简介：摘要针对PSO算法易早熟、收敛精度差、迭代后期收敛速度慢等问题，提出了一种基于算法参数变化的简化粒子群算法。该算法惯性权重和学习因子分别随迭代次数呈指数函数变化和正弦三角函数变化，使用4个经典Benchmark测试函数进行仿真测试。结果表明本算法能较好收敛到全局最优值，且收敛速度快，收敛精度高，优化性能好。

简介：在土钉支护设计中为了寻找一组最佳设计参数，以达到既经济又安全的目的，将混沌搜索的粒子群优化算法（PSO）应用到基坑土钉支护优化设计中，以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点，改善了PSO算法的全局寻优能力，提高算法的收敛速度和计算精度。同时，不活动粒子的处理使算法避免了“早熟”现象的出现。工程实例计算表明，该方法是进行土钉支护结构优化设计的有效方法。

简介：要想记住10个电子的粒子，可以采用找“关联”的推导方法。第一步，“左邻右舍法”。如图1所示，首先写出10号元素Ne，再依次写出它的“左邻右舍”。“左邻”如9号元素F，8号元素0，7号元素N，要形成10个电子，就分别以阴离子的形式依次写到元素Ne的左侧。

简介：排课问题是一个有约束的、多目标的组合优化问题.在针对遗传算法在求解该问题时搜索效率较低的情况下,提出了一个基于粒子群的排课算法.在算法设计过程中,考虑排课过程中所出现的各种时间、空间资源的冲突情况,设计了一种基于粒子群优化算法来实现时间和空间两种资源的优化.利用C#程序设计语言实现了基于粒子群算法的排课系统,实验和测试结果也验证了其有效性和系统的可用性.

简介：布谷鸟搜索算法和粒子群优化算法都属于仿生优化群算法,它们的原理简单、实现方便,在诸多领域得到应用。虽然这两种算法优点明显,但是它们在全局搜索能力、收敛速度等方面存在不同程度的不足,当它们应用于复杂优化问题时,需要采用改进措施来提升其性能。把布谷鸟搜索算法和粒子群优化算法进行混合,在两种算法平行进化的基础上引入共享机制,使两种算法优点互补。仿真证明,混合算法提升了算法的全局搜索能力和收敛速度,适应性更强,可以应用于复杂的优化问题。

简介：摘要：多目标粒子群优化算法是一种新型群智能进化计算技术，它模拟鸟群觅食的行为，在鸟群彼此个体之间共享信息和根据自身经验总结来修正其行动策略，既体现了个体影响也体现了社会群体影响，最终取得问题最优解。粒子群算法能够方便地处理大量的等式、不等式约束，以及包含连续变量和离散变量的优化问题。基于此，文章对 多目标粒子群优化算法在城市供电中的应用进行了总结和分析。

简介：粒子群优化(PSO)算法是一种新颖的演化算法,粒子群优化算法,PSO算法是一个新的基于群体智能的进化算法

简介：摘要：为了 防止因过度开采造成的地质灾害和水资源短缺等问题出现。 本 文在分析了经典 PSO 算法 和 SVM 理论知识的基础上，建立了 W-PSO优化的 SVM 时间序列预测模型。

简介：研究灾难环境下翼伞空投机器人系统轨迹规划问题,基于简化的翼伞系统质点模型,采用混沌粒子群优化算法对翼伞系统归航轨迹进行寻优。该方法采用非均匀B样条技术实现最优控制规律的参数化,将翼伞系统轨迹规划的最优控制问题转换成参数优化问题,进而运用混沌粒子群优化算法进行寻优计算。轨迹规划的控制曲线是光滑的,利于电机对翼伞系统的操纵伞绳实施控制。仿真结果表明,该方法对翼伞系统的轨迹规划控制是有效的。

简介：频率-波数域单程波算子能高效地模拟地震波在复杂介质中的传播，但是在描述波的大角度传播和速度横向扰动变化较大介质中传播的问题时仍然存在一定误差。这类误差是由于对单平方根算子使用Taylor展开式的近似程度不足所造成。为了进一步提高泰勒展开式的精确性，本文提出一种利用粒子群智能算法优化级数展开系数的高阶广义屏算子对单平方根算子的展开级数进行优化处理。新的偏移算法能在保持单程波偏移算法高效的前提下进一步提高偏移算子在大角度的成像精度和对强横向速度变化介质的适应性。通过脉冲响应实验，验证了基于粒子群算法优化级数的高阶广义屏算子能够提高常规的高阶广义屏算子的成像精度和成像角度。根据对二维SEG/EAGE盐丘模型的成像处理，基于粒子群算法优化级数的高阶广义屏算子对盐丘下面的断层取得了更高质量的成像，说明粒子群优化级数的高阶广义屏算子比常规的高阶广义屏算子具有更好的横向速度适应性。为了检验本文所提算法对实际资料的处理能力，我们利用常规的偏移处理技术和本文所提算法对一条海上二维数据进行了偏移成像处理，对比分析成像剖面发现本文所提算法描述了更加清晰的层位信息和更高质量的偏移剖面。本文所提算法能有效提高高阶广义屏偏移在广角度成像的能力，具有一定实际应用价值。

简介：为提高粒子群算法的搜索效率,克服分解方法处理复杂多目标问题的不足,通过考虑父代解的选择和种群的更新对算法收敛性及解的分布均匀性的重要影响,提出了一种基于分解的改进自适应多目标粒子群优化算法。首先,为提高算法收敛速度,在分解方法确保进化种群多样性的前提下,设计了新的适应度评价方法以评价个体的优劣,并将在竞争中获胜的优质后代解添加到父代候选解中;其次,为避免算法陷入局部最优,在更新粒子时,从当前粒子的邻居或邻居外随机选择个体最优和全局最优位置;最后,引入外部文档,将其作为候选的输出种群,并采用拥挤距离维持多样性,增强了算法处理复杂问题的能力。用12个测试函数的数值实验,并与5种多目标优化算法的比较,表明了所提算法的优越性。

简介：摘要粒子群算法是一种新的智能优化算法，它是对生物群体协同优化能力的研究，是一种针对每个粒子追求自身最优粒子和全局最优位置的一种启发式随机优化算法。在随机搜索的过程中，此算法收敛于最优粒子群优化算法。详细介绍了基本粒子群优化算法和改进的粒子群优化算法，并进行仿真研究，简要阐述了该算法在电力系统中优化应用情况，以期为日后的相关工作提供参考。

简介：摘要：根据核电厂取水管道内壁附着海生物清理要求，以隧道内壁清洁机器人底盘钢架为研究对象，针对其强度高、质量轻以及结构较为简洁的需求现状，在保留底盘钢架现有功能的同时，采用拓扑优化设计对其结构进行研究，并通过采用一种多目标粒子群优化算法对优化结果进行合理取值，最终确定了底盘钢架的最优结构。采用ANSYS Workbench软件对优化前后的底盘钢架进行结构分析，最终将分析结果进行对比，发现优化后的底盘钢架在提高强度、刚度的同时减轻了质量。优化后的底盘最大应力为208.6MPa，底盘质量为313kg。研究结果为清洁机器人的研发提供了参考。

简介：摘要：车辆路线问题是配送计划的基本问题，它试图考虑客户的数量，他们的约束以及可用车辆的数量和容量的情况下，以最小的位移成本找到最佳的行进路线。在这项研究中，我们首先描述了旅行商问题和车辆路线模型，然后提出了考虑顾客之间优先约束的多目标车辆路线模型。有不同的元启发式算法可以解决此类 NP难题。本研究提出了一种基于粒子群算法和人工蜂群算法相结合的求解算法。此外，通过分析一个操作样本，使用区域内客户的数据，考虑问题及其功能的不同约束，并使用惩罚方法和附加的分段约束方法，可以获得最佳的车辆路线。以及对每种算法的结果结合其混合算法进行了演示。

简介：摘要对基于粒子群算法的电网无功规划进行了研究，建立了有功网损和设备投资综合费用最低的目标函数。通过对IEEE30节点系统的仿真分析，验证了该方法的可行性与实用性。

简介：为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。

简介：摘要优化变电检修计划，可以获得更加经济和理想的检修计划方案。基于这种认识，本文提出了一种基于粒子随机变异思想的改进型离散粒子群算法，能够对变电检修计划模型进行优化。从计划的优化效果来看，采用该算法可以降低变电检修成本，并使检修工作效率得到提高，因此可以为变电检修带来更多的效益。

简介：针对基本粒子群算法中存在的精度较低、易发散、容易陷入局部最优解僵局的情况，提出了免疫粒子群算法。并以卢村水电站为例，进行验证分析，结果表明免疫粒子群算法是一种可靠的研究水电站优化调度的方法。

简介：基于粒子群优化算法（PSO）的神经网络具有良好的训练性能，输出的整体误差小于BP算法。用PSO作为一种粗优化或离线学习过程，用神经网络学习作为一种细优化或在线学习过程。这两种方法综合使用可以大大提高传动箱故障诊断性能。诊断系统把常用的7个时频动态特征参量作为BP网络的输入层的输入，把传动箱中常见的6种特征作为网络的输出。诊断系统拓扑结构为7—12—6的3层BP网络，规定系统误差0．001。结果表明．粒子群优化算法对多故障征兆有较好的故障识别率。作为一种有效优化方法，在机械故障诊断领域具有良好的应用前景。

简介：摘要由于电力系统无功优化问题具有多变量、非线性等特点，针对基本粒子群算法容易陷入局部最优解，本文提出了改进的方法，通过动态调节惯性权重w和改进位置更新策略，可以较好的平衡全局寻优能力和局部搜索能力，将改进后的粒子群算法应用于电力系统无功优化问题中，更好的解决无功优化问题。