二维分母可分离状态空间滤波器的PSO实现

基于Deb在文献[1]中所提出的思想和竞争型神经网络[2]的特点,提出了PSO的一种改进算法。并利用该算法对二维分母可分离状态空间滤波器进行仿真,结果表明所改进的算法不仅能有效地提高SSE的收敛速度,而且使收敛过程更趋平滑。     

基于时序InSAR的改进型PIM矿山采空区沉降模型构建与应用

利用InSAR监测矿山采空区地表沉降的过程中易在沉降中心周围产生失相干现象，导致形变结果缺失，无法获取准确的沉降区模型。基于此，提出了一种结合时序InSAR与PIM(Probability Integral Method)的监测方法，以云南省玉溪市大红山铁矿地下采区某工作面为研究对象，首先计算出时序InSAR累积沉降量，并提取其沉降区边缘的高相干点，结合少量沉降中心水准点，利用改进型PSO(Particle Swarm Optimization)算法获取PIM参数，并通过克里金插值法建立采空区地表整体沉降区模型，利用少量水准点数据对该方法的可靠性和精度进行验证，结果表明，该方法获得的沉降区分布与实际相吻合，其沉降区监测精度比单独使用时序InSAR或PIM的更高，可用于矿区地表沉降信息的准确获取。     

基于PSO优化的RBF神经网络在地震测井联合反演中的应用

目前,钻井地质特征参数的获得主要依赖于地震、测井资料,对待钻井而言,则只有地震信息.而若缺乏详细的地质信息,利用地震信息很难精确地推算各种地质参数.可首先利用已钻井地震信息和测井信息的映射关系,结合待钻井的地震信息,来预测待钻井的测井信息.采用PSO优化的RBF神经网络算法进行地震测井反演,并将该算法应用于准噶尔盆地永字号井.该算法与最小二乘RBF神经网络算法和梯度下降RBF神经网络算法相比,在平均绝对误差、平均相对误差、最大误差、相关系数、数据方差以及收敛速度等方面都是最优的.     

GO游戏的新玩法——PSO BROADBAND ADAPTER

恭喜你成功分派来NGC市警察局！从现在开始我们这些前辈警官会好好照顾你的，让我们一起期待吧！     

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.     

粒子群算法在新安江模型参数率定中的应用：性能分析及参数选择

本文采用测试流域的实测降雨、蒸发、径流数据，重点研究在应用PSO算法率定新安江模型参数过程中，PSO算法本身参数的设定对整个率定过程的影响，并给出针对该问题的最优PSO算法参数区间。尽管PSO算法在各种不同问题的应用过程中并不存在普适的参数组合，本文找寻的最优参数组合也只是针对在应用PSO算法率定新安江模型参数过程中的一组性能较好的算法参数组合，但是本文为如何找寻适合特定应用情况下的PSO算法参数的做法给出了一种借鉴。另外，本文根据选取的适应于新安江模型参数率定的最优PSO算法参数将率定过程运行50次，以此分析了PSO算法的效率和算法的稳定性。     

基于PSO的队伍演化算法

粒子群优化算法(PSO)由于其原理简单、较易实现等特点,得到广泛研究和应用.为加快优化速度,提高收敛精度,文中提出基于PSO的队伍演化算法.该算法将优化过程分为两个阶段: 第一阶段为保持多样性,把队员分成若干个初级队伍并行优化,形成高级队伍; 后一阶段为提高收敛速度,仅优化高级队伍.在整个优化过程中,根据评估队员所取得的成绩,动态控制队员的调整步长和最大调整空间,同时产生教练组,为队员的进步方向提供指导.通过高维多峰测试函数进行测试对比,验证文中算法的优越性和有效性.     

基于特征构造和改进PSO算法的分布式光伏功率预测

分布式光伏由于其历史数据缺乏,光伏出力的预测精度不高,提出改进粒子群优化算法(PSO)+长短时记忆网络(LSTM)与注意力机制结合的神经网络模型。构造基于聚类算法的特征工程扩充数据集;给出局部最优判据改进粒子群算法并应用于模型的超参数优化,提升模型泛化性;采用注意力机制与LSTM相结合的架构进行短期功率预测。在澳大利亚公开数据集上的实验表明,新的特征工程与光伏出力具有相关性,预测精度相比传统LSTM模型精度提高17.4%,且改进PSO算法相比标准算法收敛性更好。     

PSO及其优化算法在PID控制领域的应用研究

本文介绍了基本粒子群算法在PID控制领域的应用和实现方法,归纳了粒子群算法和遗传算法的结合在自动控制领域的研究现状和改进。最后介绍了PSO法在模糊PID控制器中的应用前景。