粒子群算法

摘要： 为提升冠状动脉粥样硬化性心脏病的防治水平,赋能智慧医疗,以心内科医疗信息化数据为对象,对冠状动脉粥样硬化性心脏病早期预测方法展开研究。阐述了从医疗信息系统中采集模型所需样本的数据筛选、数据清洗、文本预处理、文本表示以及特征归一化方法流程,提出了一种基于粒子群优化的随机森林预测方法。该方法以k折交叉验证平均准确率为目标函数,能够自适应优化随机森林的模型参数,从而提升模型的分类能力。实验结果表明,在真实世界冠心病数据的预测上,该方法具有较高的预测精度,准确率为87%,灵敏度为87%,特异度为88%,AUC为0.91,较未优化的随机森林具有明显的提升。因此,对冠状动脉粥样硬化性心脏病的早期预测应用具有一定的参考价值。

摘要： 生命探测雷达在航空航天领域有着重要的应用,通过探测飞行员的呼吸、心跳、肢体动作等微弱信号,实现对飞行员的生命监测。针对实际场景中生命体微弱信号检测困难的问题,提出一种将包络熵作为粒子群算法适应度函数的变分模态分解(variational mode decomposition,VMD)参数优化算法。首先,利用粒子群算法对适应度函数进行选择,确定VMD算法中固有模态分量的分解层数以及惩罚因子个数的组合;其次,通过频谱分析选择特定层数的固有模态分量并重构雷达回波信号;最终达到去除噪声,提取生命体弱信号的目的。对比实验表明,所提出的方法相比经验模态分解算法能够更加准确地提取生命体信息,仿真结果验证了算法的有效性。

摘要： 为解决传统可再生能源供给系统在实际应用中由于受到周围环境影响因素的干扰,发电量无法达到预期,并且无法实现对可再生能源的高效利用问题,文章开展了基于粒子群算法的可再生能源供给系统优化设计研究。硬件设计:监控传感器优化选型、制冷热机选型等;软件设计:构建多目标可再生能源供给模型、基于粒子群算法的可再生能源互补逻辑生成等,提出一种全新的供给系统。通过实验证明,优化后的系统发电量更多,实现了对可再生能源的高效利用。

摘要： 在局部遮荫条件下,传统最大功率点追踪(MPPT)算法容易失效,群智能优化算法追踪时间较长。为此,提出了一种基于蝙蝠与粒子群混合优化(BPSHO)的MPPT算法。在算法的前期,采用蝙蝠算法;在算法中后期,采用粒子群优化算法。按照指数规律调节算法的参数,并在算法的中期加入局部搜索机制。仿真与实验结果表明:BPSHO算法能够准确地跟踪到最大功率点,跟踪时间只有粒子群优化算法的一半左右。

摘要： 针对现有风速预测精度不高等问题,选择一种组合核函数的支持向量机回归模型(SVR),根据粒子的适应度动态自适应地调节算法中惯性权重取值的改进粒子群优化算法优化模型参数,建立基于改进PSO-SVR的短期风速预测模型,通过实例研究验证该方法的有效性与实用性。

摘要： 针对分布式驱动电动汽车的稳定性控制问题,首先设计了基于卡尔曼滤波算法的质心侧偏角观测器以解决车辆质心侧偏角难以获取及准确性问题,其次针对车辆转矩分配策略提出了一种分层控制策略。上层控制器利用滑模变控制结构计算车辆维持稳定时所需主动横摆力矩大小,下层控制器利用主动横摆力矩结合整车动力学模型构建以最小轮胎负荷率为目标的约束矩阵,并采用粒子群算法进行转矩优化分配。在Matlab/Simulink仿真环境下进行仿真分析,搭建了七自由度整车模型、二自由度线性模型以及魔术轮胎模型,仿真结果表明车辆可以很好地跟随侧偏角、横摆角速度期望值,并具有较低的轮胎负荷率,证明了该控制策略的有效性。

摘要： 量子粒子群算法是一种应用广泛的智能种群优化算法,但是由于其后期种群多样性快速下降,导致在计算多峰优化问题时,容易陷入局部最优点。为了改进其搜索性能,本文通过改进Tent混沌映射并将其融入算法中,提出一种改进的量子粒子群算法。该算法通过对粒子分组设置,并进行不同策略的混沌搜索,充分利用混沌搜索的随机性和遍历性来提高种群的多样性,从而增强算法的全局搜索能力和提高算法收敛精度。为了评估改进算法,本文将改进算法与其他粒子群算法分别求解标准测试函数,仿真结果表明,改进算法具有更好的搜索性能。

摘要： 传统方法构建的惯量辨识模型,未考虑新能源接入电网的比例系数,一定程度上降低了惯量辨识精度。鉴于此,构建了新能源高渗透率区域电网等效频率响应模型,以更准确还原区域电网惯量水平。针对需辨识的区域惯量参数,采用多目标优化平台PlatEMO上多种主流优化算法进行参数辨识及其辨识精度比较。仿真结果表明了辨识方法的可行性,同时表明粒子群一类算法在辨识该类闭环模型参数时,在精度上和辨识速度上具有较明显优势。

摘要： 为了提高计算机智能配色技术在木材染色配方预测中的精度与效率,研究运用Stearns-Noechel模型建立木材染色配方预测模型,并采用粒子群算法对建立的模型进行参数优化,不断修正配比量系数Δc与参数M,获取色差最小时的配比量c值与最佳的参数M值。最后获取拟合光谱反射率曲线与标准反射率曲线,计算拟合色差值ΔE并输出相应参数值作为预测配方。结果表明:以水曲柳为染色基材时,对参数M采用循环赋值法得到的最佳配方其平均相对偏差为0.643%,平均拟合色差为0.720。基于粒子群改进的Stearns-Noechel模型对染色木材的配色效果有明显提高,在木材染色配色行业具有一定使用价值。

摘要： 针对移动监测型传感器种类不同且位置可变的特性,确定LCC/S磁谐振耦合机构工作模式。由于该型无线电能传输系统谐振补偿拓扑参数配置困难,使得系统难以同时兼顾输出效率与输出功率,提出一种以系统传输效率为目标函数,以传感器移动范围内所需功率为限制条件的约束模型;然后引入罚函数将约束模型转化为无约束模型,通过粒子群算法进行参数优化,使得系统在满足传感器所需功率的同时传输效率最大化。最后通过仿真验证了所提优化方法的有效性。

摘要： 本文研究了基于粒子群算法的无人机航迹规划问题.建立了无人机航迹规划问题的数学模型,包括无人机任务环境建模和无人机航迹代价函数建模,在此基础上利用基本粒子群算法、标准粒子群算法以及两种改进粒子群算法对航迹规划问题进行迭代寻优和仿真实验,并简要分析了仿真实验结果.

摘要： 全球卫星导航系统已经广泛地运用在社会生活的各个领域,随之而来的一个突出的问题是卫星导航受到的干扰也越来越多,在重点区域重点部门,导航性能质量显得尤为重要.特别是战时状态下,敌方除了运用直接摧毁卫星方式以外更多的是利用电磁手段对接收机进行强干扰,使其不能正常工作.本文基于信号方位角具有空间稀疏性的特征,对干扰信号进行波达角(DOA)估计.利用压缩感知具有对稀疏信号压缩采样优势,引入到卫星导航信号捕获终端抗干扰技术中,产生了自适应天线波束成型算法.并对压缩感知的自适应天线波束成型算法进行了改进,提出了基于改进粒子群算法的压缩感知方法(CS-IPSO),将其运用在导航信号捕获中,对信号波达角和信号强度进行估计.仿真实验表明该算法在降低接收机存储数据的同时保证卫星导航信号恢复的有效性,为未来抗干扰接收机的设计的可靠性提供了一种新思路.

摘要： 球团矿作为高炉入炉的必备原料,其冶金性能直接影响铁水质量和高炉顺行,对球团矿进行入炉前的质量检测不可或缺.本研究采用粒子群算法,对影响球团矿质量的指标进行了分析,最终确定以球团物理性能指标中的抗压强度作为球团质量优化的质量指标,并选取其它影响因素作为约束条件,建立球团工艺参数的优化模型,经过迭代,得到各个选取变量的最优值,为球团矿的制备提供了指导.

摘要： 货运量,货物周转量的预测是铁路货运结构部署,优化货运组织,提高货运效率的重要参考依据之一.本文基于对各预测方法的研究,提出了基于粒子群算法(PSO)的支持向量回归机(SVR)铁路货运量,货物周转量的预测算法.在铁路货运量,货物周转量的历史数据中选取条件属性和决策属性.嵌入粒子群算法(PSO),对核函数参数和惩罚因子进行寻优.求解支持向量回归机(SVR)对货运量和货物周转量预测,并与移动平均法,指数平滑法,自回归移动平均法进行精度比较.结果表明,PSO-SVR预测提高了预测精度,与实际铁路货运量,周转量的平均绝对百分比误差分别可控制在2％和4％以内,并且该方法可广泛运用到各品类货物的运量预测中去.

摘要： 本文研究现有的混合动力驱动能量管理理论,通过运用粒子群优化算法离线仿真出最优参数和基于全局SOC规划的能量分配策略,在车辆运行过程中依据车辆行驶状态选择电池SOC的发电值及发动机参与工作的需求功率为参数,开发智能的混合动力系统能量管理算法.通过CRUISE软件进行建模实现,选取城市客车循环工况进行仿真,分析结果表明,所研究的整车控制策略能够达到节约燃油的目的.

摘要： 高速公路路基沉降的准确预测对高速公路病害预防和治理有着极其重要的指导意义.以往的路基沉降预测模型多为单一模型或简单改进模型,提出了一种基于粒子群与Markov优化的PMIGM(1,1)预测模型.首先,基于灰色理论,提出了改进的IGM(1,1)预测模型;然后,利用Markov理论对IGM(1,1)预测模型的相对残差序列进行修正,使得该模型能反映数据的波动特征,得到了MIGM(1,1)预测模型;在此基础上,采用粒子群算法对残差序列参数进行白化,建立了PMIGM(1,1)预测模型.将该预测模型应用于云南保施高速公路高填方路基,分析结果表明该模型可提高预测模型的精度.

摘要： 结合当下城市设计中土地综合利用以及建筑功能复合的要求,尤其在例如主题公园、综合文化产业园、城市景观带的设计中,能够到达所有功能地块以及指定地点的综合性流线设计成为一个相当复杂的问题.目前,在城市与建筑复合功能空间中进行的连接多目标点的流线设计,多是基于有限认知下的感性设计:设计缺乏科学依据支撑,过程中缺失实时反馈评价机制,并在目标点数量激增时易产生混乱,导致空间路径无法准确控制和评价.研究算法设计,为复杂功能条件下的多目标点综合流线设计提供可行的算法原理和生成工具,能够为城市设计领域中路径规划问题提供可行的,精确的解决方法.本研究着眼于上述城市与建筑复合功能空间路径生成方法的建立,实现基于功能属性和场地要素的功能流线自生成,并提供实时评价功能和路径优化选择工具.研究方法是,通过针对路径优化理论分析,选定最小绕行网络理论实现路径生成;针对地块或空间功能属性要求和环境要求,提取路径规划规则,提供路径优化用的评价函数;利用粒子群算法对初始直接路径网络进行优化,得出符合评价函数要求的控制点集;进而利用控制点集构建基于最小绕行网络的路径自生成模型.研究结合可视化和互动式设计,为城市与建筑复合功能空间路径规划问题提供设计指导.

摘要： 风速多步预测研究对超高层建筑、桥梁、高速铁路抗风和风电场平稳运行有重要意义.本文基于目前常用的"分解—预测—重构"策略,提出一种改进经验小波算法,用于实测非平稳风速分解,并建立最小二乘支持向量机预测模型对分解得到的子信号开展多步预测,粒子群优化算法被用来优化最小二乘支持向量机核参数和惩罚参数.对两组实测非平稳台风进行风速多步预测试验,并引入集合经验模态分解和离散小波变换作为对比.试验结果表明,改进经验小波变换能显著提高非平稳风速多步预测精度.

摘要： 风速多步预测研究对超高层建筑、桥梁、高速铁路抗风和风电场平稳运行有重要意义.本文基于目前常用的"分解—预测—重构"策略,提出一种改进经验小波算法,用于实测非平稳风速分解,并建立最小二乘支持向量机预测模型对分解得到的子信号开展多步预测,粒子群优化算法被用来优化最小二乘支持向量机核参数和惩罚参数.对两组实测非平稳台风进行风速多步预测试验,并引入集合经验模态分解和离散小波变换作为对比.试验结果表明,改进经验小波变换能显著提高非平稳风速多步预测精度.

摘要： 风速多步预测研究对超高层建筑、桥梁、高速铁路抗风和风电场平稳运行有重要意义.本文基于目前常用的"分解—预测—重构"策略,提出一种改进经验小波算法,用于实测非平稳风速分解,并建立最小二乘支持向量机预测模型对分解得到的子信号开展多步预测,粒子群优化算法被用来优化最小二乘支持向量机核参数和惩罚参数.对两组实测非平稳台风进行风速多步预测试验,并引入集合经验模态分解和离散小波变换作为对比.试验结果表明,改进经验小波变换能显著提高非平稳风速多步预测精度.

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： 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： 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： 一种优化Hooke‑Jeeves算法的方法及装置，涉及混合优化算法领域。现有传统单一优化数学算法在解决多能源系统优化问题时存在优化不易收敛、优化结果容易局部最优或局部搜索能力不足、对初始值敏感，且计算时间长，占用资源较多，难以做到较强局部搜索能力与高效全局寻优性的兼顾。未解决上诉提到的传统单一优化数学算法中存在的问题，本申请提供了一种优化Hooke‑Jeeves算法的方法，在HookeJeeves算法中加入粒子群算法，具体为：通过在粒子群算法对初始值的迭代结果不满足结束条件的情况下，在重新进行迭代之前将当前得到的粒子的极值利用所述的HookeJeeves算法进行优化，得到优化数据；将得到的优化数据返回所述的粒子群算法的上层步骤进行再次运算。适用于解决多能源系统优化的应用。

摘要： 本发明涉及一种遗传算法与粒子群算法并行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，进行遗传操作，产生子代种群1，同时进行粒子群进化操作，产生子代种群2；S5，将子代种群1和子代种群2合并，并按照适应度排序，取适应度高的个体组合为子代种群3；S6，将子代种群3继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法后期效率低下、粒子群算法容易陷入局部最优解的问题，提高进化算法的优化效率和优化效果。

摘要： 本发明涉及一种基于粒子群算法的磁纳米粒子体积分数优化方法，包括以下步骤：步骤S1:构建生物组织模型；步骤S2：采用二分法，计算生物组织模型的所需磁纳米粒子总产热值；步骤S3：基于所需磁纳米粒子总产热值，采用粒子群优化算法对磁纳米粒子体积分数进行优化以获得所需磁纳米粒子体积分数的最小值以及磁纳米粒子半径、外加交变磁场频率和峰值强度。本发明，能够确定在产热足够的情况下所需磁纳米粒子体积分数的最小值，并获得此时所需要的磁纳米粒子半径、外加交变磁场峰值强度和频率，进一步提升磁纳米粒子的产热效率。

摘要： 本发明涉及一种选择多目标量子粒子群算法领导粒子的方法。过将多目标量子粒子群算法的帕累托前沿分区拉直，在每段分区拉直的帕累托前沿中随机选择一个坐标，再选择距离该坐标最近的解作为领导粒子，引导该分区种群的搜索，使帕累托前沿中解密集度较高部位中对应的粒子被选为领导粒子的概率低，解密集度较低部位对应的粒子被选为领导粒子的概率高，从而让帕累托前沿分布更均匀。本发明方法能够使得帕累托前沿分布更均匀。

摘要： 本发明涉及数据密集型科学工作流技术领域，特别是一种基于改进二进制粒子群算法的科学工作流任务调度算法。主要技术特点是：改进二进制粒子群算法，该算法提高了最优解的探测能力，所得最优解具有更好的实际调度效率和成本，提高了资源利用率。按照粒子群算法的寻优模式，粒子在飞行过程中，粒子越来越靠近最优粒子，位变化概率应该越小，而二进制粒子群算法反而越大，影响算法的搜索能力。提出的算法基于粒子群算法的寻优模式进行调整，粒子速度作为粒子位置的修正项，在对二进制粒子群算法进行改进中，速度迭代公式仍保持不变，速度归一化公式sigm函数以及位置迭代公式进行修整。

摘要： 本发明涉及一种基于遗传算法与粒子群算法相结合的流水车间调度方法。该方法适用于车间调度领域，该算法针对其容易发生早熟、收敛速度慢、后期搜索性能和个体寻优能力降低等缺点将粒子群算法和遗传算法相结合，不仅增加了粒子的多样性，还降低了算法因后期种群过于密集而陷入局部最优的可能，加速了进化过程提高了收敛效率和群体搜索性能。

摘要： 本发明公开了一种基于粒子群算法和遗传算法混合的救援规划方法。属于资源调度路径优化领域，步骤：将城市进行网点规划；在网格化城市时要将重点的地点进行标记；当执行任务时，调度中心接收实时道路情况，在网图上做出标记；当救援任务下达到调度中心时，调度中心根据救援任务的紧急程度做出事故评级，事故评级用来设定最大救援成本；设置优先值，救援力量选择救援路径到达事故点救援，再将伤重者送往医院，最后返回调度中心。本发明对潜在的调度路径进行网格化建模；将出勤救援期间的道路的情况(可通行，拥挤情况)进行汇总，避开不可行道路；使用遗传算法计算出不同路径之间的成本；此发明为资源调度路径优化方面的研究提供新的思路。