基于最速下降法改进的人工蜂群算法

针对基本人工蜂群算法求解优化问题时存在收敛精度低、搜索盲目性大的缺点,提出一种基于最速下降法改进的人工蜂群算法.算法利用最速下降法简单、计算量小的特点,对基本人工蜂群算法中经过limit次更新后没有得到改善的蜜源进行更新,它结合了基本人工蜂群算法较强的全局搜索能力和最速下降法快速精确的局部搜索能力,能够有效避免基本人工蜂群算法中的某些盲目的无意义迭代.经过9个标准测试问题的仿真试验表明,所得的人工蜂群算法具有比基本人工蜂群算法更快的收敛速度和更高的求解精度.     

基于BPSO-RBF神经网络的网络流量预测

为了提高网络流量的预测精度,针对网络的时变性和混沌性,提出一种反向学习粒子群优化神经网络的网络流量预测模型(BPSO-RBFNN)。首先将网络流量样本输入到RBF神经网络进行学习,采用引入反向学习机制的粒子群算法优化参数,然后建立网络流量预测模型,最后采用仿真实验对模型性能进行分析。结果表明,BPSO-RBFNN可以描述网络流量的时变性、混沌性变化趋势,网络流量预测精度得以提高,具有较好的实际应用价值。     

一种动态分级的混合粒子群优化算法

针对粒子群算法早熟收敛和搜索精度不高的问题,提出一种动态分级的混合粒子群优化算法．该算法采取３种级别的并行粒子群算法,分别用于全局搜索和局部搜索及二者的结合,并根据搜索阶段动态调整各种级别中并行变量的数目．在全局搜索中,将混沌机制引入算法中以增强算法的全局搜索能力;在局部搜索中,采用单纯形法对适应度最优解进行局部寻优．仿真实验表明,该算法比其他优化算法具有更好的性能．

     

基于SFC实现聚合釜批量加料控制

简要说明了SFC语言及聚合釜批量加料工艺的特点。介绍了基于SFC语言实现聚合釜批量加料控制的整体思路和策略,并给出了SFC顺序控制程序的基本元素及部分源程序     

LQR控制与PID控制在单级倒立摆中的对比研究

本文在单级倒立摆系统模型的基础上,介绍设计LQR控制器和PID控制器的基本原理,并通过对单级倒立摆系统的控制仿真实验对比研究两种控制方法,给出了相应的结论。     

基于MODBUS的EVIEW触摸屏与单片机系统的通讯实现方法

随着自动化领域对人机界面要求的提高，触摸屏在这领域得到越来越广泛的应用。本文介绍了一种基于MODBUS通讯协议的EVIEW触摸屏与自主开发的单片机系统的通讯方法。     

一种改进的混沌量子粒子群优化算法

通过将量子粒子群优化算法和佳点集法相结合,提出一种改进的混沌量子粒子群优化算法,用于解决复杂函数问题。将佳点集融合到量子粒子群算法中,以提高解空间的遍历性,对函数实现全局寻优。用混沌序列改变惯性权重 w,调节粒子群优化算法的全局和局部寻优能力。采用线性递减速度比例收缩因子η提高搜索速度,避免早熟收敛。用量子Hadamard门对量子编码进行变异,增强种群的多样性,促使粒子跳出局部极值点。对典型复杂函数的仿真结果表明,该混合算法寻优效率高、收敛速度快,能有效避免早熟收敛。     

动态调整惯性权重的粒子群优化算法

针对高维复杂优化问题,提出一种改进适应度函数和动态调整惯性权重的粒子群优化算法.首先考虑了搜索点的函数值及其变化率,并将该信息加入适应度函数.利用维惯性权重矩阵自适应动态调整惯性权重,较好地平衡了算法的全局探索和局部开发,并分析了惯性权重随种群多样性的变化关系.在算法后期计算每一维的收敛度,以一定的概率对收敛度最小的维进行变异,以加快算法的收敛速度.对高维测试函数的实验表明,算法提高了全局搜索能力.     

遗传算法在游戏开发中的应用

本文简要介绍了游戏人工智能的发展现状,遗传算法的实现原理及过程,分析了基于规则的游戏人工智能存在的不足之处,重点介绍了遗传算法在解决这些问题时的优势以及具体的处理过程。     

基于物种选择的遗传算法

分析了以往的遗传算法适应度函数设计通常只针对目标函数,而没有考虑自变量.将物种的概念引入遗传算法,提出了根据种子到当前最优点的距离将种群分为两个物种,一个为当前最优物种,另一个为物种仓库,对此两个物种分别以不同的交叉概率和变异概率进行遗传运算,用以平衡种群的"选择压力"和"种群多样性".数值结果表明了本方法的有效性和稳定性.