基于粒子群算法在六峰驼背函数中的应用

粒子群算法(PSO)是一种新兴的基于群智能的随机优化算法,同其它的进化算法相比,其最具吸引人的特征是简单容易实现和更强的全局优化能力。本文较祥细的介绍了粒子群优化的算法,并详细地介绍了在六峰驼背函数上的应用。     

粒子群算法及其在桁架结构优化设计中的应用研究

本文分析了该算法的主要参数对搜索方向的影响,并对粒子群优化算法在桁架结构优化设计中的应用进行了分析。利用粒子群优化算法与遗传算法分别对两个桁架结构优化设计算例进行求解,将两种算法的计算结果进行了对比,计算结果表明在满足相同的计算精度的前提下,粒子群优化算法的效率更高。因此,基于粒子群算法的结构优化设计是切实可行的。     

自适应粒子群优化算法在混沌系统参数估计中的应用

惯性权重w的变化会影响粒子群优化算法的搜索能力,本文针对基本粒子群算法不能适应复杂的非线性优化搜索过程的问题,在其基础上提出了一种动态改变惯性权的自适应粒子群算法。该自适应算法引入了h来衡量算法的进化速度,引入s来衡量算法的粒子聚集度,并将其作为函数w的变量,使w与算法的运行状态相关,从而使算法具有动态自适应性。最后,本文引入了两个经典的测试函数对该PSO算法进行测试,结果表明该算法明显优于基本PSO算法。     

基于混合粒子群算法的配送车辆复杂路径优化

提出了基于混合粒子群算法(PSO)的配送车辆复杂路径优化方法,描述了混合PSO的原理和流程,并将其运用到物流配送路径优化问题中。实验结果显示,该方法能得到满意的路径优化结果。     

PSO算法在应急选址中的应用

粒子群算法是一种基于群智能方法的进化计算技术。文章介绍粒子群算法的原理,对带有约束条件的PSO进行了研究,并开创性地运用到应急系统选址中。通过实例得到了科学和理想的结论,为应急系统的选址提供了一种有效的方法。     

基于QPSO算法的钢管混凝土构件的优化

钢管混凝土具有承载力高,韧性和塑性好以及施工方便等的优点,近些年在高层建筑中应用广泛。本文采用量子粒子群算法,将其应用到钢管混凝土结构构件的设计优化中,以满足梁柱的各项力学指标为约束条件,经济指标(最小)为目标函数,并与标准PSO算法和改进的GA算法的优化结果进行比较,结果表明在承载力符合设计要求的前提下,量子粒子群算法求得了更小的目标函数值,达到了梁柱构件造价最低的目的。     

粒子群算法惯性算子凹凸性分析

粒子群算法的惯性因子是算法中的一个重要的参数,目前的研究结果表明,惯性因子为减函数时算法的运行效果更为良好。文中提供了四种减函数作为惯性因子可以使用的算子,它们的凹凸性各有不同。对四个算例的数值仿真结果表明,表现最好的是惯性因子先上凸后下凸的PSO,惯性因子为下凸函数的PSO综合表现优于惯性因子为上凸函数的情况。     

粒子群优化算法在Web内容挖掘中的应用与研究

随着计算机技术在各领域的广泛应用,互联网的迅猛发展使得各类信息以指数级增长,本文主要研究粒子群优化算法在Web数据挖掘中的应用,介绍了粒子群优化算法进行Web数据挖掘的基本原理,分析了其特点。简述了粒子群Web数据挖掘优化算法的原理、特点、参数设置与应用等,重点分析了粒子群优化算法中的惯性权值,加速因子的设置对算法基本性能的影响,给出了算法中的经验参数设置。     

粒子群优化算法的改进与应用

粒子群优化算法是今年来快速发展的一种新的进化算法。本文以标准粒子群优化算法的缺陷为出发点，从不同的角度来展现粒子群算法的改进方向和研究进展。讨论其在不同领域内的应用。最后对粒子群优化算法的发展趋势进行了展望。     

基于粒子群算法的汽车扭杆悬架弹簧优化

为提高粒子群算法(Particle Swarm Optimization,PSO)寻优的全局性能,文章在基本粒子群算法中引入混沌理论(Chaos)的Logistic映射,并将改进后的算法运用到汽车扭杆悬架弹簧的优化设计中。数值实验的结果表明,与传统PSO算法相比,改进后的算法具有更强的全局收敛性,与传统设计方法相比,使用本文算法设计出的汽车扭杆弹簧的变形势能要高出1.6%,有效地提高了其避振效果。     

智能优化算法求解车辆路径问题的对比分析

利用智能优化算法解决车辆路径问题(VRP)是组合优化领域的一个研究热点。论文介绍了蚁群算法，粒子群算法和模拟退火算法的算法原理和求解流程，选用了Solomon数据集的三种不同客户规模，通过利用python编制程序对三种智能优化算法的求解性能进行了测试。研究表明粒子群算法对各规模CVRP问题求解的效果均不尽人意；模拟退火算法在中小规模时算法求得最优解能力更好，蚁群算法求解大、中、小规模CVRP问题的综合评价最高。研究结果对于带容积限制的车辆路径问题的算法选择具有一定的参考价值。     

基于粒子群优化算法(PSO)的电力需求预测分析

在电力需求预测领域,本文提出了基于粒子群优化算法(PSO)的组合预测模型,选用灰色GM(1,1)模型和BP神经网络作为单个预测模型,并在BP神经网络中将GDP指标做为输入。同时考虑了GDP对电力需求的影响,最后利用PSO对组合预测模型中的权系数进行优化以得到最优结果。根据真实数据所做对比,本文所提出的PSO算法在预测精度上较单一预测模型相比有了较大幅度的提高。     

三种常见现代优化算法的比较

现代最优化算法比较常见的有遗传算法、蚁群算法、粒子群算法、鱼群算法和模拟退火算法。这些算法主要是解决优化问题中的难解问题。文章主要是对遗传算法、粒子群算法和模拟退火算法三个算法的优化性能进行比较。首先介绍了三个算法的基本思想,以此可以了解三种算法有着自身的特点和优势,而后用这三种算法对典型函数进行计算,并对优化结果比较分析,提出了今后研究的方向。     

基于量子粒子群算法的连杆机构的优化设计

粒子群算法是一种基于鸟群的智能优化方法,量子粒子群算法是对粒子群算法进行改进的算法,运算规则简单,收敛速度快,变量少,易于编程实现。对于多目标、多约束条件的四连杆机构优化设计,本文提出了一种基于量子粒子群算法求解的设计方法。经过仿真实践,能够有效求解,是求解四连杆机构优化问题的一个较好方案。     

基于PSO优化LSSVM在基坑开挖过程中周围建筑物沉降预测研究

本文提出一种用粒子群优化算法来确定LSSVM参数的方法。该方法是在对LSSVM进行分析的基础上,融合PSO的群搜索特征来提高LSSVM预测精度。文章最后采用昆明市某基坑周围建筑物沉降数据对此模型进行了验证,并与其他算法进行了对比分析,计算结果表明用该模型进行沉降预测相比其他算法具有较快的收敛速度和更高的预测精度。     

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法。通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能。另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度。最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例。结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具。     

一种新型量子粒子群算法

本文提出一种基于量子的连续粒子群算法(Quantum Continuous Particle Swarm Optimization-QCPSO),使用量子比特编码粒子,模拟量子粒子坍塌的随机观察方法以生成种群,运用量子旋转门来产生新的种群,引入自适应变异算子保证种群多样性。性能测试表明,对于高维优化问题,本文提出的QCPSO比经典粒子群算法(PSO)和经典量子粒子群算法(AQPSO)具有更高的精度。     

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法.通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能.另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度.最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例.结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具.     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。     

一种改进的粒子群优化算法

粒子群优化算法是由Kennedy和Eberhart[1,2]在1995年提出的一种基于群体智能的随机进化算法,是在鸟群、鱼群和人类社会行为规律的启发下提出来的。针对粒子群优化算法容易陷入局部极小的缺陷,对粒子群优化算法的速度进化公式进行改进,将粒粒子行为基于个体极值和全局极值变化为基于个体极值的加权平均、全局极值和按概率选择其它粒子的个体极值。新算法更符合生物的学习规律,使得粒子充分利用整个种群的信息,保证了群体的多样性。