基于季节SVR-PSO的旅游客流量预测模型研究

准确的旅游客流量预测对旅游风景区有着决定性的意义.受多种原因影响，旅游客流量预测不仅呈现复杂非线性特点，而且显示出典型的季节性趋势，尤其在旅游旺季.文章提出一种季节支持向量回归（seasonal support vector regression，SSVR）和粒子群算法（particle swarm optimization，PSO）结合模型，即SSVR-PSO，实现对旅游客流量的预测.来自国内著名5A级风景区黄山2008-2011年最新月客流量数据仿真结果显示，SSVR-PSO模型预测精度明显高于SVR-PSO、SVR-GA、BPNN、ARIMA等方法，是进行旅游客流量预测的有效工具.     

基于PSO的USQUE在组合导航姿态估计中的应用

针对组合导航姿态估计中无味四元数估计(unscented quaternion estimation, USQUE)的噪声协方差矩阵参数无法准确给出等问题,提出基于粒子群优化的USQUE(USQUE based on particle swarm optimization, PSO-USQUE)算法。通过粒子群算法对噪声协方差矩阵Q和R进行寻优,获取优化的噪声协方差矩阵等滤波先验条件;分别进行仿真实验和微机电惯导系统/GPS车载实验。实验结果表明,对于USQUE的姿态估计问题, PSO-USQUE算法相比常规算法具有更高的精度,验证了所提算法的有效性。     

Solving resource availability cost problem in project scheduling by pseudo particle swarm optimization

This paper considers a project scheduling problem with the objective of minimizing resource availability costs appealed to finish al activities before the deadline. There are finish-start type precedence relations among the activities which require some kinds of renewable resources. We predigest the process of sol-ving the resource availability cost problem （RACP） by using start time of each activity to code the schedule. Then, a novel heuris-tic algorithm is proposed to make the process of looking for the best solution efficiently. And then pseudo particle swarm optimiza-tion （PPSO） combined with PSO and path relinking procedure is presented to solve the RACP. Final y, comparative computational experiments are designed and the computational results show that the proposed method is very effective to solve RACP.     

一种基于PSO思想的改进量子遗传算法

文章提出一种基于PSO思想的改进量子遗传算法.将PSO中的合作机制和记忆功能引入到QGA中,构造种群个体与当前最优解的距离参量,根据每个个体与当前最优解距离大小智能地控制旋转角的大小,使旋转角能够根据个体的进化差异选择不同旋转角的自适应调整进化过程,从而使算法始终保持合适的搜索网格,加快算法收敛,同时也可以保证能够收敛...     

基于二维调度图的双库联合供水调度规则研究

针对双库库群联合供水调度问题,提出了一种基于二维水库调度图的水库群联合供水优化调度方法.二维水库调度图在由表示双库系统中各水库蓄水量的2条坐标轴与时间轴构成的三维坐标系下充分考虑每个水库蓄水量,在此基础上确定水库群的联合供水决策,并采用粒子群优化算法对调度图关键控制点位置进行优化.碧流河、英那河水库群的调度实验表明：二...     

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.     

基于迭代均值组合近似模型和序贯优化与可靠性评估法的船舶结构优化设计

针对传统可靠性优化方法不能同时保证大型船舶结构计算效率与精度的问题,在船舶结构优化设计中考虑设计变量的不确定性,通过迭代均值组合(ER)近似模型和粒子群算法(PSO)提高序贯优化与可靠性评估(SORA)法的计算效率和精度,建立了改进的可靠性优化设计流程并解决了多用途船舱段的可靠性优化问题.其中:SORA法将可靠性分析与优化过程解耦,并提高了可靠性优化效率;PSO保证了SORA法优化所获全局最优解的计算效率;ER近似模型能够以最少的采样点建立满足精度要求的近似模型,并代替最有可能的失效点(MPP)和优化过程中耗时的有限元计算.多用途船舱段的可靠性优化结果表明:可靠性优化相较于确定性优化更有实际意义;改进的可靠性优化设计流程在保证计算精度的同时能够显著降低计算成本.     

采用改进PSO的LU循环分块优化算法

首先研究了LU循环分块算法,然后讨论了传统粒子群优化算法并针对用于循环分块方面的不足加以改进,最后把优化的粒子群优化算法用于LU分解算法之中,从而提出了1个PSO-LU循环分块算法.仿真实验结果表明,和原始基准测试程序相比,所提循环分块算法的性能有所提升,其更充分地提高高速缓存运算效率.     

基于粒子群算法优化LVQ神经网络的应用研究

为了解决LVQ神经网络在应用时对初始权值敏感的问题,基于粒子群算法提出PSO—LVQ算法。PSO—LVQ算法利用PSO为LVQ神经网络寻找最适应的初始权值。算法的适应度函数定义为初始权值和输入样本集的平均聚集距离与最大聚集距离的变化率。该定义将输入样本集的数据分布特征作为PSO优化LVQ初始权值的依据。利用PSO-LVQ算法对乳腺癌进行诊断实验,并与其它相关算法进行比较。研究结果表明：PSO—LVQ神经网络算法在收敛性和分类准确率上都有改善和提升,乳腺癌诊断平均准确率可达95．94203％,最高可达100％,适用于乳腺癌的辅助诊断。     

基于粒子群的大量信息模糊检索

为了改善随着信息量增加信息检索效率急剧降低的情况,将改进的粒子群优化算法引入信息检索中,通过粒子群算法迭代检索,使关键检索字在大量信息点上模糊匹配,在迭代终止时检索出匹配度最高的信息项。对100万到2亿条信息量的信息进行检索实验,检索时间1．7s左右,匹配度高于97％。该方法检索速度快、稳定、匹配度高且鲁棒性强。