針對函數(shù)優(yōu)化問題，提出了一種基于離差平方和法的粒子群優(yōu)化算法。該算法用混沌序列初始化粒子的位置和速度，選擇好于粒子群優(yōu)化算法產(chǎn)生的粒子位置。通過離差平方和法進行聚類，利用分類方式來更新粒子的速度。最后將算法應(yīng)用到3個典型的函數(shù)優(yōu)化問題中，數(shù)值結(jié)果比較表明，提高了算法搜索能力，全局最優(yōu)解的精度和收斂速度。
標簽： Access 溫度采集系統(tǒng)
上傳時間： 2013-11-14
上傳用戶：hxy200501
基于多線程機制的，利用Matlab編寫，粒子群優(yōu)化算法。目標變量采用歸一化處理，適用于所有的優(yōu)化函數(shù)。優(yōu)化函數(shù)自定義為fitness(x)。
上傳時間： 2013-12-30
上傳用戶：banyou
各種優(yōu)化算法解決TSP問題 包括螞蟻群算法 ，粒子群算法 ，遺傳算法等等
上傳時間： 2016-06-15
上傳用戶：sunjet
很實用的群優(yōu)化智能算法，計算粒子群算法的源代碼，所需優(yōu)化的目標函數(shù)命名為fitness即可。
標簽： 智能算法
上傳時間： 2017-07-02
上傳用戶：zm7516678
本書以群智能優(yōu)化算法中的粒子群優(yōu)化（ParticleSwarmOptimization，PSO）算法為主線，著重闡述了PSO算法的基本原理、改進策略，從解空間設(shè)計、粒子編碼以及求解流程等方面進行了詳細設(shè)計與闡述。
上傳時間： 2015-03-14
上傳用戶：wd450725076
這是力氣群算法解決實際問題，與布谷鳥算法做了一個 比較，看著還行
上傳時間： 2018-06-02
上傳用戶：batcoder
在微電網(wǎng)調(diào)度過程中綜合考慮經(jīng)濟、環(huán)境、蓄電池的 循環(huán)電量，建立多目標優(yōu)化數(shù)學(xué)模型。針對傳統(tǒng)多目標粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚類分析的多目標粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，F(xiàn)CMOPSO)，在迭代過程中引入模糊聚 類分析來尋找每代的集群最優(yōu)解。與 MOPSO 相比， FCMOPSO 增強了算法的穩(wěn)定性與全局搜索能力，同時使優(yōu) 化結(jié)果中 Pareto 前沿分布更均勻。在求得 Pareto 最優(yōu)解集 后，再根據(jù)各目標的重要程度，用模糊模型識別從最優(yōu)解集 中找出不同情況下的最優(yōu)方案。最后以一歐洲典型微電網(wǎng)為 例，驗證算法的有效性和可行性。
標簽： 模糊 模型識別 微電網(wǎng) 多目標優(yōu)化 聚類分析
上傳時間： 2019-11-11
上傳用戶：Dr.趙勁帥
IIR數(shù)字濾波器是沖激響應(yīng)為無限長的一類數(shù)字濾波器，是電子、通信及信號處理領(lǐng)域的重要研究內(nèi)容，國內(nèi)外學(xué)者對IIR數(shù)字濾波器的優(yōu)化設(shè)計進行了大量研究。其中，進化算法優(yōu)化設(shè)計IIR數(shù)字濾波器雖然取得了一定的效果，但是其也有自身的一些不足；另外，基于粒子群算法以及人工魚群算法的IIR數(shù)字濾波器優(yōu)化設(shè)計也取得了較好的效果。但這些方法都是將多目標優(yōu)化問題轉(zhuǎn)化為單目標優(yōu)化問題，這種方法是將每個目標賦一個權(quán)值，然后將這些賦了權(quán)值的目標相加，把相加的結(jié)果作為目標函數(shù)，在此基礎(chǔ)上尋找目標函數(shù)的最小值，這樣做造成的問題是可能將其中的任何一種滿足目標函數(shù)值最小的情況作為最優(yōu)解，但實際上得到的不一定是最優(yōu)解。也就是說，單目標的方法難以區(qū)分哪一種情況為最優(yōu)解，這樣的尋優(yōu)模型從理論上來說是難以得到最優(yōu)解的。另外，在將多目標轉(zhuǎn)化為單目標時，各個目標的權(quán)值難以確定，而且最終只能得到唯一解。針對這些問題，本文在研究傳統(tǒng)遺傳算法、進化規(guī)劃算法以及量子遺傳算法的IIR數(shù)字濾波器優(yōu)化設(shè)計的基礎(chǔ)上，將重點研究IIR數(shù)字濾波器的粒子進化規(guī)劃優(yōu)化、遺傳多目標優(yōu)化以及量子多目標優(yōu)化。另外，由于在通信系統(tǒng)中IIR數(shù)字濾波器有廣泛應(yīng)用，并且大量采用FPGA實現(xiàn)，多目標優(yōu)化方法得到的濾波器性能也值得驗證，因此，對多目標優(yōu)化方法得到的IIR數(shù)字濾波器系數(shù)進行FPGA仿真驗證有重要的現(xiàn)實意義。 @@ 論文的主要工作及研究成果具體如下： @@ 1.分析IIR數(shù)字濾波器的數(shù)學(xué)模型及其優(yōu)化設(shè)計的參數(shù)；針對低通IIR數(shù)字濾波器，采用遺傳算法及量子遺傳算法對其進行優(yōu)化設(shè)計，并給出相應(yīng)的仿真結(jié)果及分析。 @@ 2.針對使用進化規(guī)劃算法優(yōu)化設(shè)計IIR數(shù)字濾波器時容易陷入局部極值的問題，研究粒子進化規(guī)劃算法，并將其應(yīng)用于IIR數(shù)字濾波器的優(yōu)化設(shè)計，該算法將粒子群優(yōu)化算法與進化規(guī)劃算法相結(jié)合，繼承了粒子群算法局部搜索能力強和進化規(guī)劃算法遺傳父代優(yōu)良基因能力強的優(yōu)點。將這種新的粒子進化規(guī)劃算法應(yīng)用于IIR低通、高通、帶通、帶阻數(shù)字濾波器的優(yōu)化設(shè)計，顯示了較好的效果。 @@ 3.優(yōu)化設(shè)計IIR數(shù)字濾波器時，通常將多目標轉(zhuǎn)化為單目標的優(yōu)化問題，這種方法雖然設(shè)計簡單，但是在將多目標轉(zhuǎn)化為單目標時，各個目標的權(quán)值難以確定，而且最終只能得到唯一解，不能提供更多的有效解給決策者。針對常 用基于單目標優(yōu)化算法的不足，在分析IIR數(shù)字濾波器優(yōu)化模型和待優(yōu)化參數(shù)的基礎(chǔ)上，本文研究遺傳算法的IIR數(shù)字濾波器多目標優(yōu)化設(shè)計方法，該方法將多個目標值直接映射到適應(yīng)度函數(shù)中，通過比較函數(shù)值的占優(yōu)關(guān)系來搜索問題的有效解集，使用這種方法可以求得一組有效解，并且將多目標轉(zhuǎn)化為單目標的優(yōu)化方法得到的唯一解也能被包括在這一組有效解中。@@ 4.將量子遺傳算法應(yīng)用于IIR數(shù)字濾波器多目標優(yōu)化設(shè)計，研究量子遺傳算法的IIR數(shù)字濾波器多目標優(yōu)化設(shè)計方法，并將優(yōu)化結(jié)果與傳統(tǒng)遺傳算法的多目標優(yōu)化方法進行了比較。仿真結(jié)果表明，在對同一種濾波器進行優(yōu)化設(shè)計時，使用該方法得到的結(jié)果通帶波動更小，過渡帶更窄，阻帶衰減也更大。 @@ 5.針對IIR數(shù)字濾波器的硬件實現(xiàn)問題，在對IIR數(shù)字濾波器的結(jié)構(gòu)特征進行分析的基礎(chǔ)上，分別采用遺傳多目標優(yōu)化方法量子多目標方法優(yōu)化設(shè)計IIR數(shù)字濾波器的系數(shù)，然后針對兩組系數(shù)進行了FPGA( Field-Programmable GateArray，現(xiàn)場可編程門陣列)仿真驗證，并對兩種結(jié)果進行了對比分析。 @@關(guān)鍵詞：IIR數(shù)字濾波器；優(yōu)化設(shè)計
標簽： FPGA IIR 數(shù)字濾波器
上傳時間： 2013-06-09
上傳用戶：熊少鋒
提出了基于雜交粒子群優(yōu)化算法的分布式可再生能源并網(wǎng)的無功優(yōu)化算法，從網(wǎng)損和靜態(tài)電壓穩(wěn)定裕度兩個角度出發(fā)，構(gòu)建了含分布式發(fā)電系統(tǒng)的配電網(wǎng)無功優(yōu)化的數(shù)學(xué)模型。在美國PG＆E 69節(jié)點配電系統(tǒng)上進行效驗。結(jié)果表明，該算法收斂性好、精度高；分布式電源并網(wǎng)后能有效降低系統(tǒng)的有功網(wǎng)損，提高電壓穩(wěn)定性，對分布式電源并網(wǎng)運行具有一定的參考價值。
上傳時間： 2014-12-24
上傳用戶：playboys0
針對傳統(tǒng)PID控制系統(tǒng)參數(shù)整定過程存在的在線整定困難和控制品質(zhì)不理想等問題，結(jié)合BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)和自適應(yīng)能力強等特點，提出采用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制器參數(shù)。其次，為了加快BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)收斂速度，防止其陷入局部極小點，提出采用粒子群優(yōu)化算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值矩陣。最后，給出了PSO-BP算法整定優(yōu)化PID控制器參數(shù)的詳細步驟和流程圖，并通過一個PID控制系統(tǒng)的仿真實例來驗證本文所提算法的有效性。仿真結(jié)果證明了本文所提方法在控制品質(zhì)方面優(yōu)于其它三種常規(guī)整定方法。
標簽： PID BP神經(jīng)網(wǎng)絡(luò) 控制器 參數(shù)優(yōu)化
上傳時間： 2014-03-21
上傳用戶：diets
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
