排序方式: 共有140条查询结果,搜索用时 15 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.
结合粒子群优化方法和单纯形法为二层线性规划构造了一个混合粒子群优化算法.算法具有两层结构,其中粒子群算法用以求解上层规划问题,单纯形法用以求解下层规划问题.设计的粒子群在上层决策变量的可行城内搜索最优解,同时通过单纯形法求解下层规划问题得到每个粒子相应的下层规划问题的解.算法通过初始种群可行化,以及步长控制、不可行粒子淘汰等技巧避免了使用罚函数处理约束带来的困难,提高了粒子群优化算法的计算性能.最后,我们给出算法的数值例子并对该算法的计算性能加以分析. 相似文献
5.
6.
7.
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
8.
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
9.
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
10.