排序方式: 共有140条查询结果,搜索用时 406 毫秒
1.
微粒群算法的研究现状及发展趋势 总被引:9,自引:0,他引:9
微粒群优化算法(PSO)是一种进化计算技术(evolutionary computation).算法通过微粒间的相互作用发现复杂搜索空间中的最优区域。其优点是:计算速度快且简单易实现;缺点是容易陷入局部极值点,进化后期收敛速度慢且精度较差.本文对微粒群算法的研究现状进行了部分介绍,并对其研究的发展趋势进行了预测. 相似文献
2.
粒子群优化算法及其应用 总被引:2,自引:0,他引:2
粒子群算法是一种群体优化算法,详细介绍了粒子群算法的基本原理、参数选择及其应用领域. 相似文献
3.
4.
基于改进型BP神经网络的无刷直流电机调速系统的应用研究 总被引:1,自引:0,他引:1
付丽辉 《大庆师范学院学报》2010,30(6)
针对无刷直流电动机的速度问题,提出了一种基于改进型BP神经网络的无刷直流电机调速系统,即利用改进型BP神经网络来优化PID控制器的比例,积分,微分系数。所采用的BP神经网络的学习算法为粒子群算法,可以有效克服标准BP算法一般所存在收敛速度慢、存在局部极小值等问题,从而可以实现对无刷直流电动机的高精度的速度控制。最后,建立了仿真系统,其结果表明该算法效果良好。 相似文献
5.
基于多主体的建模仿真方法,运用particle swarm optimization(PSO)群体智能算法模拟信息交互条件下外部投资者估价变化的学习机制和演化规律,在机制设计的基础上,建立了实现风险投资退出的股权拍卖模型.在Swarm平台上对股权拍卖模型的仿真分析表明,所设计的股权拍卖机制能够显著地提高风险投资家的收益,并能帮助风险投资家预测外部投资者的估价和拍卖参与度的变化.对股权拍卖模型的参数仿真发现,风险投资家可以通过引入更多的外部投资者参与股权拍卖来进一步提高自己的收益;即便外部投资者过度强化单一学习能力,最终也可以得到相对理想的股权拍卖结果.本文的研究可以为风险投资家的策略选择提供参考依据. 相似文献
6.
提出了一种新颖的自适应串行小生境粒子群优化算法(ASNPSO),它使用多个子群能够串行发现多个最优解.在此算法中,使用了山谷函数以决定如何改变当前运行的子群中粒子的适应度函数,算法具有很强的自适应搜索能力.经使用几个标准测试函数证明了ASNPSO算法在没有任何先验知识的情况下能够有效地发现多个最优解. 相似文献
7.
8.
数字生命的概念是托马斯·雷最早在计算机上模拟实验提出的,以此为指导,介绍了复杂适应系统、Agent建模等理论知识,利用Swarm仿真平台构建了两种异类数字生命及共同生存的环境,模拟自然界生命体最基础的繁殖歼灭等生命现象,通过可视化窗口观察生命体个体及群体间的交互行为,得到结果的不可测性和突现性,实现了两种数字生命的Swarm仿真。 相似文献
9.
10.
为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。 相似文献