一种二进制编码的量子粒子群优化算法

针对离散空间优化问题,给出二进制编码的量子粒子群优化（ＢＱＰＳＯ）算法的设计思路,重新定义粒子的位置矢量和粒子之间的距离,提出了ＢＱＰＳＯ 算法的进化方程．通过泛函分析的方法分析了ＢＱＰＳＯ 算法的收敛性,得出全局收敛的结论,并通过多个测试函数测试了ＢＱＰＳＯ 算法的性能．求解结果验证了算法的优越性．

     

基于PSO的证券市场GARCH模型实证研究

粒子群算法是一个有效的快速寻找连续函数极值的方法,它规则简单,编程易于实现.突破传统经济计量学“同方差条件”的限制,引入了GARCH模型,针对GARCH模型传统估计方法的不足,提出利用粒子群及其改进算法,快速精确地估计证券市场GARCH模型的参数,动态的度量描述证券市场收益序列的条件异方差;并利用算法建立美国证券市场道琼斯指数收益的GARCH模型,进行了走势预测,实例证明它是一个简单有效的算法.     

随机选择最优个体的量子粒子群优化算法

在分析量子行为粒子群优化算法的基础上,针对算法后期粒子群体容易聚集到一个狭小搜索区域,群体多样性降低的问题,提出了在算法中引入随机选择最优个体的改进方法,提高算法搜索过程中粒子群体的多样性。将改进后的量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较,仿真结果表明改进后的算法更适合解决多峰类的优化问题。     

基于WinPcap的网络数据解析系统

针对目前的网络安全问题,设计并实现了基于WinPcap的网络数据解析系统。介绍了WinPcap的结构组成,论述了基于WinPcap的网络数据包的捕获过程,以及TCP/IP协议下数据包的解析原理,最后给出了实验结果。     

一种二进制编码的量子粒子群优化算法

针对离散空间优化问题,给出二进制编码的量子粒子群优化（ＢＱＰＳＯ）算法的设计思路,重新定义粒子的位置矢量和粒子之间的距离,提出了ＢＱＰＳＯ 算法的进化方程．通过泛函分析的方法分析了ＢＱＰＳＯ 算法的收敛性,得出全局收敛的结论,并通过多个测试函数测试了ＢＱＰＳＯ 算法的性能．求解结果验证了算法的优越性．     

改进QPSO算法的移动机器人轨迹跟踪控制方法

分析了智能群体的决策机制,发现在智能群体决策过程中,个体粒子参与决策的权利根据个体的优劣程度是不同的,提出了在量子粒子群优化（QPSO）算法中引入线性权重算子进一步提高QPSO算法的搜索效率及优化性能。分析了移动机器人轨迹跟踪控制的滑模变结构控制器设计方法,并采用指数趋近律和幂次趋近律相结合的方法,设计了新的滑模跟踪控制律,使用PSO算法、QPSO算法和改进算法优化了滑模跟踪控制器中的参数,通过两个实例验证了优化后的跟踪控制器的设计效果;设计效果的分析和比较表明了设计的跟踪控制器能够控制机器人实现对既定轨迹的跟踪,仿真结果显示改进QPSO算法能够在轨迹跟踪控制器的参数优化中取得更好的优化效果。     

基于QPSO的证券市场ARCH模型实证研究

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。     

一种H∞混合灵敏度控制器设计方法

传统的输出反馈H∞优化控制设计比较复杂,由于控制器的阶数要远远高于实际系统的阶数,在实际工业控制过程中不容易实现。从次优控制的角度出发,利用量子粒子群算法解决特定结构的H∞混合灵敏度优化控制设计。对带有超前/滞后环节控制器的SISO锁相闭环摩托速度系统和PI 型控制器的MIMO超级机动F18/harv 战斗机系统使用量子粒子群算法进行了分析,并和GA算法进行了比较。实验仿真显示了量子粒子群算法的有效性。     

基于QPSO的证券市场GARCH模型实证研究

文章针对GARCH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GARCH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",并且和基本粒子群算法及其两种改进算法的实验结果进行了比较,最后对指数进行了走势预测.     

基于PSO的证券市场ARCH模型实证研究

利用粒子群及其改进算法，快速精确地估计ARCH模型的参数，动态地度量描述证券市场收益序列的条件异方差；并利用算法建立美国证券市场道琼斯指数收益的ARCH模型，进行了走势预测。得到了大致跟随指数的实际走势的预测值，说明ARCH模型确实能够描述证券市场的“异方差”现象。