基于PSO算法的蓄电池充电研究

为改善充电控制系统的性能,引入PSO算法嵌套模型得出优化后PI控制器参数,利用Simulink建立起控制系统与主电路模型,并在该模型中引入传统PI参数和PSO算法优化后的PI参数,然后充电启动并进行负载仿真试验,以此来充分分析充电时的蓄电池各项性能指标.试验表明:使用PSO算法优化的PI控制器后,蓄电池在启动过程和负载...     

基于PSO算法的求解热传导反问题的应用研究

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.     

基于PSO算法的软件测试技术研究

测试数据集的全面性和覆盖完整性,对于软件测试的效果具有重要意义.该文在PSO(粒子群算法)的基础上进行了三重改进:(1)设计了具有线性特征的惯性权重系数和2个学习因子;(2)重新设计了粒子聚类密度的判别参数;(3)对PSO算法的适应度函数进行了修正.实验结果表明,用该文设计的PSO算法生成软件测试数据集合,不仅迭代收敛速度快,而且数据集的覆盖率高.     

数据挖掘在金融欺诈检测中的应用

金融欺诈行为近年来造成的损失是巨大的,如何能快速、有效、准确的识别金融欺诈行为成为人们普遍关注的问题。本文从金融欺诈的概念出发,分析了金融欺诈的行为特征,进而提出了应用数据挖掘技术进行欺诈检测,并给出了金融欺诈检测的基本流程,为金融欺诈检测工作提供了参考。     

基于PSO算法的模型近似的方法研究

针对高阶或多时叠加滞复杂模型,提出了一种基于粒子群算法(particle swarm optimization,PSO)的复杂模型近似方法,讨论了PSO算法在模型近似中初始值设定问题。仿真研究表明,针对高阶或多时滞复杂模型,与传统模型近似算法相比,该方法得到的低阶近似模型能在时域和频域范围内能更好的反应系统的动力学特性,得到的近似模型精度更高。     

基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

改进PSO算法在污水处理控制器优选中的应用

针对控制性能指标不兼容难以选择控制器,提出了一种改进的PSO控制算法.构造了基于多性能指标参数的目标函数,研究了基于PSO的改进控制算法,剖析了可快速搜索到收敛于全局最优极值所对应各个控制器控制参数机理,以SBR工艺污水处理系统控制器参数选择为例,建立了DO参数控制模型,设计了改进的PID控制器和多模态HSIC控制器.仿真实验显示:改进的PSO算法有更强的鲁棒性和更好的动静态控制品质.研究结果表明该算法用于污水处理系统控制器参数优选的合理性与可用性.     

基于PSO算法的网格任务调度策略

为了合理地协调和分配网格资源,降低网格任务完成时间,有效保持网格资源负载平衡,通过分析网格任务调度的关键问题和PSO算法的优化原理,建立了网格任务调度的元任务模型和性能指标的数学模型,确定了粒子编码和解码方式,提出了一种基于局部模型PSO算法的网格任务调度策略,并在PSO算法处理粒子边界问题时,采用了"圆桌运动"的新方法。仿真实验结果表明,算法可行有效,并且改善了PSO算法易陷入局部最优的问题。     

基于改进PSO算法的分布式能源供应链配置研究

传统能源储备量不足导致的能源危机使得分布式能源在能源网中占比越来越高,高效而环保的分布式能源供应链为能源互联网+智慧能源奠定了基础,为解决分布式能源供应链供给侧各分布式模块配置问题,以分布式能源供应链中各分布式模块的经济性问题和环保性问题为目标函数建立相关模型,分析了分布式风能、分布式太阳能和分布式天然气模块,研究分布...     

基于k-均值的自适应PSO优化算法

提出了一种新的基于k-均值聚类的自适应PSO优化算法（KCMPSO）．首先通过k-均值聚类方法把粒子群分成若干个子群体,从而在迭代过程中每个粒子根据其个体极值和所在子群体中的最好个体更新自己的位置和速度,其次引入自适应变异算子,有效地增强了粒子群之间信息交换和PSO算法跳出局部最优解的能力．几个典型函数的测试结果表明,该算法是非常有效的．     

基于PSO和加权FCM的图像分割算法

结合PSO算法和加权FCM算法(WFCM)的优势,提出一种新的图像分割算法--基于PSO和加权FCM的图像分割算法(PWF).算法通过PSO进行全局寻优,克服了单纯FCM算法的对初始值敏感及对噪声数据敏感,容易陷入局部最优的缺点,能够找到全局最优的模糊划分,实现模糊聚类图像分割.实验利用了加权二维直方图的WFCM算法,考虑像素间的空间信息,改善了图像分割效果.     

一种DEA-PSO混合算法及其在丙烯腈收率软测量中的应用

提出了一种DEA与PSO相结合的混合算法,即用DEA算法对PSO中适应值较差的粒子群进行重组和优化。将此混合算法与PSO算法同时用于一些常见测试函数的优化问题,通过对比表明:与PSO算法相比,DEA-PSO混合算法的优化效果更佳。用DEA-PSO混合算法训练神经网络,并将其用于丙烯腈收率软测量建模,结果显示了该混合算法在丙烯腈软测量建模中的可行性与有效性。     

基于粒子群算法的自适应滤波器研究及应用

针对神经网络自适应滤波器易于陷入局部极小的缺陷,采用抑制局部最优的粒子群算法优化神经网络的权系数,设计了基于改进粒子群算法训练的三层神经网络的自适应滤波器,并将其应用于自适应噪声抵消器.仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声抵消能力,信噪比大大提高.     

粒子群算法的改进及其在文本分类上的应用

本文首先从加强全局搜索能力、提高种群多样性的角度对经典粒子群算法提出二点改进方案，并将改进后的粒子群算法用来作为训练文本分类的分类算法，实现了文本资源的自动分类．     

基于PSO的结构损伤检测应用研究

建筑结构损伤前后固有频率的变化包含了结构损伤位置和程度的信息,在此理论基础上,构造了BP神经网络的输入参数.针对BP梯度下降算法导致的收敛速度慢和易陷入局部最小的缺点,引入粒子群演化(PSO)算法来优化神经网络各层间的连接权值.首先通过有限元法提取结构固有频率的变化,结合PSO对神经网络进行训练,然后分别对结构的损伤位置和损伤程度进行识别.计算分析结果表明,PSO的引入,相较于单纯的BP算法,该方法在结构损伤检测中取得更优的识别效果.     

国际贸易中信用证欺诈风险与防范

由于信用证属于银行信用,在一定程度上解决了进出口商之间互不信任的矛盾,因此信用证支付方式发展很快,在国际贸易中得到广泛应用。但从信用证本身的原理看,银行在信用证结算中只对单证作表面审查,不问货物,不管合同,给一些不法商人提供了欺诈的机会。为了防止欺诈行为产生,进出口商和银行可采取严格审查合同和信用证提防软条款、规范操作,严格审单、加强信用风险管理、正确缮制单据和文件等一系列措施加以防范。     

集资诈骗案件中刑事推定的应用与滥觞

推定为从已知的事实推论未知的事实的方法,而刑事推定基于国家从严打击某种犯罪的刑事政策的考量,更有利于入罪,不致于轻纵犯罪。考察几个相关的司法解释,不难发现＂非法占有目的＂的认定史中体现了刑法边界的历次扩张。主观心态的认定确实需要借助刑事推定方能实现,但是其也应当允许反证,并对推定的基础事实和推定的适用作严格的规定,如此才能实现保护社会与保障人权的平衡。     

基于ACO及PSO的特征选择算法

在属性约简的进化算法中,算法时间存在复杂度高、搜索空间大等不足.为此文中引入最小冗余度的属性重要性后,提出一种基于蚁群优化(ACO)和粒子群优化(PSO)的进化特征选择算法,利用PSO算法的快速简洁等优点得到ACO的初始路径,以此减少迭代次数,加快算法的收敛速度;同时,利用蚂蚁之间的可并行性,采用分布式技术实现蚂蚁之间的并行搜索,改进了算法的效率.理论分析及实验结果表明,文中的算法是有效可行的.     

基于ACO及PSO的特征选择算法

在属性约简的进化算法中，算法时间存在复杂度高、搜索空间大等不足．为此文中引入最小冗余度的属性重要性后，提出一种基于蚁群优化（ACO）和粒子群优化（PSO）的进化特征选择算法，利用PSO算法的快速简洁等优点得到ACO的初始路径，以此减少迭代次数，加快算法的收敛速度；同时，利用蚂蚁之间的可并行性；采用分布式技术实现蚂蚁之间的并行搜索，改进了算法的效率．理论分析及实验结果表明，文中的算法是有效可行的。