粒子群算法在黑盒测试中的应用

提出了一种利用粒子群算法帮助测试人员在较短时间内完成软件模块的黑盒测试,并给出测试结果和好的测试用例的方法。     

改进的粒子群算法在VRP中的应用

运输调度问题在理论和实践方面都是一个难题。粒子群算法是一种可以解决复杂组合优化问题的有效求解算法。提出了改变惯性权重的粒子群算法,并应用该方法用于求解典型的运输调度问题,结果表明,所提出的方法不仅能得到理想的结果,而且减少运算时间。     

基于粒子群算法优化的神经网络在入侵检测中的应用

利用粒子群算法对入侵检测神经网络模型进行优化。仿真结果表明,与BP神经网络和GA神经网络相比较,具有较强的逼近和容错能力、较快的收敛速度和较好的检测效果。     

改进的粒子群优化算法在环境规划与管理中的应用

本文以固体废物处理场规划问题为例,探讨了一种改进的粒子群优化算法解决环境规划和管理中约束优化问题的可行性和可靠性。将约束条件分别放到基本粒子群优化算法的主函数和适应度计算函数中来处理,并在目标优化函数上添加惩罚项,将约束优化问题转变成无约束优化问题,从而使基本粒子群优化成功地解决约束优化问题。     

基于改进粒子群算法的卫星数传任务调度

建立了卫星数传任务调度模型,讨论了约束条件和调度目标.设计了一种自适应规模粒子群算法,该算法采用基于星地可视时间窗的十进制编码,各粒子编码表示不同可视时间窗内可分配数传作业的概率.在迭代过程中根据粒子群整体差异度动态调整种群规模,删除部分差异度小的粒子,同时增加新粒子以保证种群多样性.通过实例仿真表明,自适应规模粒子群算法在解决卫星数传任务调度问题中具有调度结果优、收敛速度快等优点,并对算法的控制参数取值进行了分析.     

基于粒子群算法的证券组合投资模型的研究

从证券组合模型的概念,给出证券组合多目标决策模型。并用模糊优选法将证券组合多目标优化转化为单目标优化。同时,重点描述了粒子群算法,并采用自适应变异的粒子群算法对证券组合投资模型进行求解,最后编程实现证券组合模型的最优解,试验结果表明此方法取得了较好的效果。     

基于粒子群算法的低副瓣天线阵列的设计

文中基于粒子群算法,在考虑单元天线之间耦合因素下,通过对一个8元直线阵的辐射单元馈电幅度进行优化,实现了天线方向图的低副瓣性能;天线实验样件的测量结果与仿真结果一致性好,进而说明了该方法是有效的。     

基于粒子群神经网络的股票价格预测研究

粒子群算法是一种基于群智能的全局寻优方法,方法简单易于实现。本文将粒子群算法用于神经网络的训练,提出了一种股票价格预测的新方法,研究表明预测效果良好。     

一种新的基于粒子群密度的聚类算法

提出了一种新的粒子群密度聚类算法和对粒子群的初始化方法。该算法具有传统粒子群算法寻找最优解的特点,同时从密度的角度考虑了数据总体的分布,增强了寻找局部最优解的能力,并通过对粒子群的初始化加快了粒子群的收敛速度,得到了更好的聚类效果。对仿真数据和IRIS真实数据的实验结果证明,该算法聚类效果优于传统粒子群聚类算法和K均值算法。     

基于粒子群优化的数字波束形成算法

波束形成的加权系数求解是一个优化过程,现有算法大多经过多次迭代,计算量大,实现复杂。为降低波束形成算法复杂度,将粒子群优化原理应用于数字波束形成中,提出了基于粒子群优化的自适应数字波束形成算法。该算法将每一组权值作为一个粒子,将阵列加权和的输出信号与干扰噪声比(SINR)作为适应度函数,通过比较各个粒子的适应度值,进行迭代搜索得到最优解。该算法可使天线阵在主波束对准有用信号,同时能有效抑制两个以上的干扰,且对阵列通道误差有较好的稳健性。计算机仿真验证了算法的有效性。     

基于改进粒子群算法的虚拟机调度策略研究

目前,云计算发展之迅速使得云计算系统的应用越来越广泛,而云计算资源调度算法作为云计算研究的核心内容,当前许多科研工作者已经对其进行了大量深入的研究。从云计算系统的负载均衡和提高资源利用率的两方面出发,首先建立一种新的资源利用率均衡模型,其次优化基本粒子群算法,再用优化后的PSO算法求解改模型,并通过云计算仿真平台CloudSim对此算法和模型进行仿真和验证。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

基于改进粒子群算法与SVM的变压器状态评估

本文采用改进粒子群算法,通过动态地调整算法的全局与局部搜索能力对SVM参数优化,提高了分类准确率。本文以变压器油中溶解气体（DGA）浓度为评估指标,将变压器分成正常、注意、异常、严重4个等级。通过实例数据分析得出。用改进舌粒子群算法更适合在变压器状态评估中应用。     

基于离散粒子群算法的快递公司城市多级配送网络布局优化

以总费用最小化为目标,综合考虑配送时效性要求和逆向物流,建立了针对城市多级配送中心的布局优化模型,并设计了运用GIS空间数据和离散粒子群算法的求解过程。     

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。     

混合粒子群优化算法在CDMA系统多用户检测中的应用

针对粒子群优化算法易早熟的问题,提出了一种混合粒子群优化算法(HPSO)。首先在算法中采用惯性权重的分段递减策略,以提高算法的全局搜索能力;然后在算法后期,引入拉伸技术剔除比局部极值大的点,缩小搜索空间,使算法能及时跳出局部最优从而加速收敛,最后提出了基于HPSO算法的多用户检测器。仿真结果表明在信噪比相同的条件下,该多用户检测器的误码率和抗远近效应性能更接近于最佳多用户检测器,有效解决了码分多址通信系统中的多址干扰问题。     

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。     

自适应粒子群最小二乘支持向量机在铁路货运量预测中的应用

针对铁路货运量与其影响因素间的复杂非线性关系,建立自适应粒子群最小二乘支持向量机(APSO-LSSVM)模型用于铁路货运量预测研究,利用最小二乘支持向量机的优良特性预测铁路货运量,并采用自适应粒子群算法优化选择LSSVM的参数。通过对我国铁路货运量的实例分析检验APSO-LSSVM模型的预测性能。结果表明,APSO-LSSVM模型有效地预测了我国铁路货运量,具有较高的预测精度及较快的收敛速度。     

基于分治法的遍历搜索算法和粒子群算法的改进对太阳影子坐标的地理定位和事件确定的研究

研究首先分析了经度、纬度、杆子长度和日期这几个变量的关系,通过太阳影子长度计算公式,结合误差控制的相关理论,我们定义了最小误差函数,并建立了一个目标规划模型。对于多参数的情况,研究提出"基于分治法的遍历搜索算法",用于求解出影子的地理位置和日期。后研究对在目标规划模型进行了合理的改进,建立了修正过的目标规划模型。通过对所收集的视频进行合理分析,以每三分钟为一个采样周期,得到了影长与时间的相关数据。同时,考虑到数据量大和算法复杂度高的因素,研究引入了粒子群(PSO)算法,并用遗传算法(GA)对其进行了改进,形成了GA-PSO算法。