基于群能量恒定的粒子群优化算法

针对标准粒子群优化(PSO)算法在寻优过程中容易出现早熟的情况,提出一种群能量恒定的粒子群优化(SEC-PSO)算法.算法根据粒子内能进行动态分群,对较优群体采取引入最差粒子的速度更新策略,对较差群体采取带有惩罚机制的速度更新策略,由其分担由于较优群体速度降低而产生的整群能量损失,从而有效地避免了PSO算法的早熟.典型优化问题的仿真结果表明,该算法具有较强的全局搜索能力和较快的收敛速度,优化性能得到显著的提高.     

基于模糊逻辑的多跳WSNs分簇算法

针对无线传感器网络节点能量消耗不均衡和网络寿命过短的问题,提出一种基于模糊逻辑的多跳WSNs分簇算法(FLCMN).该算法综合考虑节点剩余能量、节点邻居个数、邻居节点的平均剩余能量.根据预先设定模糊规则库,利用模糊系统评估出当选簇头的满意度.额外考虑邻居节点平均剩余能量,改善了簇内热点问题,均衡了簇内能量的消耗;同时,为了改善簇间热点问题,提出一种基于斐波那契序列的多跳传输方式,延长了网络的生存时间.通过仿真验证,FLCAMN算法在网络生存时间和能量消耗方面的性能都优于LEACH、EAMMH和DFLC算法.     

基于自适应罚函数优化粒子群的WSNs定位算法

针对无线传感器网络节点定位问题,在传统粒子群算法定位技术研究的基础上,提出了一种自适应罚函数优化粒子群的节点定位算法。在定位过程中,运用极大似然估计法进行粗略定位,对测距误差进行加权处理,限制搜索区域,根据群体中可行解比例的大小,自适应调节罚因子的大小进行迭代寻优,最终得到节点坐标。仿真结果表明：该算法较好地克服了传统粒子群算法收敛速度慢,易陷入局部极小点等问题,对比同类算法,算法具有更高的定位精度和较快的收敛速,且稳定性更高。     

基于粒子群优化算法的室内定位方法

为了减小无线传感器网络节点的定位误差,将粒子群优化算法应用于定位中,与以往的适应度函数来源不同,为解决误差累积问题,在最小二乘原理基础上采用加权系数,确定适应度函数的表达式。在粒子群优化算法中引入三种不同的参数组合观察不同的参数对迭代次数以及定位精度的影响,然后通过两种不同的适应度函数对定位误差进行比较。实验结果表明,合适的参数选择能降低算法的复杂度,新的适应度函数更能减小定位误差。     

基于粒子群优化算法的约束布局优化

布局优化是NP难问题，也是复杂的非线性约束优化问题．针对这个问题，将新的基于粒子群优化的方法应用于布局参数的优化，提出了适合粒子群优化的约束处理，并通过与直接搜索算法的混合，加强了算法在局部区域的搜索能力．通过实例将该算法与乘子法以及基于遗传算法的布局优化方法进行了比较．仿真结果表明，该算法可以提高布局优化问题解的质量，同时降低计算费用．     

基于AGNES聚类的能耗均衡WSNs优化路由算法

无线传感器网络的生命周期与节点的能耗直接相关。为解决能量消耗分布不均,影响网络寿命的问题,提出一种基于AGNES聚类的能耗均衡WSNs优化路由算法(EBRAA)。通过AGNES聚类算法获得网络均匀分簇,根据簇内节点的剩余能量和节点与基站距离及两者权重因子,完成分布式簇头选举,采用改进后的Dijkstra算法产生簇头间最短路径的多跳路由。仿真结果表明,与LEACH和KBECRA算法相比,EBRAA算法的簇分布更加合理,能耗更加均衡,延长了网络生命周期。     

Particle swarm optimization technique based short-term hydrothermal scheduling

Particle swarm optimization is applied to determine the optimal hourly schedule of power generation in a hydrothermal power system. A multi-reservoir cascaded hydroelectric system with a nonlinear relationship between water discharge rate, net head and power generation is considered. The water transport delay between connected reservoirs is taken into account. In the present work, the effects of valve point loading in the fuel cost function of the thermal plants are also taken into consideration. The developed algorithm is illustrated for a test system consisting of four hydro plants and three thermal plants. Cost characteristics of individual thermal units are considered. The test results are compared with those obtained using evolutionary programming and simulated annealing technique. It is found that the convergence characteristic is excellent and the results obtained by the proposed method are superior in terms of fuel cost and computation time.     

基于随机漂移粒子群算法的WSNs节点定位

提出了随机漂移粒子群优化（RDPSO）算法,并将该算法应用于接收信号强度指示（RSSI）定位算法中,以降低由RSSI测距产生的定位误差.在仿真实验中,分别比较了基于RDPSO和PSO的RSSI定位算法.实验结果表明：RDPSO算法是在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法收敛速度快,稳定性能好,精度高,适用于WSNs节点定位问题.     

基于爬山粒子群优化的移动传感网络定位算法

针对蒙特卡洛定位（Monte Carlo Localization,MCL）采样效率不高,定位精度较低的问题,提出一种新的基于爬山法优化策略的移动无线传感网络定位算法HCPSO-MCL（Hill Climbing Particle Swarm Optimization-MCL）,将节点定位问题转化为全局优化问题。HCPSO-MCL算法采用基于爬山策略的混合粒子群优化算法对MCL的估计值进行修正,从而实现节点快速准确定位。实验仿真结果表明,HCPSO-MCL较之于MCL算法在定位精度上有很大改进,而且比PSO-MCL（Particle Swarm Optimization-MCL）算法有更快的收敛性。     

基于粒子群优化的非均匀分簇路由算法

为了解决无线传感器网络分簇路由算法中存在的“热区”问题和簇头选取问题,设计了一种自适应粒子群优化的非均匀分簇路由算法。首先通过候选节点与汇聚节点之间的距离计算竞争半径并构造出大小不等的多个簇,然后根据簇规模引入优化的粒子群算法,评价节点剩余能量和节点之间的距离等因素选取最终簇头,以剩余能量较多的簇头作为下一跳,形成以汇聚节点为根节点的多跳路由。仿真结果表明,与LEACH算法和EEUC算法相比,所提算法网络生存期分别延长了34%和16%,平均能量消耗分别减少了22%和12%,有效地减少了网络节点的能量消耗。     

基于自适应多种群的粒子群优化算法

为了平衡算法的探测能力和开采能力,提高粒子群算法在不同类型问题上的综合性能,提出了一种基于自适应多种群的粒子群优化算法（PSO-SMS）。算法包含重组、子群规模调整和探测三个模块。在演化初始阶段,整个种群被划分成许多子种群。重组模块使不同子群间可以共享优势信息,有利于单峰和多峰函数的优化。当种群陷入潜在的局部最优时,探测模块可基于搜索过程的一些历史信息,帮助跳出当前的局部最优。通过子群规模调整,每个子种群的大小随着进化的过程而逐渐增加,有利于提高算法在初始阶段的探测能力和后期的开采能力。通过CEC2013的测试集与其他七种PSO算法的比较表明,PSO-SMS算法在解决不同类型的函数优化问题上有着突出的性能表现。     

一种基于创造性思维的粒子群优化算法

针对粒子群优化（PSO）算法在复杂问题求解中出现的早熟收敛问题,从认知心理学角度进行分析,将创造性思维（CT）引入PSO算法,提出一种基于创造性思维的PSO算法（CTPSO）．基于CT过程的“四阶段”模型,构建了算法框架,改进了速度更新公式,在粒子个体的惯性、个体认知和社会能力的基础上增强CT能力,以提升其整体寻优性能．典型测试函数的运行结果表明,该算法具有较强的全局搜索能力,收敛速度快,算法稳定性好,且未增加新的参数和计算复杂度．     

A hybrid algorithm based on particle swarm and chemical reaction optimization

In this paper, a hybrid method for optimization is proposed, which combines the two local search operators in chemical reaction optimization with global search ability of for global optimum. This hybrid technique incorporates concepts from chemical reaction optimization and particle swarm optimization, it creates new molecules (particles) either operations as found in chemical reaction optimization or mechanisms of particle swarm optimization. Moreover, some technical bound constraint handling has combined when the particle update in particle swarm optimization. The effects of model parameters like InterRate, γ, Inertia weight and others parameters on performance are investigated in this paper. The experimental results tested on a set of twenty-three benchmark functions show that a hybrid algorithm based on particle swarm and chemical reaction optimization can outperform chemical reaction optimization algorithm in most of the experiments. Experimental results also indicate average improvement and deviate over chemical reaction optimization in the most of experiments.     

基于粒子群K均值聚类算法的电梯交通模式识别

针对传统方法存在的缺点,提出一种基于粒子群K均值聚类算法的电梯交通模式识别方法.该方法通过对此前一周的原始客流数据进行聚类分析,得到相应交通模式的聚类中心坐标.针对实时变化的交通流数据,采集5min时段客流数据,根据最近邻原则划分其归属的聚类中心,从而识别出当前的交通模式.仿真实验表明,该方法能对电梯交通模式进行有效识别,实时性较好.     

基于微粒群算法和网格模型的参数优化方法

针对在半导体制造工艺参数优化过程中缺乏直观参考的问题,在微粒群优化算法(PSO)和等值线理论分析的基础上,将PSO与等值线矩形网格模型相结合,提出一种全新的工艺参数窗口选择方法,在二维标准多峰函数上验证了所提出方法的有效性,同时对所提出的方法进行了实际生产验证,对于双输入参数问题,该方法可以直接输出所有满足工艺要求的二维区域,从而为参数优化和范围选取提供直观参考,仿真测试结果和生产验证数据均表明了所提出的算法是一种有效的参数优化方法。     

基于粒子群优化算法的WSNs节点定位研究

为了提高无线传感器网络节点定位的精度,提出了一种基于粒子群优化估计的无线传感器网络节点定位算法。该算法简单易实现,可调参数少,通过多次迭代寻优,以提高定位精度。仿真结果表明,新算法与常用的极大似然估计算法相比可以显著提高节点定位的精度和稳定度。     

一种新的基于粒子群优化的双簇头分簇路由算法*

针对无线传感器网络分簇路由算法中簇头节点负载过重,簇头能量利用率不高,提出了一种基于粒子群优化的双簇头多跳路由算法。该算法根据簇头任务的不同,利用节点的能量、距离汇聚节点的距离以及节点的位置关系分别构建适应值函数,选择出最优主簇头完成数据采集和融合任务,以及与其协作的最优副簇头完成簇间数据转发任务,最终实现采集能耗和传输能耗最小化。仿真实验结果表明,与其他路由算法相比,该算法可以有效减轻簇头节点负载,减小簇头能量消耗,均衡整个网络能耗,延长了网络的生存周期。     

A perturbed particle swarm algorithm for numerical optimization

The canonical particle swarm optimization (PSO) has its own disadvantages, such as the high speed of convergence which often implies a rapid loss of diversity during the optimization process, which inevitably leads to undesirable premature convergence. In order to overcome the disadvantage of PSO, a perturbed particle swarm algorithm (pPSA) is presented based on the new particle updating strategy which is based upon the concept of perturbed global best to deal with the problem of premature convergence and diversity maintenance within the swarm. A linear model and a random model together with the initial max–min model are provided to understand and analyze the uncertainty of perturbed particle updating strategy. pPSA is validated using 12 standard test functions. The preliminary results indicate that pPSO performs much better than PSO both in quality of solutions and robustness and comparable with GCPSO. The experiments confirm us that the perturbed particle updating strategy is an encouraging strategy for stochastic heuristic algorithms and the max–min model is a promising model on the concept of possibility measure.     

一种带有梯度加速的粒子群算法

通过引入梯度信息来影响粒子速度的更新，构造了一种带有梯度加速的粒子群算法．为减小陷入局优的可能性，当群体最优信息陷入停滞时，对群体进行部分初始化来保持群体的活性，并讨论了改进算法的适用范围．仿真结果表明，对于单蜂函数和多蜂函数，改进算法都能够取得较好的优化效果．     

基于Alopex的粒子群算法及其在软测量上的应用

针对粒子群优化算法(PSO)容易陷入局部最优值的缺点,提出一种利用Alopex算法(algorithms of pattern extraction)和PSO算法结合的新算法,该算法将Alopex的步长取法加以改变,并加入了随机噪声,具有很强的全局搜索能力和很高的搜索效率。最终将算法应用于BP网络的权重和偏置量的优化计算,完成软测量的建模。结果表明改进型粒子群算法搜索效率明显提高,应用于软测量建模能提高模型的精确度,减少预测误差。