首页 | 官方网站   微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   15篇
  国内免费   2篇
  完全免费   7篇
工业技术   24篇
  2016年   1篇
  2015年   1篇
  2014年   1篇
  2013年   2篇
  2012年   1篇
  2011年   2篇
  2009年   2篇
  2008年   6篇
  2007年   1篇
  2006年   5篇
  2005年   1篇
  2004年   1篇
排序方式: 共有24条查询结果,搜索用时 31 毫秒
1.
This paper presents the application of particle swarm optimization (PSO) technique and its variants to least-cost generation expansion planning (GEP) problem. The GEP problem is a highly constrained, combinatorial optimization problem that can be solved by complete enumeration. PSO is one of the swarm intelligence (SI) techniques, which use the group intelligence behavior along with individual intelligence to solve the combinatorial optimization problem. A novel ‘virtual mapping procedure’ (VMP) is introduced to enhance the effectiveness of the PSO approaches. Penalty function approach (PFA) is used to reduce the number of infeasible solutions in the subsequent iterations. In addition to simple PSO, many variants such as constriction factor approach (CFA), Lbest model, hybrid PSO (HPSO), stretched PSO (SPSO) and composite PSO (C-PSO) are also applied to test systems. The differential evolution (DE) technique is used for parameter setting of C-PSO. The PSO and its variants are applied to a synthetic test system of five types of candidate units with 6- and 14-year planning horizon. The results obtained are compared with dynamic programming (DP) in terms of speed and efficiency.  相似文献   
2.
文章针对ARCH模型参数传统估计方法的不足,提出了利用量子粒子群算法的改进算法,并利用此算法实证建立了美国证券市场道琼斯指数收益的ARCH模型,更加精确地动态度量了证券市场收益序列的条件“异方差”,进行了指数走势预测。  相似文献   
3.
利用PSO对上证指数ARCH模型的实证研究   总被引:1,自引:0,他引:1  
针对ARCH模型传统估计方法的不足,提出了利用微粒群算法及其改进的算法快速精确的估计ARCH模型的参数,最后利用微粒群算法实证建立了上证指数收益的ARCH模型,并且对以后的情况进行了预测。  相似文献   
4.
寻求一组能使共同工作方程组收敛的试给参数是确定航空发动机设计点的难点,为克服传统求解方法中,因试给参数与经验密切相关造成方程组收敛率和收敛速度较低的问题,在基本粒子群算法的基础上,综合能加速收敛的收敛因子和具有明确社会性定义的被动聚集压力因子,提出一种新的用于求解发动机共同工作方程组的粒子群算法,并称之为CPCPSO.前者能增加粒子的振幅,减少无效迭代,从而加速算法运行速度;后者能在不增加种群规模的前提下增加种群多样性.经仿真验证,针对两个不同的初始试给参数,CPCPSO算法均能使共同工作方程组收敛,且达到收敛时的总迭代次数更少.结果表明,CPCPSO算法克服了N+1残量法对共同工作方程组初值的依赖性,收敛速度快,试给参数确定更加有效.  相似文献   
5.
在群体智能算法中个体种群的多样性在进化后期逐渐消失,个体趋同性增加,因此粒子群算法的主要缺点是容易陷入局部最优值。提出了一种新的改进粒子群算法,该算法结合了压缩因子和综合信息策略,其中压缩因子可以平衡粒子群算法中的局部和全局搜索,综合信息可以较好地加强种群的多样性。改进后的粒子群算法与基本粒子群算法、自适应粒子群算法和压缩因子粒子群算法在7个测试函数上分别进行了精度对比测试、成功概率测试和收敛速度测试,结果表明新算法获得了较高的搜索精度和较快的收敛速度。  相似文献   
6.
针对仿射传播(AP)算法存在缺乏判定最优聚类结果的指标以及收敛性能不够好等问题,提出了一种基于方向梯度直方图(HOG)的AP改进算法。首先提取图像的HOG特征向量,然后引入收缩因子加速仿射传播算法的收敛过程,最后将有效性指标嵌入算法的迭代过程,监督并引导算法向着最好聚类质量的方向运行。对人脸图像进行实验,实验结果表明,基于HOG的AP改进算法可以得到更接近正确类数的结果,提高了FM值,降低了错误率。  相似文献   
7.
针对现有覆盖算法存在早熟、收敛性差以及易陷入局部搜索等缺点,结合三峡库区水质监测的应用环境,提出一种无线传感器网络覆盖优化算法。基于带收缩因子的粒子群优化模型,利用混沌Tent映射产生的混沌序列代替模型原有的随机参数,并将聚集度指标作为判定条件,实现参数的自适应调整。实验结果表明,该算法能提高网络覆盖率。  相似文献   
8.
一种快速AP聚类算法   总被引:2,自引:0,他引:2  
Affinity propagation(AP)聚类算法中的一个重要参数-收敛系数(damping factor)对算法的运行效率有较大影响,而传统的AP算法中收敛系数常作为固定参数在算法运行中保持不变,因此AP算法的收敛性能对收敛系数初始值的选择比较敏感,针对这一问题提出了一种新的AP聚类算法:F-AP,该算法在传统AP聚类算法基础上引入收缩因子调节收敛系数,使其值能够随算法进程动态调整,以加速AP算法的收敛过程。在3个不同容量模拟数据集上进行了实验,结果表明,新算法能够有效加速收敛过程,并且能够保证与原算法相同的聚类结果;在标准数据集Iris上的聚类结果也表明了新算法具有较好的收敛性能。  相似文献   
9.
一种克服局部最优的收缩因子PSO算法   总被引:1,自引:0,他引:1       下载免费PDF全文
纪雪玲  李明  李玮 《计算机工程》2011,37(20):213-215
收缩因子粒子群优化算法容易陷入局部最优并出现早熟收敛的现象。为此,提出一种改进的收缩因子粒子群优化算法。该算法引入速度因子和位置因子参数,若粒子向全局最优接近且速度小于设定的速度因子,则认为该粒子可能出现停滞,从而对该粒子进行初始化,以增强粒子活力。在算法陷入局部最优时,通过该方法驱散粒子以提高种群多样性,避免产生早熟收敛现象。对多峰标准测试函数进行仿真实验,结果表明,该算法能提高收敛精度,有效避免算法陷入局部最优。  相似文献   
10.
为更好地克服造纸机速度链控制系统的非线性、时变及强耦合给控制带来的影响,在一般模糊控制和模糊PID控制基础上,研究了基于变论域的模糊PID控制原理。采用伸缩因子的概念,提出了变论域的改进模糊控制算法,使模糊控制规则可通过论域的压缩或膨胀派生出任意多条。仿真试验表明,该算法使控制系统具有较一般模糊控制和常规模糊PID控制更高的稳态控制精度和良好的动态品质,验证了该设计的有效性和一定的实用价值。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号