粒子群

摘要： 为了有效地检测软件家族中的恶意软件,改进了加权随机森林模型,提出基于粒子群优化的随机森林(particle swarm optimization-random forest,PSO-RF)模型,并使用基于粒子群优化随机森林的恶意软件检测方法对恶意软件家族进行分类。对得出的结果与决策树、支持向量机等经典分类器从准确率、精确度、召回率、综合评价指标值(F;值)等指标进行对比分析,以验证改进后的算法的有效性与合理性。结果表明,PSO-RF模型评估指标均是最高的,能大大提升恶意软件的检测效果。

摘要： 阀控式铅酸蓄电池作为配电终端的后备电源,为电力系统的安全保驾护航。在实际应用中,由于电池质量差异及后期维护问题,蓄电池在寿命上存在较大的差异,为终端设备在电网故障下的后备工作埋下了隐患。针对配电终端设备中的蓄电池寿命评估,分析了铅酸蓄电池的工作原理以及影响铅酸蓄电池寿命的关键因素,建立了LS-SVM蓄电池寿命评估模型。为了保证评估模型的精准度,引入并改进粒子群算法来对蓄电池评估模型参数进行寻优。通过测试数据对评估模型的训练,以及样本数据对评估模型的测验表明,该电池寿命评估模型的准确度较高,能够较好地反应阀控式铅酸蓄电池组的寿命和状态。

摘要： 针对单一进化算法不适合解决所有优化问题的情况,提出了一种混合多种进化算法解决约束工程优化问题的算法。该算法混合了差分进化、粒子群优化和共生生物搜索等3种算法,首先利用差分进化算法产生和选择最优种群,然后利用粒子群优化算法寻找每一个最优解并进行更新,最后利用共生生物搜索算法对所有种群进行共生互动更新,选择出最优种群以进行下一代的迭代。通过混合多种进化算法,采用改进的惩罚函数对多约束条件进行控制,使得该混合算法可以在不同的阶段利用各进化算法的优势进行寻找最优解,从而提高了求解精度。实验结果表明:与其他相关算法比较,该算法具有更高的求解精度和更快的收敛速度。

摘要： 随着北斗系统的完善,卫星定位得到了越来越多的应用。但是卫星定位信号易受到干扰,尤其是当行驶车辆处在比较复杂的道路中,使得定位发生漂移现象。针对此问题,提出了粒子群-径向基神经网络联合的车辆卫星定位模型。由于传统卡尔曼滤波不能较好地处理漂移点,通过神经网络阈值与车速、航向角以及经纬度之间的时序相关性,对定位车辆进行阈值判断,并且利用RBF神经网络进行训练,从而得到补偿模型,实现车辆位置的优化。实验表明,面对定位信号干扰,联合补偿模型可以提高车辆卫星定位的精准度以及可靠性。

摘要： 目的:解决目前食品生产线分拣机器人抓取操作不稳定、分拣效率低的问题。方法:基于高速并联食品分拣机器人的体系结构,提出了一种基于改进粒子群算法的多目标运动优化策略用于食品分拣机器人的动态目标抓取控制方法。协调抓取顺序和分拣轨迹建立最短路径模型,以末端加速度建立机构稳定性优化模型,并通过改进粒子群优化算法对目标进行优化。结果:通过试验进行了验证,在输送速度100 mm/s时,抓取成功率由96.8%提高到100%,分选速率由1.62个/s提高到1.98个/s。结论:该控制方法能有效提高食品分拣机器人的操作稳定性和分拣效率。

摘要： 文章结合部分零售商品的销售特征和影响销售的因素,采用改进神经网络模型进行预测分析。由于基本径向基(RBF)神经网络模型容易出现对训练样本过度拟合现象,因此使用粒子群(PSO)算法和随机梯度下降法(SGD)混合优化RBF模型,其中PSO能够降低算法陷入局部极小的可能性,SGD则可以保证算法的局部搜索能力。针对零售商品短期销量的预测,优化模型预测精度较高、预测稳定性好。

摘要： 为科学选择舰船建造工艺参数,缩短建造时间,提升建造稳定性,降低建造过程中的能源消耗,构建舰船建造工艺参数优化的数学模型。以舰船建造切削过程的切削时间、切削稳定性与切削能耗为优化目标,切削功率、工件表面粗糙度与切削力等为约束条件,建立工艺参数优化的数学模型;利用自适应网格的多目标粒子群算法求解数学模型,获取最佳工艺参数优化结果。试验证明:该模型可有效获取最佳工艺参数优化结果,降低建造时间与能源消耗,模型求解过程中收敛效果较优;工艺参数优化后可有效降低切削过程刀尖振动幅值,增强建造稳定性。

摘要： 针对目前缺乏大容量机组综合调频能力动态特性建模研究的现状,结合大容量超超临界机组锅炉动态模型与双过调汽轮机动态模型,建立了一种锅炉储能变化对机组调频能力影响关系模型,采用粒子群算法将现场数据用于模型参数求解,最后通过模型计算值与现场实测值进行对比,验证了模型的计算精度,通过调频能力的仿真曲线对比分析了所建模型的合理性。结果表明:该模型既可准确体现锅炉的"慢"动态又可准确反映汽轮机的"快"动态,锅炉与汽轮机之间的动态耦合特性关系更加贴近现场实际。基于该模型可同时开展机组自动发电控制(AGC)与一次调频研究以及调频能力的分析与计算,为大容量机组开展综合调频研究提供了理论基础。

摘要： 在电力市场中,日前电价预测是用户用电决策的关键因素之一。为提高电价预测精度,提出了一种基于变权重拟合的并行组合电价预测模型,该模型结合了长短期记忆网络(LSTM)和支持向量机(SVM)模型,权重则采用改进粒子群算法(IPSO)获取。在预测过程中,首先分别使用LSTM和SVM对电价进行预测,然后使用预测日前的历史预测结果和实际历史电价对IPSO进行训练,以此获得权重;再用得到的权重拟合并行组合模型在预测日的预测结果就能得到最终预测结果;最后使用了美国PJM电力市场的电价数据进行预测实验,经与单一的LSTM模型和SVM模型的预测结果进行比较,验证了变权重拟合方法能够提高预测模型的最终预测精度。

摘要： 在拥有多个存储节点的云数据存储系统中,保持云存储系统的负载均衡水平为一个合理的值和最小化数据检索的时间是一个值得研究的问题。本文提出一种基于粒子群优化算法的云数据均衡放置策略(balanced placement strategy of cloud data based on particle swarm optimization algorithm,BPCD),首先,给出一种云存储系统模型;其次,引入基尼系数作为衡量该系统负载均衡水平的指标,结合数据检索时间目标函数构建多目标约束优化模型;再次,采用粒子群优化算法对问题进行求解,主要包括数据节点编码与参数设置、种群初始化、粒子群空间搜索、算法迭代4个过程;最后,将本文算法与传统云数据放置算法进行对比分析。仿真实验表明,本文提出的云数据均衡放置策略在优化云存储系统的负载水平和数据检索时间方面具有良好的效果。

摘要： 为了有效地评定本质安全电气参数,建立了火花试验是否点燃与影响火花点燃能力的主要因素(电压U、电流I、电容C、电感L和电阻R)的BP神经网络预测模型.采用粒子群算法优化了BP神经网络的权值和阈值,构建了基于粒子群神经网络的本质安全电气参数的预测模型.所提出的PSO-BP算法解决了一般BP算法迭代速度慢,且易出现局部最优的问题,并以实际电路设计参数为例,进行算法实现.仿真结果表明,该方法可有效的预测本质安全参数,具有较高的预测能力和实用价值.

摘要： 为了改善电梯群控系统的性能,针对不同的交通模式采用合理的调度算法对电梯群进行优化调度,以达到电梯群节能及高效运行的目的.文中提出了一种基于粒子群(PSO)的模糊核聚类算法(KFCM)的电梯交通流模式识别方法.利用粒子群优化算法代替KFCM算法的基于梯度下降的迭代过程,使算法具有较强的全局搜索能力和局部搜索能力,并降低了KFCM算法对初始值的敏感度.利用核方法将低维特征空间的样本映射到高维特征空间,增加了对样本特征的优化,并使样本特征在高维特征空间线性可分,更加容易聚类.采用在某办公楼采集的电梯交通流数据作为测试样本,仿真结果表明,与FCM聚类算法相比,该算法具有良好的性能指标,对电梯交通流的聚类效果更准确.

摘要： 针对基本人工蜂群算法搜索策略探索能力强而开发能力弱的特点,受粒子群和差分进化思想的启发,提出了两种新的搜索策略:PSO-DE-PABC和PSO-DE-GABC.前者在随机个体附近产生新的候选位置以提高算法的多样性;后者在最优解附近产生新的候选位置以提高算法的收敛速度,并加入差分进化中的差异向量来增加种群的多样性.在此基础上,引入维度因子来控制算法的收敛速度,并且使用一种利用当前种群信息的侦查策略来增强算法的局部搜索能力.通过对10组标准测试函数的实验仿真并与基本ABC、GABC和ABC/best算法相比,结果表明PSODE-GABC和PSO-DE-PABC对数值优化具有更高的收敛速度和收敛精度.

摘要： 在分析概率积分法预计参数与地质采矿条件之间关系的基础上,利用人工神经网络对概率积分法预计参数进行建模,将粒子群算法(PSO)优化BP神经网络权值和阈值,提高预测精度,运用我国典型的地表移动观测站资料作为学习训练样本和预测样本,将网络计算结果与实际值进行对比分析。分析表明,PSO-BP神经网络方法应用在概率积分法预计参数求取上是可行的，并且收敛速度快，精度高。

摘要： 主要影响角正切tanβ是采用概率积分法进行矿山开采沉陷预计的主要参数之一,决定着开采沉陷的影响范围.为了提高tanβ求取精度,在分析tanβ及其影响因素的基础上,选取tanβ的5个主要影响因素作为输入层神经元,将粒子群(PSO)快速搜索全局最优解算法与径向基(RBF)神经网络相结合,提出一种求取tanβ的PSO-RBF神经网络预测模型,获得tanβ和地质采矿条件之间的非线性映射关系.运用中国30个典型观测站的实测数据作为学习训练和测试样本,进行了PSO-RBF神经网络模型的适应度和泛化能力测试,对预测结果与实测值进行了对比分析.结果表明:应用PSO-RBF神经网络模型预测tanβ,收敛速度快,预测精度高.预测结果的最大相对误差为6.54％,最小为2.56％,所得到的tanβ精度有了一定的提高.

摘要： 针对立体传声器阵列优化设计问题,在规定的旁瓣级范围内,以主瓣宽度为适应度函数,利用基于粒子群算法的混合引力搜索算法优化设计一种能抑制后向噪声的立体传声器阵列.通过数值仿真计算得到了具有窄主瓣低旁瓣波束特征的优化阵列,提高了目标的分辨率,并且成功抑制了后向噪声源,验证了该算法在阵列优化设计中的可用性.

摘要： 提高短期风电功率的预测精度对保证电力系统安全、稳定地运行具有重大意义.针对风速信号的强奇异性,采用脊波神经网络建立短期风电功率的预测模型；同时利用混沌DNA遗传算法确定脊波神经网络的隐层结构,采用粒子群算法优化网络的连接权值及方向向量.对新疆某风电场的输出功率进行了预测实验,并比较了优化前后脊波网络模型的预测性能.研究结果表明采用粒子群与混沌DNA遗传算法组合优化后的脊波神经网络均方根误差降至12.3%,预测精度得到显著提高.

摘要： 为了克服基于FCM算法的图像分割技术对噪声敏感和运算效率低等缺点，利用KFCM算法对于噪声的鲁棒性质，以及模糊退火算法Metropolis准则和粒子群算法相结合的智能全局搜索能力，改进了图像分割技术。实验表明：该算法具有一定的降噪和全局搜索能力，提高了运算速度及图像分割效果。该算法对于丰富图像分割研究具有一定的参考价值和指导意义。

摘要： 针对变压器故障诊断问题，提出了基于粗糙集和支持向量机理论的变压器故障诊断方法。该算法利用粗糙集技术对变压器知识进行属性约简，并通过属性表获得故障最简决策表作为支持向量机的输入，与此同时，利用粒子群优化算法获得支持向量机的最优参数设置。实验结果表明，该诊断方法分类性能良好、可靠性高且有效可行。

摘要： 边坡的稳定性评价是一个复杂的不确定系统问题。结合属性数学和投影寻踪技术，建立了边坡稳定性评价的投影寻踪权重.属性识别模型。选取十三个边坡稳定性影响因子作为评价指标，通过构造属性测度函数计算单指标属性测度，采用粒子群优化的投影寻踪确定各评价指标的权重以计算综合属性测度，应用置信度准则对边坡的稳定性进行属性识别。属性数学较好地解决了具有多个模糊属性的综合评价问题;同时模型利用投影寻踪确定权重，避免了权重确定的主观性和随意性，保证了评价工作的客观性。实例研究表明，属性识别模型评价结果与物元可拓法一致，从而验证了模型应用于边坡稳定性评价的可行性和有效性。

摘要： 本发明提供具有光学各向异性的粒子群及其制造方法以及使用该粒子群的复合体及显示装置。所述粒子群(1)用于向基体材料(2)分散，粒子群(1)由液晶滴的取向状态被彼此独立地固定的多个粒子构成。这样的粒子可以用具备下述工序的方法制造：准备工序，准备聚合性液晶化合物；分散工序，使所述聚合性液晶化合物在液晶转移温度以上分散于分散介质中而形成液晶滴；聚合工序，在聚合引发剂的存在下，使所述液晶滴在小于各向同性相转移温度聚合。

摘要： 本发明属于机器学习技术领域，公开了一种基于多子群的自适应信息反馈粒子群机器人路径选择方法及系统，多样性评价策略采用多种多样性统一定义方式，对群体多样性从多个角度进行评价；通过综合分析适应度和空间性角度对粒子群体实施多子群划分策略，无需预先设定子群数目，可增强动态寻优过程的广域搜索效果；使用稀疏化处理策略调节子群体内部分布状况，使子群体内部粒子以一定概率远离局部中心粒子，从而在局部区域进行实时勘探过程,增强了子群体内部多样性水平。本发明有利于局部最优值的细致勘探和全局范围内的广域搜索，对测试问题的结果分析，本发明能有效应用于多维动态优化及机器人全局路径规划问题，方法简单易用，具有一定的实用价值。

摘要： 一种基于改进型粒子群算法的二维不规则排样方法，包括以下步骤：第一步，将样片和材料的几何图形转换为一系列的二维坐标区间，然后使用启发式底左搜索算法来判断样片与材料的二维区间的是否重叠来移动样片相对于材料中的位置；第二步，改进型PSO搜索过程：过划分多个子群的方法，在不改变趋向当前最优解的参数的情况下，加入了子群最优解对子群中粒子的影响，粒子群的迭代次数达到了初始时设定的最大迭代次数时，粒子停止迭代，取得当前的全局最优解作为最终排样方案。本发明提供一种具有良好搜索能力的同时、搜索速度快、最终解较佳、排样效果良好的基于改进型粒子群算法的二维不规则排样方法。

摘要： 一种粒子群特性测定装置，测定由分散在分散介质中的多个粒子构成的粒子群的特性亦即粒子群特性的随时间变动，包括：拍摄部，拍摄所述粒子群；粒子信息提取部，对由所述拍摄部拍摄到的拍摄图像进行处理，提取映现在该拍摄图像中的粒子的信息亦即粒子信息；粒子群特性计算部，根据从沿着时间序列的多个时点的各时点以前拍摄到的多个所述拍摄图像提取的所述粒子信息，来计算所述多个时点的所述粒子群特性，所述粒子群特性计算部根据从拍摄的时间段与比各时点更靠前的时点的用于计算所述粒子群特性的多个所述拍摄图像的拍摄的时间段一部分重复的多个所述拍摄图像提取到的所述粒子信息，来计算各时点的所述粒子群特性。

摘要： 本发明的目的在于提供一种在使速率特性提高的蓄电装置的电极中使用的金属化合物粒子群的制造方法、金属化合物粒子群及使用该金属化合物粒子群的电极。一种在蓄电装置的电极中使用的金属化合物粒子群的制造方法，其特征在于包括如下步骤：对金属化合物粒子的前驱物与碳源进行复合化而获得第一复合材料的步骤；通过在非氧化环境下对所述第一复合材料进行热处理而生成金属化合物粒子，获得该金属化合物粒子与碳复合化而成的第二复合材料的步骤；通过在氧气环境下对所述第二复合材料进行热处理，将碳除去且获得金属化合物粒子键结为三维网状结构的金属化合物粒子群的步骤。

摘要： 本公开提供了一种粒子群优化算法模型的训练方法、粒子群优化方法及装置。该方法包括：根据由第一电子设备生成的粒子训练种群确定适应度以及与适应度对应的初始最优位置，在进行第t次迭代训练的过程中，根据动作网络和第t观测状态，确定粒子训练种群的第t选择动作，确定粒子训练种群的第t奖励回报和第t+1观测状态，将第t观测状态、第t选择动作、第t奖励回报和第t+1观测状态确定为与第t次迭代训练对应的一个状态转移信息并存储于缓存中，根据从缓存中获取的一个状态转移信息和价值网络的损失函数，计算第t损失结果，根据第t损失结果和状态转移信息训练价值网络和动作网络，进而得到粒子群优化算法模型。

摘要： 本发明提供一种可抑制蓄电装置的内部电阻增加的金属化合物粒子群、包含金属化合物粒子群的蓄电装置用电极、及金属化合物粒子群的制造方法。一种金属化合物粒子群，具有金属化合物粒子相连而成的三维网状结构，在所述金属化合物粒子群的一部分上形成有包含硅氧化物的涂布层C。包含硅氧化物的涂布层C形成在金属化合物粒子的表面的至少一部分上。三维网状结构中存在空隙2，在划定空隙2的金属化合物粒子上，在其表面形成有包含硅氧化物的涂布层C。涂布层C中含有的硅氧化物是非晶状的硅氧化物。

摘要： 本发明提供具有光学各向异性的粒子群及其制造方法以及使用该粒子群的复合体及显示装置。所述粒子群(1)用于向基体材料(2)分散，粒子群(1)由液晶滴的取向状态被彼此独立地固定的多个粒子构成。这样的粒子可以用具备下述工序的方法制造：准备工序，准备聚合性液晶化合物；分散工序，使所述聚合性液晶化合物在液晶转移温度以上分散于分散介质中而形成液晶滴；聚合工序，在聚合引发剂的存在下，使所述液晶滴在小于各向同性相转移温度聚合。

摘要： 本发明涉及一种基于多子群粒子群算法的侦察机器人任务分配方法，首先初始化粒子群最大迭代次数、粒子个数、粒子位置和粒子速度；将粒子分成不同的子群；计算粒子适应度；粒子速度更新，位置更新；迭代计算，重复步骤2)‑4)，直至计算达到指定迭代次数退出，其最优粒子位置即为最终结果。解决了传统方法没有综合考虑复杂的环境以及机器人的安全性等因素，在真实的战场环境中容易导致机器人被发现甚至作战任务失败的问题，提升了机器人的任务完成效果。将机器人任务分配问题转换成优化问题，可以直接用智能算法求解；通过将粒子分群，参数自适应调节等手段解决了传统粒子群算法易陷入局部极值的问题，改善了迭代寻优的收敛性，提升了算法的收敛速度。

摘要： 本发明属于机器学习技术领域，公开了一种基于多子群的自适应信息反馈粒子群机器人路径选择方法及系统，多样性评价策略采用多种多样性统一定义方式，对群体多样性从多个角度进行评价；通过综合分析适应度和空间性角度对粒子群体实施多子群划分策略，无需预先设定子群数目，可增强动态寻优过程的广域搜索效果；使用稀疏化处理策略调节子群体内部分布状况，使子群体内部粒子以一定概率远离局部中心粒子，从而在局部区域进行实时勘探过程,增强了子群体内部多样性水平。本发明有利于局部最优值的细致勘探和全局范围内的广域搜索，对测试问题的结果分析，本发明能有效应用于多维动态优化及机器人全局路径规划问题，方法简单易用，具有一定的实用价值。