简介：摘要在智能电网不断发展的大背景下，配电网络重构可以不投入额外的设备，仅通过改变线路上的开关状态，就能实现降低网损，改善电压质量的目的，其重要性日益突出。本文提出了一种基于改进量子粒子群算法的配电网络重构方法。该方法通过基于环路的十进制编码方式对粒子向量进行编码，降低了重构过程中不可行解产生的比例；引入了Logistic映射来提高初始种群的遍历能力；采用自适应调整的收缩—扩展系数α，提高量子粒子群算法的动态自适应性。最后，本文运用MATLAB仿真计算，验证了该方法的正确性、有效性和快速性。

简介：提出一种以广义柔度矩阵为损伤指标,基于量子粒子群优化算法的结构损伤识别方法.该方法根据结构损伤前后广义柔度矩阵差与结构物理参数变化关系,将结构广义柔度矩阵识别问题转化为优化问题,进而采用系统辨识能力较强的量子粒子群优化算法搜索目标函数最优值,从而达到损伤位置和损伤程度同时识别的双重效果.最后通过简支梁数值模拟对该方法的有效性进行了验证.

简介：摘要本文利用了修正的离散量子粒子群优化算法（MQPSO）对配电网网络进行重构，算法在原有的二进制粒子群基础上改进了Sigmoid函数的简单映射关系，直接利用MQPSO实现了改进粒子群自身算法直接的映射关系，提高了算法的运算效率。此外，由于配电网自身的辐射状运行特点，本文利用节点优化3步骤对配电网络进行优化，使得粒子在初始化过程中避免了不可行解的出现。最后对IEEE单馈线33节点配电系统进行了优化计算，其结果与最优解吻合，同时还证明了MQPSO算法在处理离散问题的高效性。

简介：根据支持向量机结构风险最小化原则和量子粒子群快速全局优化的特点,提出了干扰样式识别的QPSO-SVM算法。采用量子粒子群算法优化支持向量机参数,建立了干扰样式特征组分识别的模型,经过仿真试验,表明该算法具有识别率高,计算时间短的优点。

简介：为了改善冲压件加工质量,采用量子粒子群算法优化六杆压力机构并进行运动仿真.分析六杆压力机构工作过程,采用几何关系式推导冲头的位移方程式.确定设计参数,构造冲头速度优化目标函数,增加约束条件.采用量子粒子群算法优化目标函数,得出六杆最优运动参数.采用数学软件MATLAB对冲头速度进行仿真验证,输出冲头速度运动曲线.结果表明：优化后的六杆压力机构在冲压工件时,冲头速度跳动幅度较小,回程速度快.采用量子粒子群算法优化六杆压力机构设计参数,能够提高冲压件产品综合质量.

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：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：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：　　(5)将种子的最优值确定为其所在子群中所有粒子的全局最优值,种子的最优值就是同一子群中其他粒子的全局最优值,通常可以将求解的适应值函数定义为　　　　4物种形成原理算法　　　　方程组具有多个解时

简介：在分析基本粒子群优化算法的基础上,对学习因子进行非线性异步策略调整,改变其固定常数模式,平衡算法在迭代过程中的局部和全局搜索能力;同时引入活力因子,对失活粒子执行变异操作,提高种群多样性。改进算法可以提升对多维空间的全局寻优能力,避免粒子产生早熟收敛现象。将改进粒子群算法引入图像匹配优化问题中,提出了一种基于改进粒子群算法的图像匹配算法,实验结果表明,该算法具有更快的匹配速度以及更高的匹配精度,具有强鲁棒性。

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：针对局部阴影使光伏阵列呈现多峰值的现象,提出了一种基于改进粒子群的全局MPPT寻优算法。该算法首先采用大步长扰动观察法进行一次寻优,然后通过非线性动态改进惯性权重策略对粒子群算法改进,用改进粒子群算法进行二次全局寻优,最后使用变步长扰动观察法进行三次迭代寻优。仿真结果表明,混合算法能够在不同阴影条件下快速、准确地跟踪最大功率点,避免系统陷入局部最优值,具有良好的动态性、稳定性和高效性。

简介：为了提高多目标粒子群算法的收敛性和多样性,提出了一种基于最优网格距离的多目标粒子群算法（HMOPSO）。该算法是在多目标粒子群算法（MOPSO）的基础上,利用网格技术和Pareto占优排序原理,提出了一种新的全局学习样本选取策略。实验结果表明,该算法能够有效的避免早熟收敛,相比MOPSO算法,HMOPSO表现出良好的整体性能,是对标准多目标粒子群的一种有效改进。

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：为了能够准确地评价电力企业信息系统安全模型的安全性，深入地研究了改进粒子群算法在其中的应用。首先，讨论了电力企业信息系统安全模型的改进方法；其次，研究了电力企业信息系统安全模型的评价方法；最后，进行了算例分析，分析结果表明基于改进粒子群算法和RBF神经网络的电力企业信息系统安全评价模型具有较好的自适应能力，同时，对改进电力企业信息系统安全模型和传统电力企业信息系统安全模型的风险值进行对比，分析结果表明改进的电力企业信息系统安全模型更为安全。

简介：摘要:针对传统LED阵列光照均 匀性差的问题,提出了一种改进的粒子群算法优化LED的阵列分布，提高照射面的光照均匀性。通过建立光源分布的数学模型,用被照射面的均方根差作为评价函数反映阵列的均匀性。对LED阵列的光照度在光学软件Tracepro 中进行仿真模拟,得到算法优化后LED阵列分布的光照仿真结果。在Matlab 软件中得到算法仿真的收敛情况。通过比较,算法优化阵列位置后的光照度均匀性有着明显的提升。研究仿真的结果为LED阵列设计提供了一定的参考。

简介：摘要：随着工业自动化水平的提高对机器人运动效率及运动速度的要求也越来越高。在硬件算力大幅提升的条件下，本文提出了一种多自由度机械臂轨迹规划算法。为解决传统的遗传算法及标准粒子群算法容易陷入局部最优的问题，本文基于融合免疫算法的改进型粒子群算法开发了一种机械臂轨迹规划算法，基于ABBIRB-2400机械臂建立了运动学模型，并基于ROS系统的moveit模块搭建其运动学仿真模型进行仿真验证。根据仿真结果优化算法后，通过ROS系统接口对机械臂进行实际运动数据采集，证明该算法能够有效减少机器人有效运动空间内点到点的运动时间，并保证在运动过程中速度的平顺性及加速度的平滑。

简介：摘要：随着工业自动化水平的提高对机器人运动效率及运动速度的要求也越来越高。在硬件算力大幅提升的条件下，本文提出了一种多自由度机械臂轨迹规划算法。为解决传统的遗传算法及标准粒子群算法容易陷入局部最优的问题，本文基于融合免疫算法的改进型粒子群算法开发了一种机械臂轨迹规划算法，基于ABBIRB-2400机械臂建立了运动学模型，并基于ROS系统的moveit模块搭建其运动学仿真模型进行仿真验证。根据仿真结果优化算法后，通过ROS系统接口对机械臂进行实际运动数据采集，证明该算法能够有效减少机器人有效运动空间内点到点的运动时间，并保证在运动过程中速度的平顺性及加速度的平滑。

简介：摘要：本文旨在探讨井下机车的路径规划问题，并采用粒子群算法和蚁群算法为主要研究方式。对蚁群算法进行改进,主要包括优化概率选择公式、启发函数、信息素更新公式以及算法流程,分析两种算法的优缺点。仿真实验结果显示,对于最优路径和运行时间最短问题的验证改进算法,比传统算法效果更出色。