基于PSO的Kriging相关模型参数优化

Kriging插值计算过程中的相关模型参数确定是构造回归模型的关键,常用的模式搜索方法求解相关模型参数时存在计算精度依赖搜索起始点的缺点,从而导致最优解的不稳定.利用一种改进的二进制编码微粒群算法(Genetic Particle Swarm Optimization,GPSO)来求解相关函数的参数,该方法采用动态选择和调整变异算子概率的策略,克服了参数优化过程中对初始点设置的依赖问题,函数测试的性能比较表明该方法具有良好的收敛速度和稳定性.     

采用建模训练的多目标微粒群优化算法

为了避免粒子群算法在存在较多局部最优解的作用下收敛于伪最优解,文章提出一种基于分布估计的多目标微粒群优化算法(MOPSO-EDA)。在每次寻优过程中,利用分布估计算法对决策空间的粒子进行训练,通过建立较优解的概率模型,并对概率模型进行更新、采样,以得到新的粒子信息。文中使用最优值评估选取法求取微粒局部和全局最优位置。通过与其他两个著名算法(NSGA-Ⅱ、SPEA2)在GD和SP两方面进行比较,得出MOPSO-EDA获得的Pareto解具有较好的收敛性和分布性。     

基于初始种群优化粒子群算法的通信抗干扰决策引擎

针对抗干扰决策引擎对实时性能要求较高的问题,借鉴了一种基于初始种群优化的粒子群算法(IPO-PSO)。该算法通过把上一次决策的部分解作为当前初始解集的一部分,以此来优化粒子群算法的初始种群。仿真结果表明,该算法能够在不增加复杂度的情况下显著提高粒子群算法在缓变干扰环境下的收敛速度,具有较好的实时性能,更加符合通信抗干扰的应用场景。     

带惯性权重的粒子群优化算法性能仿真

粒子群优化算法是一种随机搜索算法,并能以较大概率收敛到全局最优,微粒群算法中关键参数的选择方法对算法特性有显著影响.文中针对微粒群算法中的加速常数、惯性权重、取值范围、种群规模的设置对算法基本性能的影响进行了分析.实验结果证明:选择适合的参数设置水平,能够获得稳健和高效的优化效果.     

基于微粒群的矢量量化码书设计算法

针对在LBG算法中存在初始码书的选择极易影响码书训练的收敛速度和最终码书性能的缺陷,提出了一种基于微粒群的矢量量化码书设计算法.首先产生具有一定全局性特点的初始码书,然后再应用LBG算法进行优化得到同时具有局部特性的码书.实验结果验证了该算法的合理性.     

基于免疫机制的PSO算法中IIR数字滤波器设计

针对微粒群算法(PSO)在搜索过程中粒子的多样性差,易陷入局部最优且收敛速度慢等缺陷,将生物免疫系统中克隆选择机制和独特型免疫网络理论引入到微粒群优化算法中,提出了一种基于免疫机制的PSO优化算法(SOIM)并将其用于IIR数字滤波器的设计.该算法结合了微粒群算法的全局寻优能力和免疫多样性保持机制,改善了微粒群算法摆脱局部极值点的能力,提高了算法的收敛速度.仿真结果表明该算法在多模态搜索空间中具有更好的全局收敛性能和稳定性,是一种有效可行的IIR数字滤波器设计方法.     

一种求解连续对象优化问题的改进蚁群算法

蚁群算法在搜索过程中容易陷入局部最优解，且不适用于连续对象优化问题。文章针对这些问题．采用信息量变异、引入微粒群操作等方法进行改进，提出了一种引入微粒群操作的改进蚁群算法，并应用于求解连续对象优化问题。对几个典型复杂连续函数优化问题的测试研究表明，该改进算法不仅跳出局部最优解的能力更强．而且能较快地收敛到全局最优解，表明了算法的有效性。     

具有量子行为的粒子群优化算法惯性权重研究及应用

在研究惯性权重对基本PSO算法影响的基础上,根据惯性权重对粒子群算法影响的特点,采用4种惯性权重策略对一种新的具有量子行为的粒子群算法的速度进行调节,比较每种算法的性能,从中找到一种新的性能更好的改进算法,将其用于求解0-1背包问题。实验结果表明较好地选择惯性权重参数对算法的性能有很大提高,该改进算法在求解0-1背包问题中具有高效性,提高了最优解的精度,同时具有较快的收敛速度。     

一种改进的ELM及其在光伏发电上的应用

为了改善极限学习机(Extreme Learning Machine,ELM)收敛速度慢、预测精度不稳定、隐层神经元对网络参数敏感度低等缺点,文中提出了粒子群(Particle Swarm Optimization,PSO)并行模拟退火(Simulated Annealing,SA)优化ELM的算法(APSO-ELM)。该算法首先通过对ELM随机产生的初始权值和阈值进行优化,进化出较优解,然后对每组解进行模拟退火,从而提高算法摆脱局部极值点的能力,最后将优化退火后的解集,用来预测ELM的输出。算法仿真结果表明:改进的ELM可有效解决粒子群寻优过程易陷入局部最优的问题,其预测精度、收敛速度、隐层神经元的敏感度均优于其他常见ELM扩展算法。将改进的ELM应用在光伏发电输出功率预测上,可以预测光伏发电输出功率的变化规律,精度较高。     

用改进的列生成算法优化异构WSN生命周期

研究了无线传感器网络(WSN)中有路由需求的静止目标实时覆盖问题,重点解决在保持对不同种类、不同需求的目标覆盖情况下,如何通过对路由的调度最优化网络的生命周期.在对问题进行数学建模后,提出改进的列生成算法,它把基于列生成的算法与可取得较好初始可行基加快收敛速度的随机选择算法结合起来,并且改进算法终止条件进一步加速收敛,进而求得最优解.实验探究了网络参数(如初始可行基、通讯半径等)对网络寿命的影响,验证了算法的有效性,该算法可对建立实际的系统提供指导.     

空间映射粒子群算法用于电磁优化计算

将粒子群算法与空间映射算法相结合,提出了一种空间映射粒子群优化算法,并用于电磁问题的优化计算.算法实现过程中,将电磁仿真计算中精确网格剖分的计算模型作为精确模型,将粗糙网格剖分计算模型作为粗糙模型,在粒子群算法中计算粒子适应度前,使用粗糙模型结合基于卡尔曼滤波的映射关系,估计出粒子是否对算法最优解更新有效,并对有效的部分粒子做适应度计算,可以很大程度上减少算法的计算耗时.通过E型贴片天线和谐振腔缝隙天线的优化仿真说明了本算法的有效性.     

Analog circuit design optimization through the particle swarm optimization technique

This paper details the Particle Swarm Optimization (PSO) technique for the optimal design of analog circuits. It is shown the practical suitability of PSO to solve both mono-objective and multiobjective discrete optimization problems. Two application examples are presented: maximizing the voltage gain of a low noise amplifier for the UMTS standard and computing the Pareto front of a bi-objective problem, maximizing the high current cut off frequency and minimizing the parasitic input resistance of a second generation current conveyor. The aptness of PSO to optimize difficult circuit problems, in terms of numbers of parameters and constraints, is shown.     

粒子群优化算法在海杂波参数优化中的应用

以具有对数正态分布和高斯谱特性的海杂波产生为例,根据零记忆非线性变换法（ZMNL）的原理,将海杂波的产生转化为参数优化问题,并用粒子群优化算法（PSO）进行求解,最后还将仿真结果与遗传算法进行了比较。讨论了用PSO进行参数优化的具体实现过程,并找到了较优的滤波器系数,得到满意的杂波谱特性。仿真结果表明,该方法完全可应用到海杂波的产生方法中。     

细菌觅食差分粒子群算法的无功优化方法

电力系统无功优化是以网损最小化且保持良好电压水平为目的。提出了细菌觅食差分粒子群算法（DEBFO）,并首次应用于电力系统无功优化问题。趋化操作的交叉算子可提高局部搜索能力,变异算子可加强全局搜索能力,繁殖操作使细菌寻优速度加快,迁徙操作避免了细菌早熟。Matlab仿真结果表明DEBFO具有较强的全局寻优能力,收敛速度快,鲁棒性好,能够更有效地解决电力系统无功优化问题。     

基于混沌优化的双种群量子粒子群算法

提出了一种基于混沌优化的双种群量子粒子群算法(BCQPSO)。算法利用混沌序列随机生成两个种群,在子种群中惯性权重分别采用不同的更新策略,并通过种群间的融合和变异进行信息交互,提高了算法的收敛速度和解空间的遍历范围。仿真实验结果表明,所提算法具有很好的搜索能力和优化效率。     

Peak-constrained least-squares optimization

We presented the basic concepts for peak-constrained least-squares (PCLS) optimization in previous papers. We present advanced PCLS optimization concepts in this paper. This paper discusses only a few of the many ways that PCLS design problems can be formulated. We believe that the PCLS optimality criterion can be customized to fit virtually any practical application. For example, PCLS optimization can readily be used to design equalizers in the prefilter-equalizer or interpolated FIR implementations of filters     

CMOS circuit optimization

In this paper, optimization algorithms for CMOS circuits are described, from the propagation delay time viewpoint. The propagation delay time for a CMOS in erter is calculated for a step function input. A classical model of I–V characteristics for a MOSFET and the worst case Sah model for inter-electrode capacitances of a MOSFET are used for this deduction.     

GSM网络优化中KPI指标优化问题的分析

网络优化是在分析网络状况基础上,对系统参数和网络设备做出调整,从而使网络达到最佳运行状态.本文从网络统计指标优化入手,通过分析GSM网络掉话率、切换成功率等KPI指标的优化过程,得到引起网络掉话现象的原因和导致切换失败的因素.最后结合GSM网络具体优化案例,进一步分析并验证KPI指标的优化对整个网络性能的影响.     

改进微粒群算法优化PID参数的研究

微粒群算法是一种新的随机优化算法,算法通过微粒间相互作用发现复杂搜索空间中的最优区域,该算法具有搜索速度快、寻优能力强、算法简单等特点,但也存在普遍的缺点。本文基于微粒群算法容易陷入局部极值和收敛速度慢的缺点,提出一种新的改进算法,介绍了将改进微粒群算法用于PID控制器参数优化的方法,算法实现流程,并结合Matlab强大Simulink系统仿真功能证明了改进算法的有效性,其性能优于经验公式和遗传算法。     

基于离散三值粒子群算法的MPRM电路面积优化

Having the advantage of simplicity,robustness and low computational costs,the particle swarm optimization (PSO) algorithm is a powerful evolutionary computation tool for synthesis and optimization of ReedMuller logic based circuits.Exploring discrete PSO and probabilistic transition rules,the discrete ternary particle swarm optimization(DTPSO) is proposed for mixed polarity Reed-Muller(MPRM) circuits.According to the characteristics of mixed polarity OR/XNOR expression,a tabular technique is improved,and it is applied in the polarity conversion of MPRM functions.DTPSO is introduced to search the best polarity for an area of MPRM circuits by building parameter mapping relationships between particles and polarities.The computational results show that the proposed DTPSO outperforms the reported method using maxterm conversion starting from POS Boolean functions.The average saving in the number of terms is about 11.5%;the algorithm is quite efficient in terms of CPU time and achieves 12.2%improvement on average.