搜索结果: 1-12 共查到“管理学 PSO”相关记录12条 . 查询时间(0.093 秒)
带两类正态变异的PSO 算法
粒子群优化算法 变异 正态分布 全局收敛
2014/10/13
针对基本粒子群优化算法(PSO) 容易陷入局部最优点和收敛速度较慢的缺点, 提出在PSO 更新过程中加入两类基于正态分布投点的变异操作. 一类变异用来增强局部搜索能力, 另一类变异用来提高发现全局最优点的能力, 避免所有粒子陷入到一个局部最优点的邻域内. 数值结果表明, 所提出算法的全局搜索能力有显著提高, 并且收敛速度更快.
基于时变Sigmoid 函数的鲁棒PSO 算法
粒子群优化 鲁棒最优解 时变 Sigmoid 函数
2014/2/26
在样本规模有限的情况下, 为了提高算法的鲁棒优化性能, 提出一种基于时变(随迭代次数变化) Sigmoid 函数的鲁棒粒子群优化算法. 采用拟蒙特卡罗积分方法近似估计有效目标函数, 以时变Sigmoid 函数为基础, 设计各代各样本规模的选取概率. 迭代前期, 样本规模期望值较小, 加快了算法探索速度; 迭代后期, 样本规模期望值较大, 提高了算法的开发精度. 标准测试函数仿真结果显示, 所提出方...
针对网格环境中多服务质量(QoS) 约束条件下独立任务调度问题, 提出一种融合配方均匀设计与离散粒子
群优化算法(UDPSO) 的任务调度策略, 以实现对独立任务优化调度的快速生成. 该算法采用类似DPSO 算法的速度
和位置更新方法, 结合配方均匀设计, 快速衡量各QoS 约束条件的适应度, 以产生分布均匀且较优的Pareto 解集, 最
终为系统提供一组较优的任务调度方案. 仿真实验表明...
求解整数非线性规划结合正交杂交的离散PSO 算法
粒子群优化算法 正交杂交 离散粒子群优化算法
2014/10/11
针对整数非线性规划问题, 提出一种结合正交杂交的离散粒子群优化(PSO) 算法. 首先采用舍入取整方法,为了减少舍入误差, 对PSO 中的每个粒子到目前为止的最好位置进行随机修正, 将基于正交实验设计的正交杂交算子引入离散PSO 算法, 以增强搜索性能; 然后对PSO 算法中的惯性权重和收缩因子采用动态调整策略, 以提高算法的搜索效率; 最后对一些不同维数的整数非线性规划问题进行数值仿真实验, 实...
基于PSO优化LS-SVM的小样本非线性协整检验与建模研究
非线性误差修正模型 PSO LS-SVM
2014/10/17
针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支...
基于聚集度控制的PSO算法研究
粒子群优化算法 聚集度控制 方向图综合
2014/9/29
针对粒子群优化(PSO) 算法在处理复杂优化问题时, 容易早熟收敛的问题, 将比例控制器用于粒子群算法种群聚集度控制. 粒子种群可以在任一聚集范围内保持任意时间的搜索, 这样能够更好地平衡种群聚集度和搜索精度,从而提高PSO 算法处理复杂优化问题的效率. 对多零点和低旁瓣约束情况下的阵列天线方向图优化进行仿真实验,结果表明所提算法可在处理复杂优化问题上取得更好的优化效果.
基于混合PSO-SQP 算法同时实现多变量的结构和参数辨识
组合优化 混合粒子群优化 序列二次规划
2014/9/25
研究了一种基于混合粒子群优化算法和序列二次规划算法对系统进行辨识的新方法. 该方法将典型数学模型相互组合构成系统模型. 首先将系统结构辨识问题转化为组合优化问题; 然后利用混合PSO-SQP 同时实现系统的结构辨识和参数辨识. 为了进一步说明该混合算法的有效性, 与标准PSO 算法和惯性权值逐减PSO 算法进行对比.仿真结果表明, 给出的混合算法是有效的, 辨识精度高, 并具有良好的实用性.
基于进化停滞周期的局部变异PSO算法及其收敛性分析
粒子群优化算法 进化停滞周期 局部变异
2014/9/18
为了克服粒子群优化算法容易陷入局部最优而发生早熟收敛的问题, 提出一种基于进化停滞周期的局部变异粒子群优化算法. 算法引入进化停滞周期和近期全局最优位置的概念, 使粒子的飞行受近期全局最优位置影响, 并在种群进化停滞时对随机选中的局部粒子执行变异操作, 增加种群多样性, 扩大搜索范围, 提高求解质量. 算法用种群进化停滞周期代替多样性度量, 避免了多样性计算引起的高计算复杂度. 对于几个常用基准函...
一种基于PSO的RBF-SVM模型优化新方法
模型优化 支持向量机 粒子群优化
2014/9/15
针对使用径向基核函数的支持向量机，采用粒子群优化方法实现模型优化。基于训练集中样本之间的最近平均距离和最远平均距离，给出参数 的取值空间，从而减小了超参数搜索的范围，并采用对数刻度进一步提高粒子群优化方法的参数搜索效率。与遗传算法和网格法的对比实验表明新方法收敛速度更快，得出的超参数更优。
PSO算法粒子运动轨迹稳定收敛条件分析
粒子群优化算法 二阶变系数非齐次差分方程
2014/9/11
由于随机量的作用，粒子群优化算法（ＰＳＯ）中粒子的位置迭代是一个非线性动态离散过程，单个粒子在随机量影响下的运动方程可转换为一个二阶变系数非齐次方程．为此，利用Ｌｙａｐｕｎｏｖ稳定定理对该方程的稳定性作了深入研究，分析得到了使粒子运动稳定收敛的惯性权重和随机参数取值条件．实验结果表明，按照所得到的条件选择参数取值，能使粒子运动轨迹快速稳定收敛．该结果有助于实际应用中ＰＳＯ 算法参数的选择和调整．
动态环境下的双子群PSO算法
粒子群优化 动态环境 子群
2014/8/29
通过两组搜索方向相反,相互协同的主,辅子群,构造一种新的双子群粒子群优化算法.该算法扩展了种群的搜索范围,充分利用搜索域内的有用信息,在感知到环境变化时能迅速,准确地跟踪动态变化的极值.使用(Dynamic Function 1)生成的复杂动态环境对该算法进行了验证,并与Eberhart提出的动态环境下的粒子群优化算法进行了比较分析.仿真结果表明了该算法的有效性.