简介：摘要介绍基本粒子群优化算法的原理、特点，并在此基础上提出了一种改进的粒子群算法。通过在粒子初始化时引入相对基的原理使粒子获得更好的初始解，以及在迭代过程中引入变异模型，部分粒子生成相对应的扩张及收缩粒子，比较其适应度，保留最佳粒子进行后期迭代，使算法易跳出局部最优。通过经典函数的测试结果表明，新算法的全局搜索能力有了显著提高，并且能够有效避免早熟问题。

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：介绍了基本PSO算法以及两种典型的改进算法:1)全局邻域模式和局部邻域模式对粒子群优化算法的影响,全局邻域模式粒子群优化算法收敛快,但容易陷入局部极小值;局部邻域模式粒子群优化算法由于粒子倾向于在不同的局部区域搜索因而收敛速度慢,但能在较大程度上避开局部极小值;2)混沌粒子群优化算法,它具有混沌的随机性、遍历性、规律性等特性引导粒子及其组成的群落搜索全局最优解。

简介：在分析基本粒子群优化算法的基础上,对学习因子进行非线性异步策略调整,改变其固定常数模式,平衡算法在迭代过程中的局部和全局搜索能力;同时引入活力因子,对失活粒子执行变异操作,提高种群多样性。改进算法可以提升对多维空间的全局寻优能力,避免粒子产生早熟收敛现象。将改进粒子群算法引入图像匹配优化问题中,提出了一种基于改进粒子群算法的图像匹配算法,实验结果表明,该算法具有更快的匹配速度以及更高的匹配精度,具有强鲁棒性。

简介：摘要水库优化调度可以很大程度的提高水资源的利用率，有助于缓解当前日益紧张的水资源问题。本文为缓解塔里木河下游水资源日益短缺的现状，实现垦区水资源的统一调配，首先以恰拉水库为研究对象，在分析恰拉水库实际运行的基础上，以灌溉缺水量最小和库损最小为目标，考虑水量平衡、库容等方面的约束，建立恰拉水库的优化调度模型；其次，在基本粒子群算法框架中融入模拟退火算法思想，建立基于改进后的粒子群算法的模型求解方法；最后，对丰、平、枯三个典型年分水库不同供需水情况进行优化调度。结果能够有效减少库损，改进后的粒子群算法计算精度高，跳出局部最优解的能力强，能够平稳快速地得到水库调度方案，该方法为新疆不同水库优化调度提供技术支持。

简介：针对局部阴影使光伏阵列呈现多峰值的现象,提出了一种基于改进粒子群的全局MPPT寻优算法。该算法首先采用大步长扰动观察法进行一次寻优,然后通过非线性动态改进惯性权重策略对粒子群算法改进,用改进粒子群算法进行二次全局寻优,最后使用变步长扰动观察法进行三次迭代寻优。仿真结果表明,混合算法能够在不同阴影条件下快速、准确地跟踪最大功率点,避免系统陷入局部最优值,具有良好的动态性、稳定性和高效性。

简介：为了提高多目标粒子群算法的收敛性和多样性,提出了一种基于最优网格距离的多目标粒子群算法（HMOPSO）。该算法是在多目标粒子群算法（MOPSO）的基础上,利用网格技术和Pareto占优排序原理,提出了一种新的全局学习样本选取策略。实验结果表明,该算法能够有效的避免早熟收敛,相比MOPSO算法,HMOPSO表现出良好的整体性能,是对标准多目标粒子群的一种有效改进。

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：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：为了能够准确地评价电力企业信息系统安全模型的安全性，深入地研究了改进粒子群算法在其中的应用。首先，讨论了电力企业信息系统安全模型的改进方法；其次，研究了电力企业信息系统安全模型的评价方法；最后，进行了算例分析，分析结果表明基于改进粒子群算法和RBF神经网络的电力企业信息系统安全评价模型具有较好的自适应能力，同时，对改进电力企业信息系统安全模型和传统电力企业信息系统安全模型的风险值进行对比，分析结果表明改进的电力企业信息系统安全模型更为安全。

简介：摘要:针对传统LED阵列光照均 匀性差的问题,提出了一种改进的粒子群算法优化LED的阵列分布，提高照射面的光照均匀性。通过建立光源分布的数学模型,用被照射面的均方根差作为评价函数反映阵列的均匀性。对LED阵列的光照度在光学软件Tracepro 中进行仿真模拟,得到算法优化后LED阵列分布的光照仿真结果。在Matlab 软件中得到算法仿真的收敛情况。通过比较,算法优化阵列位置后的光照度均匀性有着明显的提升。研究仿真的结果为LED阵列设计提供了一定的参考。

简介：摘要：随着工业自动化水平的提高对机器人运动效率及运动速度的要求也越来越高。在硬件算力大幅提升的条件下，本文提出了一种多自由度机械臂轨迹规划算法。为解决传统的遗传算法及标准粒子群算法容易陷入局部最优的问题，本文基于融合免疫算法的改进型粒子群算法开发了一种机械臂轨迹规划算法，基于ABBIRB-2400机械臂建立了运动学模型，并基于ROS系统的moveit模块搭建其运动学仿真模型进行仿真验证。根据仿真结果优化算法后，通过ROS系统接口对机械臂进行实际运动数据采集，证明该算法能够有效减少机器人有效运动空间内点到点的运动时间，并保证在运动过程中速度的平顺性及加速度的平滑。

简介：摘要：随着工业自动化水平的提高对机器人运动效率及运动速度的要求也越来越高。在硬件算力大幅提升的条件下，本文提出了一种多自由度机械臂轨迹规划算法。为解决传统的遗传算法及标准粒子群算法容易陷入局部最优的问题，本文基于融合免疫算法的改进型粒子群算法开发了一种机械臂轨迹规划算法，基于ABBIRB-2400机械臂建立了运动学模型，并基于ROS系统的moveit模块搭建其运动学仿真模型进行仿真验证。根据仿真结果优化算法后，通过ROS系统接口对机械臂进行实际运动数据采集，证明该算法能够有效减少机器人有效运动空间内点到点的运动时间，并保证在运动过程中速度的平顺性及加速度的平滑。

简介：摘要：本文旨在探讨井下机车的路径规划问题，并采用粒子群算法和蚁群算法为主要研究方式。对蚁群算法进行改进,主要包括优化概率选择公式、启发函数、信息素更新公式以及算法流程,分析两种算法的优缺点。仿真实验结果显示,对于最优路径和运行时间最短问题的验证改进算法,比传统算法效果更出色。

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：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：针对传统粒子群优化算法易早熟收敛的问题，提出一种基于混沌思想的改进粒子群优化算法。该算法利用混沌运动的随机性、遍历性和规律性等特征，综合了混沌初始化、惯性权重的混沌调节、位置的边界处理、陷入早熟时的混沌遍历搜索等改进措施, 改善了粒子群的随机性与多样性，较好解决了算法的早熟收敛问题。通过3个典型高维测试函数的实验测试表明：改进的混沌粒子群算法在收敛速度、寻优精度和稳定性等方面明显优于传统的粒子群算法。

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：提出一种用于电力系统经济负荷分配的改进混沌粒子群算法．算法中采用自适应外罚函数法解决目标函数的约束问题，考虑了机组的系统平衡、出力上下限、爬坡速率和工作死区等约束条件；在粒子群算法中引入混沌机制，使算法能快速跳出局部极值区，提高算法的全局寻优性能；针对变惯性权重系数和变最大搜索速度改进措施的不足，提出依据机组爬坡速率约束来缩小最优解的搜索区域．仿真结果表明，改进的混沌粒子群算法对于解决带约束条件的经济负荷分配问题是可行和高效的，与改进前的计算方法相比，降低了运行费用，提高了寻优速度．