基于PSO-SVM的空气钻井地下水水位预测

为缩短兴隆气田空气钻井周期,降低钻井成本,需对地下水水位进行预测。结合粒子群算法(PSO)和支持向量机(SVM),提出了一种新的空气钻井地下水水位预测模型。结果表明,该模型具有收敛快、预测精度高等特点,在空气钻井地下水位预测中具有一定的工程应用价值。     

基于灰色-ARIMA的金融时间序列智能混合预测研究

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

基于混沌粒子群优化的废弃物处理站选址方法

废弃物处理站选址是工程管理中经常遇到且难以解决的组合优化问题,其目标是在完成城市废弃物中转和处理等任务的同时,尽可能实现成本最小化。首先,给出问题的一般模型;接着,研究用于废弃物处理站选址问题的改进粒子群优化算法,给出粒子编码和适应值计算等关键算子;设计一种自适应混沌变异操作,用以提高算法的全局搜索能力;最后,应用于某市废弃物处理站选址问题中,验证了所提方法的有效性。     

基于TOC和PSO的战时油料紧急调运优化方法

战时油料调运优化决策的目的就是在完成战时油料保障任务的基础上．最优化地发挥现有油料调运力量的能力，同时结合战场环境与作战部队作战任务，求得战时油料调运的最佳方案。     

PSO算法的改进及应用研究

文章为PSO算法提供了一种新机制,使其在陷入局部最优时,以更大概率跳出局部最优位置,进入解空间的其他区域进行搜索,可穴大增强PSO算法的全局搜索能力.     

PSO算法的改进及应用研究

文章为PSO算法提供了一种新机制,使其在陷入局部最优时,以更大概率跳出局部最优位置,进入解空间的其他区域进行搜索,可大大增强PSO算法的全局搜索能力。     

An Exploration of Two Evolutionary Computing for Function Optimization

In this paper, we implement 2 ECs： a particle swarm optimizer（ PSO）, a Society of Hill-climbers （SoHC）. Each EC is implemented to evolve a solution with a fitness above a threshold for F7 function. We use the same parameter sets to compare the performances of the two ECs, according to their success rates, average function evaluation times and average best fitness.     

考虑总量和体积双重约束的时间窗车辆路径问题研究

车辆路径问题是被学者普遍研究的一个问题，也是一个经久不衰的研究课题。文章通过对车辆路径问题的改进，基于多种种类的货物，对考虑货物的不同重量和体积限制的带时间窗的车辆路径问题建立模型，通过粒子群算法求解模型，给出合适的解决方案。     

采用近邻粒子群算法设计非规则曲面微带共形阵

采用近邻粒子群算法设计了一个安装于非规则曲面上的微带共形阵。通过测量安装于非规则曲面上的天线单元的方法，将载体对共形阵的影响计入天线设计中。采用近邻粒子群算法对单元进行了优化，根据优化结果制作了微带共形阵，给出了非规则微带共形阵的驻波曲线和远场方向图。实验结果表明，近邻粒子群算法能够有效地对复杂曲面上安装的共形阵进行设计。     

基于并行粒子群算法的解相关多用户检测

将“联姻”策略应用在粒子群算法中。提出一种并行粒子群算法（PPSO）。该算法可以有效地加强种群之间的联系，保证单个种群中的粒子在进化过程中的多样性，从而可获得更高效的搜索性能。分析了将并行粒子群算法应用于直接扩频CDMA解相关多用户检测的理论依据和实际性能。仿真结果证明该算法能够减小计算的复杂度，在抗多址干扰能力上比传统的匹配接收机和解相关接收机有显著的提高，与解相关接收机的抗远近能力相当，且比基于遗传算法的接收机具有更快的收敛速度。