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PSO的LAPSO和NLAPSO改进算法研究

为了解决实际问题中对精度和速度的双优要求,本文对PSO惯性因子进行混合改进,分别提出线性自调整（LAPSO）和非线性自调整（NLAPSO）两种改进算法,这两种算法在迭代初期动态地调整粒子的飞行速度,加强对种群信息的利用,增强种群的多样性,随着演化的进行,采用线性或非线性的改进策略,使得粒子能更快更精确的聚集到全局最优。实验表明这两种改进较线性、非线性或动态自适应调整,性能均有所提高。     

基于改进PSO算法的物流配送中心选址

首先对物流配送中心选址进行分析,在考虑固定建设费用及运输成本等的基础上建立数学模型。针对模型的特点,采用流行的群智能算法—粒子群优化算法进行求解。在对基本粒子群算法的分析基础上,提出了改进的粒子群算法,克服了基本粒子群算法早熟以及易于陷入局部最优的缺点。利用典型的基准测试函数Shaffer对算法进行验证,最后给出仿真实例,证明了算法的合理性。     

概率算法的理论研究及其应用

1976年雷兵提出了概率算法,这种算法的新颖之处是把随机性注入到算法中,使得算法设计与分析的灵活性及解决问题的能力大为改观,这种算法曾一度运用在密码学,数字信号,数字简化信号和大系统的安全及故障容差中得到应用.     

概率算法的理论研究及其应用

1976年雷兵提出了概率算法，这种算法的新颖之处是把随机性注入到算法中，使得算法设计与分析的灵活性及解决问题的能力大为改观，这种算法曾一度运用在密码学，数字信号，数字简化信号和大系统的安全及故障容差中得到应用。     

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。     

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。     

粒子群算法邻域拓扑结构研究

粒子群算法(PSO算法)是一种启发式全局优化技术。PSO的邻域拓扑结构是决定粒子群优化算法效果的一个很重要的因素,不同邻域拓扑结构的粒子群算法,效果差别很大。文章分析了邻域拓扑结构与PSO算法的关系,阐述了粒子群算法邻域拓扑结构研究现状,提出了未来可能的研究方向。     

基于协PSO算法的物流配送中心选址研究

针对多目标物流配送中心选址问题,建立选址模型,并设计离散协粒子群算法,最后利用该算法进行了实例研究,结果表明该算法是有效、可行的。     

基于模拟退火遗传混合算法的指派问题研究

根据指派问题的特点建立数学模型．提出了以模拟退火算法和遗传算法相结合的思想及其解决方案。通过算例表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的。     

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。     

基于聚类算法和蚁群算法的物流配送路径优化研究

物流配送的研究已经成为提高物流效率、降低物流成本的关键。文中在研究物流问题现状以及相关配送路径算法的基础上,提出了一种新的物流配送路径优化方案,对于一个城市内的多个配送点,首先通过K均值算法进行聚类分析得到局部配送中心及其配送范围内的客户点,然后利用蚁群算法设计该配送区域内的最优配送路径。通过仿真实验得知,文中方案设计出的最优配送路径长度较单纯采用蚁群算法有了较大改善。     

基于节约里程法的物流配送线路优化与改进研究

配送是物流运作中的一个重要环节,如何在物流网络中综合考虑各线路的车流量、客户分布状况、车辆的载重量以及其它车辆运行限制等因素,进行配送线路的规划,将直接关系到配送中心运作的成本和效率。通过对节约里程法的研究探讨,对物流配送线路进行优化,并通过一组测试数据验证了算法的可行性,最后提出了复杂配送网络中模型的改进方法。     

随机仓库布局问题模型与算法研究

通过讨论随机条件下仓库布局问题．建立了随机仓库布局问题机会约束规划模型，并设计出基于随机模拟的禁忌搜索算法求解模型，最后利用算例来验证算法的有效性。     

基于改进遗传算法的TSP问题求解的研究

为了解决基本遗传算法求解TSP问题过程中容易发生早熟收敛的问题,并进一步提高算法的求解速度,提出了一种求解TSP问题的改进的遗传算法。采取的主要改进手段是:用贪婪算法构造初始种群,以提高找到近似最优解的速度;在轮盘赌方法的基础上融入最佳保存策略进行选择操作;采用两点三段随机交叉的方法进行交叉操作,保持种群多样性以及避免种群过早成熟。并通过编程实现了该算法,最后通过中国144个城市的TSP实验,验证了该算法的良好性能。     

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。