粒子群优化算法的惯性权值递减策略研究

为了有效地控制粒子群优化算法的全局搜索和局部搜索，基于递减惯性权值的基本思想，在现有的线性递减权值策略的基础上，提出了开口向下抛物线、开口向上抛物线和指数曲线3种非线性的权值递减策略，并采用Sphere、Rosenbrock、Griewank和Rastrigrin这4个标准测试函数测试这些策略对算法的影响．试验结果表明，对于多数连续优化问题，在初始权值和最终权值相同的情况下，凹函数递减策略优于线性策略，而线性策略优于凸函数策略，凹函数递减策略能够在不影响收敛精度的情况下较大幅度地提高粒子群算法的收敛速度．     

蚁群算法在智能交通系统中的应用

蚁群算法是一种可以应用于各个领域的仿生智能优化算法。我们在研究算法时,要根据具体问题去找到相应的解决方法。因各个城市道路都具有其各自的独有特点,必须结合实际情况,选择合适的算法。蚁群算法一经提出,就成为研究的热点,应用于各个领域。蚁群算法不仅具有智能搜索,而且在全局的优化过程中具有较强的鲁棒性和分布式计算的优点。     

一种基于复合惯性权值的粒子群优化算法

在研究神经网络优化的问题上,粒子群优化算法被广泛应用.针对基本粒子群优化算法收敛速度慢和易陷入局部最优等问题,提出了一种改进的粒子群优化算法.该算法除了采用线性惯性权值和进化速度-聚集度动态惯性权值相结合的方式来调整其权值,还将一种新颖的收缩因子引入到算法中.通过对4种典型测试函数进行仿真测试,实验结果表明新算法在收敛速度、收敛精度、改善优化性能上完全优于基本的粒子群优化算法,有效避免了基本群优化算法的缺陷.     

基于惯性权值非线性递减的改进粒子群算法

针对粒子群优化算法中出现的收敛早熟和不收敛的问题,提出了一种基于自然选择和惯性权值非线性递减的改进粒子群算法,在算法迭代过程中,粒子边界速度采用最大速度非线性递减变化策略来限制,惯性权值非线性递减变化用于平衡种群粒子前期全局搜索与后期局部寻优的能力;为使种群在进化过程中保持多样性,在标准粒子群算法中引用二阶振荡策略使种...     

云计算在智能交通系统中的应用研究

作为一种新兴的计算范式和服务模式,云计算具有高扩展性的特点使其成为智能交通系统的实现技术手段。提出一个基于云计算的智能交通系统,并设计了一个低能耗的自适应资源调度器。该系统部署在边缘车联网,通过路侧单元等基础设施与车辆连接。系统利用TCP/IP的连接状态,以最大化整体的通信和计算能效、同时满足应用程序最低传输速率等Qo S需求为目标。采用真实数据流量对系统性能进行评估,实验结果显示该系统具有较高的有效性。     

智能交通系统在海运管理中的应用

智能交通系统(1TS)是当前交通领域研究的热点，更是未来交通发展的方向。本文从海运智能交通(N1TS)的特点出发。以ECDIS为基础。阐述电子海图在海运智能交通中的作用、实现方法以及应用方式。     

无线通信技术在智能交通系统中的应用研究

根据智能交通系统的通信特点及其对通信系统的要求，介绍了现代移动通信公司公网的功能特点，阐述了它们应用于智能交通所能发挥的作用，并对组建智能交通系统的通信专网，在无线通信技术应用方面提出了几点建议。     

GPS在智能交通系统中的应用

介绍了全球卫星定位系统GPS及其在智能交通系统ITS中的应用。着重介绍了集计算机、信息、电子及通讯等众多高新科技手段于一体的智能交通指挥中心控制系统及GPS的各项功能。     

智能单粒子优化算法在聚类分析中的应用

针对K-均值聚类算法存在的缺陷,将改进的粒子群优化算法———智能单粒子优化算法（ISPO）应用到聚类分析当中来,提出一种混合聚类算法ISPO＋K-means.该算法分为两个阶段：第一阶段利用ISPO算法较强的全局寻优能力形成初始聚类,第二阶段将初始聚类结果通过K-means算法形成最终聚类结果输出.与K-均值聚类算法和...     

微粒群算法在智能组卷中的应用

根据教育考试理论与统计学,分析组卷目标要求,建立智能组卷系统的数学模型,提出一种基于微粒群算法的智能组卷算法。通过应用实例分析,实验结果表明所提出新组卷算法的组卷速度快、精度高。     

粒子群优化算法惯量权重控制方法的研究

粒子群优化算法（PSO）是一类随机全局优化技术,算法简单、容易实现而功能强大,目前已成为国际进化计算界研究的热点.粒子群算法的性能受到参数惯量权重ω的影响,大量研究表明,较小的ω具有较好的局部搜索能力,可提高求解精度;较大的ω具有较好的全局搜索能力,在一定程度上可以避免陷入局部最优.很多研究者提出了多种动态调整惯量权重...     

新型的融合优化算法及其在电力系统中的应用

提出了一种新型的融合优化算法,该算法结合了遗传算法(GA)的复制、交叉、变异操作以及粒子群优化算法(PSO)的个体速度和位置更新的原理,并将混沌的概念引入其中,它的性能要优于GA和PSO.在标准测试函数上进行了仿真比较,验证了新型算法的有效性.最后,这种新的融合优化算法被应用到了电力系统最优潮流的计算中,对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法进行比较,结果表明新型的融合优化算法具有更好的优化性能.     

基于混沌思想的粒子群优化算法及其应用

提出一种基于混沌思想的粒子群优化(CPSO)算法,它利用粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点,对原粒子群优化算法进行了改进.在算法的初始化阶段,对粒子的位置混沌初始化;在算法运行过程中,根据群体适应度方差来自适应地对粒子的位置进行混沌更新.对几种典型函数的测试结果表明:CPSO算法提高了对多维空间全局搜索能力,并有效避免早熟收敛现象.应用在作为高频段电容标准的四端对电容器计量中,仿真结果与实测值基本一致,也证明了该算法的有效性和实用性.     

粒子群优化算法在定量结构活性相关性研究中的应用

粒子群优化(PSO)算法是一种新兴的优化技术，该算法简单易实现，可调参数少，已广泛应用于许多研究领域，但PSO在化学中的应用还非常少．介绍了粒子群优化算法和改进的离散粒子群优化算法的基本原理，同时结合作者科研组的工作，将其在化学构效关系研究中的应用给予简述．     

基于模糊本体的智能交通系统知识建模

为有效处理交通知识建模中的模糊与不确定现象,提出包括领域本体与顶层本体的模糊本体模型.在领域本体中引进模糊概念属性值,并将普通的概念关系扩展为模糊关系与直觉模糊关系.顶层本体基于模糊语言变量的形式化表示,考虑了模糊概念间的实质性语义关系:集合关系、序关系与等价关系.以交通事故分析与预测系统为例,建立交通知识本体模型与基于语义的信息检索系统.该模型可有效进行智能交通系统的知识建模,有利于语义Web环境下智能交通的信息管理与知识管理.     

粒子群优化算法及其在水库优化调度中的应用

提出了基于粒子群优化算法求解梯级单目标优化调度问题的一般算法结构,该算法通过计算时段库水位的变化范围,把梯级优化调度问题转化为无约束的优化问题处理,使得算法具有稳定、高效的收敛性能.通过对三峡梯级发电优化调度问题的计算,表明该算法是求解梯级优化调度问题的一种有效的手段.     

一种搜索空间自适应变化的自适应粒子群算法

提出一种搜索空间自适应的自适应粒子群优化算法.该算法对不同等级的粒子适应值采取不同的惯性权重,并随着算法的迭代不断缩小粒子群的搜索空间.同时,选择当前代的较优部分粒子直接进入下一代,其他粒子通过在缩小的搜索空间内随机生成,加快了种群收敛速度,同时又能使种群不断跳出局部最优解.几种典型函数的仿真实验表明,该算法在收敛速度...     

基于改进的AFSA算法对复杂系统的寻优

由于工程中的复杂系统常常具有非线性的特点,因此寻找满足系统要求的最低成本成了复杂系统设计的难点。针对这一问题,文章对常规的人工鱼群算法(artificial fish school algorithm,AFSA)进行了双空间自适应嵌套式的改进,探讨了改进后的AFSA算法在复杂系统寻优中的可行性,并对3个测试的复杂系统进行了分析计算;结果表明,与原算法相比,改进后的算法在提升寻优精确度与收敛速度方面有很好的效果。     

互联网大数据技术在智慧交通发展中的应用

随着互联网大数据技术的发展,各种互联网+交通的新业态不断涌现,行业内出现了大量丰富的数据资源。在交通强国建设背景下,更好地利用互联网大数据技术为智慧交通发展赋能成为重要任务。针对传统信号控制系统优化频率低,数据采集设备完备度差等缺陷,采用网约车轨迹大数据技术研究智慧信号控制优化系统,介绍了系统架构、特征和信号控制优化技术。该系统在济南、武汉和柳州等城市的实践结果表明,在不依赖渠化及路口改造的前提下,仅通过信号控制优化及软件升级的方式,能有效地降低重点路段和路口的工作日早晚高峰平均延误时间和停车次数等关键指标,其降幅可达10%～20%,能够有效缓解交通拥堵现状。