提出了基于雜交粒子群優化算法的分布式可再生能源并網的無功優化算法，從網損和靜態電壓穩定裕度兩個角度出發，構建了含分布式發電系統的配電網無功優化的數學模型。在美國PG＆E 69節點配電系統上進行效驗。結果表明，該算法收斂性好、精度高；分布式電源并網后能有效降低系統的有功網損，提高電壓穩定性，對分布式電源并網運行具有一定的參考價值。
標簽： 分布式 可再生能源 發電 并網
上傳時間： 2014-12-24
上傳用戶：playboys0
針對傳統PID控制系統參數整定過程存在的在線整定困難和控制品質不理想等問題，結合BP神經網絡自學習和自適應能力強等特點，提出采用BP神經網絡優化PID控制器參數。其次，為了加快BP神經網絡學習收斂速度，防止其陷入局部極小點，提出采用粒子群優化算法來優化BP神經網絡的連接權值矩陣。最后，給出了PSO-BP算法整定優化PID控制器參數的詳細步驟和流程圖，并通過一個PID控制系統的仿真實例來驗證本文所提算法的有效性。仿真結果證明了本文所提方法在控制品質方面優于其它三種常規整定方法。
標簽： PID BP神經網絡 控制器 參數優化
上傳時間： 2014-03-21
上傳用戶：diets
提出了一個自適應量子粒子群優化算法，用于訓練RBF網絡的基函數中心和寬度，并結合最小二乘法計算網絡權值，對RBF網絡的泛化能力進行改進并用于特征選擇。實驗結果表明，采用自適應量子粒子群優化算法獲得的RBF網絡模型不但具有很強的泛化能力，而且具有良好的穩定性，能夠選擇出較優秀的特征子集。
標簽： RBF 神經網絡 特征選擇 中的應用
上傳時間： 2013-11-16
上傳用戶：erkuizhang
提出一種基于自適應混沌粒子群優化和支持向量機結合的非線性預測建模算法（ACPSO-SVR），引入ACPSO啟發式尋優機制對SVR模型的超參數進行自動選取，在超參數取值范圍變化較大的情況下，效果明顯優于網格式搜索算法。選取UCI機器學習數據庫中的Forest fires標準數據集進行測試，實驗結果表明該方法具有較高的精度和良好的泛化能力，對于解決多變量的回歸預測問題是一種有效的方法。最后給出了混合算法在碳一多相催化領域的兩種典型應用，在反應動力學模型未知的情況下建立催化劑組份模型和操作條件模型，以及基于混合算法的最優催化劑設計框架。
標簽： ACPSO-SVR 非線性建模 預測算法
上傳時間： 2013-10-23
上傳用戶：alibabamama
針對函數優化問題，提出了一種基于離差平方和法的粒子群優化算法。該算法用混沌序列初始化粒子的位置和速度，選擇好于粒子群優化算法產生的粒子位置。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。最后將算法應用到3個典型的函數優化問題中，數值結果比較表明，提高了算法搜索能力，全局最優解的精度和收斂速度。
標簽： Access 溫度采集系統
上傳時間： 2013-11-14
上傳用戶：hxy200501
//開發平臺：Microsoft .NET Framework 2.0，Microsoft Visual C# 2005 Express //日期：2005.3.12 //作者：劉波 //粒子群優化算法(PSO)：本算法求目標函數的最小值
標簽： Microsoft Framework 2.0 NET
上傳時間： 2015-03-15
上傳用戶：yyyyyyyyyy
用JAVA語言編寫，包括PSO（Particle swarm optimization, 中文譯名為粒子群優化或微粒群算法), DE (Differential evolution, 中文譯名為差分進化或差異演化)等算法，有一些不帶約束和帶約束的算例（如Michelawicz的幾個問題）。使用說明見usage.txt、RUNExample.bat和程序中的注釋。
標簽： JAVA 語言 編寫
上傳時間： 2014-01-06
上傳用戶：agent
在現有的道路條件下，提高交通控制和管理水平，合理利用現有的交通設施，充分發揮其能力，是解決我國現在交通問題的有效方法之一。而對單路口信號配時的優化，是城市交通區域控制的基礎，十分之重要。本文將自適應變異粒子群算法應用于交通信號配時，與傳統的信號配時方法相比較，車輛的平均延誤得到了明顯的改善。
標簽： 條件下
上傳時間： 2015-08-11
上傳用戶：aa54
圖像配準的很好的程序，里面用到粒子群算法
標簽： 圖像配準 程序
上傳時間： 2014-01-15
上傳用戶：15071087253
c++pso程序，用6個基本函數驗證的粒子群算法程序
標簽： pso 程序
上傳時間： 2015-09-30
上傳用戶：LIKE
蟲蟲下載站版權所有 京ICP備2021023401號-1
