您现在的位置: 首页> 研究主题> 粒子群优化

粒子群优化

粒子群优化的相关文献在2003年到2023年内共计4312篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术 等领域,其中期刊论文3563篇、会议论文141篇、专利文献135043篇;相关期刊859种,包括东北大学学报(自然科学版)、系统工程与电子技术、计算机仿真等; 相关会议122种,包括2012中国制导、导航与控制学术会议、第二十二届中国过程控制会议、中国高等学校电力系统及其自动化专业第二十七届学术年会等;粒子群优化的相关文献由10282位作者贡献,包括郭文忠、陈国龙、焦李成等。

粒子群优化—发文量

期刊论文>

论文:3563 占比:2.57%

会议论文>

论文:141 占比:0.10%

专利文献>

论文:135043 占比:97.33%

总计:138747篇

粒子群优化—发文趋势图

粒子群优化

-研究学者

  • 郭文忠
  • 陈国龙
  • 焦李成
  • 高岳林
  • 田雨波
  • 孙俊
  • 张勇
  • 须文波
  • 刘耿耿
  • 潘宏侠
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

    • 郑煜
    • 摘要: 针对强噪声环境下,旋转机械系统的微弱信号难以得到准确检测的问题,提出了一种基于自适应权重粒子群算法(APSO)和自适应多稳态随机共振(SMSR)相结合的微弱信号检测方法。首先,使用自适应多稳态随机共振作为基本检测方法,并在数值求解输出信号时,引入了二次采样法(TS),解决了随机共振对高频信号适应能力差的问题;然后,以输出信噪比作为适应度函数,使用粒子群算法(PSO)优化了多稳态系统结构参数;采用全局最优点距离的方案,对惯性权重进行了自适应调整,将粒子群算法改善为自适应权重粒子群算法;最后,设置了混有高强度高斯噪声的正弦小信号仿真试验,在此基础上,使用该方法完成了对机械系统微弱故障诊断实验。研究结果表明:该方法可以准确地突显出161.1 Hz故障频率成分,同时能够得到描述实际机械系统运转状态的倍频成分,具有准确的微弱信号检测能力。
    • 张先才; 张足生; 李益广; 郭小红; 陈伟
    • 摘要: 车辆检测技术是路边智慧停车管理系统的基础。提出一种基于新型脉冲相干雷达的室外停车检测算法。在每个停车位中央部署传感器节点,然后对雷达采样信号进行特征提取和多次预测,综合多次预测的结果实现停车检测。每次预测时,利用雷达信号所有的特征信息,并且使用不同的参数,这些参数由粒子群优化算法根据雷达数据集计算得到。部署了实验系统,实验结果表明,在无干扰情况下,算法准确率为99.9%;在水和湿树叶等干扰情况下,算法准确率为91%。相比已有算法,该算法不仅提高了干扰场景下停车检测的精度,而且还可以检测出雷达是否受到水或湿树叶的干扰。
    • 李玉玲; 朱咏梅; 刘东红; 顾振飞
    • 摘要: 众所周知,云数据库已在各行各业广泛应用并且发挥着不可替代的作用。但正是云数据库的可扩展、分布式以及虚拟化的特性,导致了云数据库面对恶意行为时表现出明显的脆弱性。因此为了提高云数据库的安全性,开展针对恶意行为智能检测的相关研究是至关重要的。对粒子群优化算法进行了改进并与核极限学习机相结合,提出了一种基于改进粒子群优化和核极限学习机的恶意行为识别模型(KE-VP),通过分析云数据库上的网络流量来检测是否存在恶意行为并将恶意行为准确分类为具体的攻击类型。通过实验分析,发现KE-VP与现有方案相比具备更好的检测精度和检测效率。
    • 李二超; 高振磊
    • 摘要: 针对粒子群优化算法求解精度低、局部搜索能力差、进化后期收敛速度慢等问题,本文提出一种改进粒子速度和位置更新公式的粒子群优化算法(particle swarm optimization algorithm with improved particle velocity and position update formula,IPSO-VP).IPSO-VP算法提出一种自适应粒子速度和位置更新策略,采用基于Logistic混沌呈非线性变化的惯性权重,以此来加快算法的收敛速度、平衡算法的全局和局部搜索能力、提高收敛精度.最后将本文所提算法与6个改进粒子群算法在12个测试函数上进行寻优比较,结果表明,本文所提算法在收敛速度和寻优精度方面均优于其他6种改进算法.
    • 钱建国; 樊意广
    • 摘要: 针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型。为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度。以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证。结果表明,改进后的小波神经网络模型进行GPS高程拟合时具有更高的精度和稳定性。
    • 李腾飞; 冯翔; 虞慧群
    • 摘要: 针对大规模数据集上的特征选择问题,一种变长表示的粒子群特征选择方法(VLPSO)表现出了良好的性能。然而,其完全随机的粒子生成方式导致初始化阶段具有一定的盲目性。同时,VLPSO单一的更新机制和种群间的信息隔离也影响了模型的分类性能。为了解决VLPSO的缺陷,提出了一种基于多行为交互的变维协同进化特征选择方法(M-CVLPSO)。首先,为了改善随机初始化带来的盲目性,采用连续空间上的层次初始化策略,从期望上缩短了初始解与最优解之间的距离。其次,将粒子根据适应度分为领导者、追随者与淘汰者,在迭代过程中采用多种更新策略动态平衡算法的多样性和收敛性。同时,将维度缩减指标加入到适应度函数中,进一步增强了算法在部分数据集上的性能。从理论上证明了该算法的收敛性,并基于11个大规模特征选择数据集在分类精度、维度缩减和计算时间上进行实验分析。实验结果表明,本文算法相较于4种对比算法具有更好的综合表现。
    • 罗建超; 朱心科
    • 摘要: 为解决欠驱动自主式水下航行器的定深控制问题,建立欠驱动自主式水下航行器的数学模型,选用经典的PID控制器对其进行控制。为使控制器的各项性能指标良好,控制器的参数整定选用粒子群优化算法。粒子群算法在迭代过程中容易出现粒子早熟现象,为了避免这一现象,本文引入指数函数,对粒子群迭代公式的惯性权重进行动态调整,延长了粒子的大范围搜索时间。在Matlab 2019b环境下进行仿真,通过纵向对比,证明了改进算法的可行性,将改进后的算法与ZN整定算法进行对比,结果表明,改进粒子群算法表现更佳。
    • 张良力; 何雨健; 曾飞
    • 摘要: 驾驶工况下的无人船锂电池荷电状态(SOC)估算失准,影响船载电池管理系统运行和无人船航程控制。在分析无人船动力学模型和锂电池SOC之间关联的基础上,选取2阶RC电路等效动力锂电池内部结构,通过对单体电池实施混合脉冲功率特性(HPPC)实验辨识等效电路模型参数,建立了基于扩展卡尔曼滤波(EKF)的锂电池SOC估算系统状态方程。针对EKF模型中测量噪声协方差和系统噪声协方差带来的SOC估值偏差影响,利用粒子群优化(PSO)找寻适应度函数最优值以调整EKF模型参数,达到抑制输出值波动和减小估算误差的目的。在锂电池处于恒流放电和变流放电状态下,分别观测EKF和PSO+EKF,估算SOC数据及其误差。结果表明:PSO+EKF估算方法在稳定性和准确度方面优于EKF方法,稳定后估算误差小于0.02,对提高无人船锂电池SOC实时估算性能有实际意义。
    • 王成武; 郭志恒; 晏峻峰
    • 摘要: 应用支持向量机对心脏病患者和非心脏病患者的分类进行研究,构建心脏病预测模型,辅助医生进行心脏病诊断。选用径向基核函数构造支持向量机分类器,利用网格搜索与交叉验证相结合的方法对模型进行初步的优化,缩小参数寻优的取值范围,在此基础上使用粒子群优化算法(PSO)对模型进行进一步优化,得到模型最佳的惩罚因子C和核参数g。将优化前的支持向量机和参数优化后的支持向量机预测的结果进行比较,可看出优化后模型分类预测的结果得到了明显的提升,分类准确率提升到84.04%,灵敏度和特异度分别提升到92.73%和71.79%。通过对实验结果的观察,可看出该心脏病预测模型的分类准确率得到了提升,可应用于心脏病辅助诊断。
    • 梁秀霞; 庞荣荣; 郭鹭; 张燕
    • 摘要: 过程安全对于间歇过程生产具有重要意义,为提高间歇过程生产安全性,提出一种基于改进粒子群算法(AMWPSO)优化长短期记忆网络(LSTM)的间歇过程故障预测模型AMWPSO-LSTM。针对LSTM中的神经元个数、迭代次数、学习率等参数需要人为设置的问题,采用AMWPSO对这些参数进行自动寻优。AMWPSO在原有粒子群优化算法(PSO)中融入了自适应变异和非线性递减惯性权重,提高了PSO的参数寻优能力。由于间歇过程具有多阶段性,因此先根据模糊C均值聚类(FCM)方法对间歇过程进行阶段划分,再利用Pearson相关系数对各阶段实验数据进行相关性分析,以降低系统变量的维数,并建立各阶段T;统计量控制限作为系统是否发生故障的指标。实验以青霉素发酵过程数据为例,建立基于AMWPSO-LSTM的多阶段故障预测模型,并将该模型的预测结果与基于LSTM的多阶段预测模型、基于PSO-LSTM的多阶段预测模型的预测结果进行比较,结果表明,基于AMWPSO-LSTM的多阶段故障预测模型可取得较高的预测准确度。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号