短码长LT码的蚁群算法度分布优化

度分布是Luby transform(LT)码性能优劣的关键指标,为得到更优的度分布结构,提出一种基于蚁群算法的LT码度分布优化方法.将蚁群算法与蒙特卡洛仿真结合,以仿真结果的特定统计参数作为优化目标值,通过蚁群算法的搜索,得到优化的度分布值.通过仿真实验对比测试优化后度分布的实际译码性能,证实了该方法能得到满足以蒙特卡洛仿真统计参数为优化目标的度分布.     

粒子群优化算法研究进展

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法．介绍了PSO算法的基本原理和一些改进措施及PSO算法的应用，并对其将来的发展进行了展望．     

粒子群优化算法研究进展

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法.介绍了PSO算法的基本原理和一些改进措施及PSO算法的应用,并对其将来的发展进行了展望.     

粒子群优化算法的研究与展望

粒子群优化算法是一种基于群智能的随机优化算法,具有简单易实现、设置参数少、全局优化能力强等优点.着重对粒子群优化算法中的基本算法、改进算法、应用领域和研究热点等方面做了较为详细的论述.     

一种速度更快的粒子群优化算法

由于标准粒子群算法(SPSO)存在后期搜索效率太低的问题,提出了一种速度更快的粒子群优化算法(FPSO).FPSO保留了SPSO前期的全局搜索能力,但改变了SPSO算法后期的搜索策略,使其迭代次数随当前适应度值的变化而自适应改变,从而提高了SPSO算法后期的计算效率.通过实验对FPSO算法中适应度函数的设计进行了讨论,并分析了FPSO算法的应用前景.仿真结果表明,FPSO算法在单峰、多峰和带约束条件的测试函数中都有良好的效果.     

一种带交叉算子的改进的粒子群优化算法

针对粒子群优化算法(PSO)固有的缺点,在研究标准的粒子群优化算法理论的基础上,提出了一种带交叉因子的改进的粒子群优化算法(MPSO),以解决算法的早熟收敛问题。该算法在搜索过程中引入了交叉因子,增加了粒子的多样性,克服了标准粒子群优化算法易陷入局部极优点的不足,并且算法有较快的收敛速度。该算法有较强的收敛性,还可以引入变异算子。将改进后的算法运用常见的几个测试函数进行了寻优仿真,仿真结果验证了带交叉因子的粒子群算法的可行性和有效性。     

粒子群优化算法的研究与应用

粒子群算法(PSO)因其容易实现,精度高及收敛快等特性,在解决实际问题中经常被广泛使用.但粒子群算法也有不易跳出局部最优的问题,所以本文基于该算法,提出一种基于分工合作的改进型粒子群优化算法.经过优化后,可以对所有粒子执行搜索,寻找更优个体,从而使算法更加适合实际应用.     

基于策略模式的粒子群优化算法平台设计

为了扩大粒子群优化算法的应用范围和增强它的影响力,从软件重用的角度出发,考虑到算法流程的共性和个性,设计了一种基于策略模式的粒子群优化算法平台,此平台包含了基本的粒子群优化算法和经典的改进算法,可以解决连续优化和二进制组合优化问题.一系列的粒子群优化算法和优化问题被分别封装到相应的算法策略类和问题策略类中,这些类继承自一个具有统一接口的抽象基类.因此,该平台非常适合于粒子群优化算法的理论和应用研究,且易于维护和扩充.     

双评价粒子群优化算法

提出了双评价粒子群优化算法．该算法可对迭代后的粒子进行位置和适应值的双评价,并可根据评价结果对适应值和位置不好的粒子进行柯西变异或者高斯变异,克服了标准粒子群优化算法因对迭代后粒子的优劣不进行评价而使部分粒子进行无意义的探索和开发的缺陷．实验结果表明改进的算法加快了粒子群的探索速度,提高了开发全局最优解的精度．     

基于混沌思想的粒子群优化算法

为克服粒子群优化算法容易陷入局部最优的缺点，根据混沌运动的随机性、遍历性特点，提出一种基于混沌思想的粒子群优化算法（CPSO）、该算法利用种群适应度方差进行早熟收敛判断，实现对进化过程的监视，当发现种群陷入局部最优时，对种群进行混沌初始化，帮助种群摆脱局部最优点．对4种典型测试函数的仿真结果表明，改进算法明显减少了种群陷入局部最优的可能性．其全局寻优能力明显强于标准粒子群优化算法．     

利用LDPC码度分布的QAM方案

为改善通信质量,提高频谱效率,对非规则低密度奇偶校验(LDPC)码与高阶调制技术相结合进行研究,提出了一种简单而有效的结合方案. 该方案充分考虑了非规则LDPC码的度分布影响和高阶调制技术的不均等错误保护(UEP)特性. 在调制映射过程中,对不同度数的变量节点进行不同级别的保护. 利用高斯近似(GA)算法证明,该方案能提升系统性能. 仿真结果表明,本方案降低了系统出错率.     

基于改进简化粒子群算法的含DG的配电网无功优化

分布式电源(Distributed Generation,DG)并网能够有效支撑电网,增加电网运行的灵活性,对含DG的配电网进行无功优化能够有效提高电能质量,降低网损,保证配电网安全、稳定、经济运行。为此,建立了以有功网损最小为目标函数的数学模型,同时,为保证节点电压和DG无功出力在各自允许范围内,分别建立了节点电压越限罚函数和DG无功出力越限罚函数。针对基本粒子群算法易早熟、收敛精度差、迭代后期收敛速度慢等问题,给出了一种惯性权重和学习因子动态变化的简化粒子群算法。该算法舍去粒子速度项,使惯性权重随迭代次数呈指数函数变化,学习因子随迭代次数呈正弦函数变化。以含DG的IEEE33节点配电系统为例进行无功优化分析,结果表明:DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于改进PSO算法的自适应均衡算法

传统的自适应均衡算法存在收敛速度慢,稳定性差、均衡效果不理想等缺点,从而使自适应均衡器在高速光纤通信系统中的应用受到限制.具有梯度搜索因子的Grads-PSO算法,结合了传统数值优化方法在计算速度和计算精度上的优势,将梯度法引入粒子群算法中.在梯度搜索因子的指导下,PSO算法的运算过程显得更加有规则,从而提高了算法的收敛速度和运算精度.因此,本文提出将改进PSO算法用作自适应均衡器均衡算法.通过仿真实验表明,改进PSO算法具有收敛速度快,计算精度高的优点,将其作为自适应均衡器的控制算法可收到很好的均衡效果,优于传统的控制算法.     

基于二进制局部PSO算法的配电网故障恢复研究

针对配电网自身的特点,确定了故障恢复模型所采用的目标函数及其约束条件;在粒子群优化算法的基础上,提出了二进制局部PSO算法,并对该算法易早熟收敛和收敛速度慢的缺点进行了优化.通过算例的验证表明,该改进算法能够正确、有效地解决配电网故障恢复问题.     

基于PSO原理的异孔径配水系统优化算法

为了实现穿孔配水系统均匀布水的快速优化设计, 提出采用改进的粒子群优化算法 (PSO) 并结合水力模型工具作为系统均布优化决策制定的方法.该算法首先对常规粒子群算法进行了一定的改进, 用于提高其算法的收敛性及收敛的速度;其次将改进后PSO与水力模型通过外部TOOLKIT接口进行整合, 以模型计算后数值作为集群个体适应度的评估指标.算例研究表明:该方法可有效地实现限定条件下的均布配水系统快速优化设计.同时, 结合配水系统的节点压力分区, 可减小粒子群算法的维度, 从而使算法的收敛速度得到较大的提高, 迭代次数减少了83%, 并能产生更符合工程实际的优化方案.     

基于PSO算法的CMOS运算放大器优化设计

针对CMOS运算放大器设计中缺乏自动设计工具,采用手工设计很难提高电路性能的问题,基于群智能技术提出了一种改进的粒子群优化算法(PSO)来进行全局优化求解.主要将CMOS运算放大器的电路性能解析方程转化成粒子位置的求解,先初始化粒子的速度和位置,然后不断迭代更新,直到搜索出全局最优值.仿真结果表明,该方法可以提高CMOS运算放大器的性能,在精度和速度上优于遗传算法和基本PSO算法的设计效果.     

基于改进粒子群算法的配电网网架优化研究

配电网网架优化是一个多目标综合优化问题,粒子群算法因其易实现、收敛速度快等特点逐渐成为电力系统优化领域研究热点之一. 针对粒子群算法易陷于局部最优问题,提出一种基于聚类策略的改进粒子群算法,动态地将粒子聚类为三种级别的粒子并对应采用不同的学习模型更新速度,增强了粒子群体多样性和全局搜索能力. 通过算例仿真验证了算法在配电网网架优化问题上的可行性.     

基于逆变器的分布式光伏发电中压配电网无功优化

根据分布式光伏发电特性,通过对中压配电网中无功优化的分析,找到潮流、电压波动和无功容量与光伏发电无功功率间的定量关系。利用粒子群优化（PSO）算法,基于逆变器的分布式光伏发电中压配电网的无功优化,明确了控制无功功率以支持配电网和电压调节的方法。实例仿真结果说明,该方法能够有效减少光伏发电系统中压配电网的电压升高和逆潮流问题。     

改进型粒子群算法磁致伸缩作动器的跟踪控制

在低频条件下,以磁致伸缩作动器线性模型为基础,设计了PID及前馈PID控制器。针对固定参数控制器自适应能力较弱的现状,提出用粒子群（ PSO）算法对固定参数控制器进行优化。针对标准PSO算法存在早熟收敛、后期迭代易陷入局部最优的不足,进一步提出了一种可动态调整惯性权重及遗传变异的改进型粒子群（ IPSO）优化算法,并将该算法与前馈PID相结合应用于磁致伸缩作动器的位置跟踪控制。仿真结果表明：针对指令阶跃信号,相对传统PID及前馈PID控制,改进型PSO前馈PID控制具有控制精度高,位置跟踪效果好及抗干扰能力强的特点。