简介：摘要介绍基本粒子群优化算法的原理、特点，并在此基础上提出了一种改进的粒子群算法。通过在粒子初始化时引入相对基的原理使粒子获得更好的初始解，以及在迭代过程中引入变异模型，部分粒子生成相对应的扩张及收缩粒子，比较其适应度，保留最佳粒子进行后期迭代，使算法易跳出局部最优。通过经典函数的测试结果表明，新算法的全局搜索能力有了显著提高，并且能够有效避免早熟问题。

简介：介绍了基本PSO算法以及两种典型的改进算法:1)全局邻域模式和局部邻域模式对粒子群优化算法的影响,全局邻域模式粒子群优化算法收敛快,但容易陷入局部极小值;局部邻域模式粒子群优化算法由于粒子倾向于在不同的局部区域搜索因而收敛速度慢,但能在较大程度上避开局部极小值;2)混沌粒子群优化算法,它具有混沌的随机性、遍历性、规律性等特性引导粒子及其组成的群落搜索全局最优解。

简介：为了实现对云计算任务进行动态实时调度,提出了一种基于改进离散粒子群算法的云计算任务调度方法.依据云计算任务调度数学模型的相关理论,提出了一种基于改进粒子群算法的云计算任务调度方法,对粒子更新方式、初始化方法以及权重因子更新方法等进行了改进,并对整体算法进行了描述.在CloudSim环境下运用改进的模型方法进行仿真实验,并与另外三种方法进行比较,结果表明该方法不仅所需总费用最少,而且收敛速度最快、用户满意度较高.

简介：随着提供新一代电力系统的智能电网的出现,居民有机会管理他们的家庭能源使用以减少能源消耗。本文提出了一个家庭能源系统模型来优化智能住宅的能源生产和消费,并将新能源发电,电池储存系统,可并网车辆和家庭可转移负荷整合在一起,通过改进粒子群算法优化,提高了可再生能源的利用率,同时降低了居民的用电费用。

简介：摘要水库优化调度可以很大程度的提高水资源的利用率，有助于缓解当前日益紧张的水资源问题。本文为缓解塔里木河下游水资源日益短缺的现状，实现垦区水资源的统一调配，首先以恰拉水库为研究对象，在分析恰拉水库实际运行的基础上，以灌溉缺水量最小和库损最小为目标，考虑水量平衡、库容等方面的约束，建立恰拉水库的优化调度模型；其次，在基本粒子群算法框架中融入模拟退火算法思想，建立基于改进后的粒子群算法的模型求解方法；最后，对丰、平、枯三个典型年分水库不同供需水情况进行优化调度。结果能够有效减少库损，改进后的粒子群算法计算精度高，跳出局部最优解的能力强，能够平稳快速地得到水库调度方案，该方法为新疆不同水库优化调度提供技术支持。

简介：摘要：为了 防止因过度开采造成的地质灾害和水资源短缺等问题出现。 本 文在分析了经典 PSO 算法 和 SVM 理论知识的基础上，建立了 W-PSO优化的 SVM 时间序列预测模型。

简介：为提高粒子群算法的搜索效率,克服分解方法处理复杂多目标问题的不足,通过考虑父代解的选择和种群的更新对算法收敛性及解的分布均匀性的重要影响,提出了一种基于分解的改进自适应多目标粒子群优化算法。首先,为提高算法收敛速度,在分解方法确保进化种群多样性的前提下,设计了新的适应度评价方法以评价个体的优劣,并将在竞争中获胜的优质后代解添加到父代候选解中;其次,为避免算法陷入局部最优,在更新粒子时,从当前粒子的邻居或邻居外随机选择个体最优和全局最优位置;最后,引入外部文档,将其作为候选的输出种群,并采用拥挤距离维持多样性,增强了算法处理复杂问题的能力。用12个测试函数的数值实验,并与5种多目标优化算法的比较,表明了所提算法的优越性。

简介：摘要本文对多目标粒子群算法的原理和数学模型做了基础记述，然后对多目标粒子群算法做了仿真测试，并使用加速因子对其线性变化进行了优化，这不仅保证了粒子群算法初步搜索时能在比较大的范围内迅速找到自身最优位置（pbest），而且利用加速因子的权重变比变化促使后期粒子群进行严格的局部搜索以便于去找到gbest位置也就是全局最优位置，使其集中向Pareto最优前沿聚集。使得在仿真结果中使用拥挤距离删除后得到的图形的最优前沿更加均匀平滑。最后利用前面所介绍的粒子群算法去解决环境经济调度优化问题，介绍环境经济调度原理以及其数学模型，在其多个不等式和等式约束下做了仿真测试，得到的数据与文献做了详细对比，表明粒子群算法在解决环境经济调度的问题中具有很大的可行性和有效性。

简介：针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示：信标节点为5个,节点总数为15时,平均定位误差为0.877m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21m增长到4.65m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82m下降到0.76m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。

简介：摘要优化变电检修计划，可以获得更加经济和理想的检修计划方案。基于这种认识，本文提出了一种基于粒子随机变异思想的改进型离散粒子群算法，能够对变电检修计划模型进行优化。从计划的优化效果来看，采用该算法可以降低变电检修成本，并使检修工作效率得到提高，因此可以为变电检修带来更多的效益。

简介：摘要由于电力系统无功优化问题具有多变量、非线性等特点，针对基本粒子群算法容易陷入局部最优解，本文提出了改进的方法，通过动态调节惯性权重w和改进位置更新策略，可以较好的平衡全局寻优能力和局部搜索能力，将改进后的粒子群算法应用于电力系统无功优化问题中，更好的解决无功优化问题。

简介：为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。

简介：摘 要：针对传统粒子群优化算法易早熟收敛的问题，提出一种基于混沌思想的改进粒子群优化算法。该算法利用混沌运动的随机性、遍历性和规律性等特征，综合了混沌初始化、惯性权重的混沌调节、位置的边界处理、陷入早熟时的混沌遍历搜索等改进措施, 改善了粒子群的随机性与多样性，较好解决了算法的早熟收敛问题。通过3个典型高维测试函数的实验测试表明：改进的混沌粒子群算法在收敛速度、寻优精度和稳定性等方面明显优于传统的粒子群算法。

简介：为了提高物联网拓扑网络的工作性能,将改进粒子群算法应用于物联网拓扑可靠性优化中。文章通过分析物联网拓扑可靠性优化的性能参数、抗毁性和生存性的指标特性,讨论基本监测区、理想监测区、一般监测区、拓扑结构的层数以及距离冗余度的基本含义,构建拓扑可靠性优化模型,研究改进粒子群算法的基本原理,提出了传统粒子群算法的缺陷、改进的基本思路和改进粒子群算法的求解流程,并进行了物联网拓扑可靠性的仿真分析,仿真结果表明改进粒子群算法具有较好的优化能力。

简介：将0—1非线性规划问题转化为约束优化问题。采用动态双目标的约束处理方法，提出了一种求解0—1非线性规划问题的改进粒子群优化算法，数值实验的结果表明，新算法具有较快的收敛速度和较好的全局寻优能力，显示了算法的有效性和通用性。

简介：摘要：在当今军用和民用领域，飞行器在目标搜索、对地攻击、空中搜救、交通巡查以及快递运输等方面发挥着重要作用。因为单架飞行器无法高效率的完成复杂任务，经常需要使用多个飞行器协同完成复杂任务。因此，多飞行器系统在复杂的任务环境实现灵活的任务，已成为重要研究内容，多飞行器协同任务分配问题已成为飞行器自主导航领域亟需解决的关键问题。多飞行器协同任务分配是指：给定飞行器的种类及数量，根据一定的物理环境信息和任务要求，将一个或多个任务分配给一个飞行器，当所有飞行器完成所分配的任务后，整个飞行器编队的整体效能达到最优。基于此，对多飞行器协同任务分配的改进粒子群优化算法进行研究，以供参考。

简介：为了改善常规PID算法在电动助力转向系统（EPS）控制中的不足,提高系统控制的精度、稳定性和抗干扰能力,采用粒子群算法（PSO）对PID控制器进行优化.根据EPS系统结构和动力学特性,建立了EPS系统数学模型.电机采用电流控制法,并以助力特性曲线中理想电流值与电机电流实际输出值的偏差作为PID控制器的输入.利用MATLAB平台建立EPS系统PID控制的整车模型,分析研究粒子群算法,并根据PSO算法优化PID控制器的参数.仿真结果表明：与常规PID控制相比,采用粒子群优化的PID控制,系统输出响应更平稳,抗干扰能力更强,鲁棒性好,控制效果更优.

简介：摘 要：城市交通的出行者是交通网络分析的对象，本文针对固定需求随机用户平衡问题，提出了粒子群优化算法并进行数值实验分析，通过构造初始解；设置约束条件控制迭代步长，根据适应度函数求出粒子自身历史最优位置和群体全局最优位置并更新速度和位置向量；同时在迭代更新过程中保证同一OD对各有效路径上流量之和等于其交通需求，最后达到设置的迭代次数，输出OD对各路径流量。结果表明用粒子群算法求解随机用户平衡问题有效可行，迭代收敛较快。

简介：摘 要：城市交通的出行者是交通网络分析的对象，本文针对固定需求随机用户平衡问题，提出了粒子群优化算法并进行数值实验分析，通过构造初始解；设置约束条件控制迭代步长，根据适应度函数求出粒子自身历史最优位置和群体全局最优位置并更新速度和位置向量；同时在迭代更新过程中保证同一OD对各有效路径上流量之和等于其交通需求，最后达到设置的迭代次数，输出OD对各路径流量。结果表明用粒子群算法求解随机用户平衡问题有效可行，迭代收敛较快。

简介：在分析传统误差反向传播(BP)算法和标准粒子群优化(PSO)算法的特征及其问题基础上,提出一种改进粒子群优化(IPSO)算法和改进BP(IBP)算法,建立基于IPSO-IBP混合算法的电力变压器神经网络故障诊断模型。通过85组训练样本和16组测试样本的仿真对比分析,该方法能够实现电力变压器不同故障的有效诊断,提高电力变压器故障模式的识别能力,故障诊断准确率高,故障诊断速度快。