群优化算法对PID控制器参数进行优化.该算法引入进化速度因子和聚集度因子对权值进行改进,进而改进了速度更新公式,并引入飞行时间因子以改进位置更新公式.通过3种典型函数证明了该算法的优越性,加快了收敛速度,提高了寻优效率.以典型二阶被控模型为研究对象,将上述算法与其他粒子群算法进行对比,表明改进的粒子群算法得到的PID参数具有更好的控制性能.     

基于粒子群算法的珩磨加工参数优化研究

粒子群算法具有计算简单,收敛速度快和良好的全局与局部收敛能力等特点.通过对珩磨加工工艺参数的分析,构建了基于粒子群算法的珩磨加工参数智能选择模型,在理论模型的基础上通过实验数据对模型参数进行了优化.研究证明该方法用于珩磨加工工艺参数的选择具有可靠性高、选择操作简单、实用性强等优点.     

多群落粒子群优化供应链数据中心任务调度

要：针对数据中心规模和任务需求不断增加带来的服务效率降低等问题，提出了一种负载均衡多群落粒子群优化任务调度方法。通过改进的适应度函数对任务的最大完工时间和各机器完工时间方差进行组合优化以提升集群的负载均衡性；利用新的自适应惯性权重函数改进粒子搜索效率，提升算法收敛速率；采取新的粒子初始化方法提高初始解的质量和多样性，并利用多群落粒子协同搜索使得最终结果更加接近最优解。在阿里巴巴数据中心的公开数据集上对算法性能进行了验证和对比，实验结果表明，该方法能够提高数据中心在多样化供应链环境下的任务调度效率。     

基于SIR粒子滤波和局部搜索算法的运动目标跟踪方案

针对视频处理中的显著运动目标跟踪问题,提出一种基于序列重要性重采样(SIR)粒子滤波和局部搜索算法的运动目标跟踪方案.首先,对视频序列进行SIR粒子滤波,获得粒子的似然分布,并对粒子进行加权;然后,构建粒子的动态模型和观测模型;最后,当检测到目标运动时,根据每个时间步上观测似然的反馈信息,利用局部搜索算法自适应更新粒子的动态模型,从而实现目标的动态跟踪.实验结果表明,该方案能够有效地跟踪运动目标,且对目标背景、大小、遮挡和光照等因素具有鲁棒性.     

基于PSO优化泛模型的非线性系统控制

针对一类非线性离散时间动态系统,提出了基于改进泛模型的非线性控制方法。该方法首先将非线性系统动态线性化为带误差修正的改进泛模型,对其中的时变特征参量建立AR模型进行预报,然后在改进泛模型的基础之上,根据二次型性能指标设计最优控制律,控制律中的未知参数即为AR模型中的参数以及泛模型中的误差修正系数,将其作为粒子向量,采用粒子群优化(PSO)算法进行优化。经过优化后的控制律作用于该非线性对象,可以收到良好的控制效果。该方法的优势在于简单而且易于实现。仿真结果表明了算法的有效性。     

基于改进型离散粒子群优化的云计算资源分配方案

针对云计算中资源有效分配的问题,提出一种基于改进型离散粒子群优化(IDPSO)算法的云资源分配方案.首先,将传统PSO算法中的运算进行离散化,使其能够应用于资源分配问题.然后,对传统PSO粒子位置更新公式中的惯性权重进行改进,根据当前粒子位置、局部最佳和全局最佳位置的适应度来确定这些权重系数,以此加快粒子的收敛速度.最后,将资源分配方案编码为一个二维粒子,利用IDPSO算法求解最优解.实验结果表明,该方案能够有效降低资源浪费率,具有可行性和有效性.     

雷达威胁环境下的多无人机协同航迹规划

针对雷达威胁环境下的多无人机协同航迹规划问题,提出一种基于Voronoi图与蚁群算法结合的智能规划方法. 根据雷达威胁分布建立赋权Voronoi 图,将连续可飞空域离散化为网格点. 通过选取适当的参数放宽蚁群算法的最优性,将每架无人机寻优得到的多组解作为多条备选航迹,建立以协同时间为约束的协同函数,根据协同时间最优决策方法选出每架无人机的最终飞行航迹,进行航迹平滑处理后得到实际可飞航迹. 仿真结果表明,所提出的智能航迹规划方法具有时间协同和整体最优等优点.     

基于区块链智能合约的动态频谱共享

针对集中式动态频谱共享存在的频谱资源数据安全威胁、管理成本高、扩展性低等问题，利用区块链技术的去中心化、数据不可篡改等特性，提出了一个基于区块链智能合约的动态频谱共享方案。首先，利用区块链ERC4907协议设计了频谱券，保证频谱资源的唯一性标识并可租赁；其次，利用区块链预言机来实时更新空闲频谱资源数据，实现频谱数据的上链；再次，通过基于智能合约的拍卖算法以及Vue框架实现在前端页面对空闲频谱资源所对应的频谱券租赁期限的拍卖。实验结果表明，提出的基于区块链智能合约技术的动态频谱共享方案能够满足用户安全有效地进行动态频谱共享，具有可行性。     

一种基于向量差的粒子群优化模型

针对传统粒子群优化技术存在易陷入局部最优解而导致的收敛速度变慢、多样性差的缺点,对参数设置进行研究,并提出一种基于向量差的粒子群优化模型,将2个随机选择的不同向量差加权到粒子速度更新公式中,能够使粒子摆脱局部最小值而向全局搜索.经对几个典型函数的测试,表明该模型效果较好.     

基于GPS浮动车的路径优化方法研究

由于城市路径具有大规模路网等特点,传统的路径优化算法难以解决具有实际情况的城市交通路网问题.考虑城市实际道路路网信息,结合动态GPS浮动车数据,将实际道路长度和道路拟合成虚拟路径,提出了一种基于粒子群蚁群算法的混合算法.研究表明,混合算法在时间和精度上优于蚁群算法和粒子群算法,在提高高效性和准确性上具有较好的效果,为城市道路优化和城市出行提供可靠依据.     

改进的粒子群算法对无源滤波器参数的优化

针对混合有源滤波器中无源滤波器设计过分依赖经验与无源滤波器优化能力不强的问题,提出改进粒子群优化算法PSO(Particle Swarm Optimization,PSO)进行无源滤波器的多目标参数优化设计.对无源滤波器的成本,无功补偿容量及补偿后滤波效果3个目标全局优化.利用改进的粒子群对其参数进行了优化设计,使种群...     

蚁群算法与粒子群算法的比较研究

群智能是一种新型的基于种群行为对既定目标进行寻优的仿生类进化算法,已经在求解NP问题及很多实际应用领域中展现出其高效的优化性能及巨大的发展潜力。蚁群算法和粒子群算法是群智能的两种典型算法,通过论述这两种算法的基本原理和实现步骤,对两种算法的特点和应用做出分析和比较,并针对两种算法易于与其它优化技术结合的特点,提出了算法混合以提高优化性能,最后并总结了群智能算法的未来研究热点。     

匿名可追溯的区块链数据交易方案

为解决区块链数据交易中用户身份等隐私数据泄露问题,提出一种基于联盟链和群签名的数据资产交易方案。采用联盟链节点准入机制实现注册用户的身份认证,引入可链接群签名技术实现用户交易的匿名性和交易记录的可追溯性,通过智能合约正确执行链上数据公平交换策略。最后对所提出的方案进行理论分析和仿真实验,表明该方案可以实现更加安全高效的去中心化数据交易。     

基于改进萤火虫算法的变电站选址定容研究

在市场环境下，变电站选址规划建设方案的经济性越来越重要针对变电站选址定容规划的经济性与供电可靠性的综合考量问题，该文提出了基于设备全寿命周期成本的变电站选址定容新模型在模型中同时考虑了变电站规划方建设的一次性投资成本、系统的运行及维护成本、故障成本和废弃成本，其中故障成本模型反映了电网公司经济损失与全社会经济损失的综合影响，采用设备故障率曲线来精确描述设备随时间发生故障的概率同时，该文还提出了一种运用参数方差调节的萤火虫优化算法对上述模型进行求解，该算法通过区分萤火虫种群的搜索阶段来提高寻优速度和全局寻优能力在典型规划算例中，通过与等年值法的比较分析，验证了上述模型和方法的正确性和有效性