共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
用粒子群优化改进算法求解混合整数非线性规划问题 总被引:6,自引:1,他引:6
针对混合整数非线性规划(MINLP)问题,改进了粒子群优化算法(PSO),提出了一种粒子迁移策略,改进了粒子速度更新策略,使之成为一种解决MINLP问题的新算法.实验表明,新算法精确度好、收敛快. 相似文献
3.
4.
非线性整数规划的粒子群优化算法 总被引:2,自引:0,他引:2
提出了一种新的粒子群优化算法来求解无约束的整数规划问题,粒子在[0,1]空间内运动,并与整数空间对应。对粒子群优化算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则。数值试验计算结果表明该方法比较有效,并具有通用性。 相似文献
5.
基于MATLAB的量子粒子群优化算法及其应用 总被引:3,自引:0,他引:3
量子粒子群优化(QPSO)算法是在经典的粒子群优化(PSO)算法的基础上所提出的一种具有量子行为的粒子群优化算法,具有高效的全局搜索能力.通过求解J.D.Schaffer提出的多峰函数优化问题的实验分析表明,方法具有良好的收敛性和稳定性. 相似文献
6.
水下机器人动力学模型参数辨识是水下机器人运动状态控制、路径跟踪、状态监测、故障诊断及容错系统开发的基础,是水下机器人研究的核心内容之一.针对Falcon开架缆控水下机器人的动力学模型,将量子粒子群优化算法引入到水下机器人动力学模型参数辨识之中,提出基于量子粒子群优化算法(Quantum-behaved PSO,QPSO)的水下机器人动力学模型参数辨识,并将其辨识结果与粒子群优化算法(Particle Swarm Optimization,PSO)及遗传算法(GA)的辨识结果进行比较.仿真结果表明应用QPSO算法的参数辨识结果明显优于其它对比方法,说明了算法的有效性与合理性. 相似文献
7.
8.
汤官宝 《数字社区&智能家居》2014,(5):3084-3087
模糊C均值算法(FCM)是一种用于聚类的最流行的技术。不过,传统的FCM使用欧氏距离作为数据集的相似准则,从而导致数据集的划分有相等的趋势。而数据集的形状和簇的密度对聚类性能有高度影响。为了解决这个问题,提出基于簇密度的距离调节因子以修正相似性度量。同时,针对模糊C-均值(FCM)聚类算法对初始聚类中心选择敏感,易陷入局部最优的问题,采用量子粒子群优化算法以获取全局最优解。仿真实验证明,改进的聚类算法(QPSO-FCM-CD)具有良好的性能。 相似文献
9.
针对传统非线性方程组的解法对初始值敏感、收敛性差等问题,提出一种求解非线性方程组的量子粒子群算法.用量子位的概率幅对粒子位置编码,通过量子旋转门和量子非门完成粒子的更新与变异.该算法可发挥量子粒子群的群体搜索能力和全局收敛性,在算法中融入拟牛顿法,加强局部搜索能力,提高求解精度.数值模拟实验表明,算法有着可靠的收敛性和较高的收敛速度与精度. 相似文献
10.
混合整数非线性规划问题(mixed-integer nonlinear programming,MINLP) 广泛应用于科学及工程系统设计,传统的群智能算法在求解混合整数规划问题时,未能很好地解决种群内部个体或者种群之间开采与探索、竞争与协作的矛盾。为了解决这两个矛盾及更高效率地寻优,提出一种基于金字塔结构的群智能演化策略(swarm intelligent evolution strategy based on pyramid structure)的PES算法来求解混合整数规划问题。PES算法中明确的分工机制能够平衡全局与局部搜索的能力,晋升机制解决了种群间竞争与协作的矛盾。利用标准测试函数进行仿真,对比改进的粒子群算法(CLSPSO、CLSPSO2)及改进的差分进化算法(ridDE、ridDE2)的结果,发现PES算法在成功率与精度方面具有优势,也体现了PES算法的有效性。 相似文献
11.
一种求解多峰函数优化问题的量子行为粒子群算法 总被引:2,自引:2,他引:2
介绍了一种利用量子行为粒子群算法(QPSO)求解多峰函数优化问题的方法。为此,在QPSO中引进一种物种形成策略,该方法根据群体微粒的相似度并行地分成子群体。每个子群体是围绕一个群体种子而建立的。对每个子群体通过QPSO算法进行最优搜索,从而保证每个峰值都有同等机会被找到,因此该方法具有良好的局部寻优特性。将基于物种形成的QPSO算法与粒子群算法(PSO)对多峰优化问题的结果进行比较。对几个重要的测试函数进行仿真实验结果证明,基于物种形成的QPSO算法可以尽可能多地找到峰值点,峰值收敛性能优于PSO。 相似文献
12.
13.
马翔 《计算机工程与应用》2009,45(16):111-113
QoS组播路由问题是一个非线性的组合优化问题,已证明了该问题是NP完全问题。将量子粒子群算法用于此类问题的求解。并在此基础上对基本的量子粒子群算法进行改进,针对群体智能和约束优化问题的特点,提出了一种在每次迭代中有选择地保留一定数量不可行解的方法,并把它结合到量子粒子群优化(QDPSO)算法中。该算法可以利用保留下来的不可行解来帮助搜索靠近边界的最优解,同时又可以避免罚因子的选择问题,使之更适合于QoS组播路由的求解。仿真实验结果显示,该算法能快速搜索并收敛到全局(近似)最优解,且随着网络规模的增大算法保持了良好的特性,在寻优速度上与解的质量上优于其他粒子群算法与基本的量子粒子群算法。 相似文献
14.
针对PSO算法搜索空间有限,容易陷入局部最优点的缺陷,提出一种以块算法为基础,量子粒子群优化算法(QPSO)为优化策略的纹理合成方法。实验结果表明,与标准PSO算法相比,由于量子粒子群优化算法(QPSO)显著的全局收敛性,这种新型的纹理合成方法,使最后的合成图像中采样块结合处更流畅,纹理更细腻。 相似文献
15.
16.
17.
分析了量子行为粒子群优化算法,着重研究了算法中的收缩扩张参数及其控制方法,针对不同的参数控制策略对算法性能的影响特点,提出将Q学习方法用于算法的参数控制策略,在算法搜索过程中能够自适应调整选择参数,提高算法的整体优化性能;并将改进后的Q学习量子粒子群算法与固定参数选择策略,线性下降参数控制策略和非线性下降参数控制策略方法通过CEC2005 benchmark测试函数进行了比较,对结果进行了分析。 相似文献
18.
训练支持向量机的本质问题就是求解二次规划问题,但对大规模的训练样本来说,求解二次规划问题困难很大。遗传算法和粒子群算法等智能搜索技术可以在较少的时间开销内给出问题的近似解。量子粒子群优化(QPSO)算法是在经典的微粒群算法的基础上所提出的一种有较高收敛性和稳定性的进化算法。将操作简单而收敛快速的QPSO算法运用于训练支持向量机,优化求解二次规划问题,为解决大规模的二次规划问题开辟了一条新的途径。 相似文献
19.
20.
传统的PID控制器参数优化方法容易产生振荡和较大的超调量,因此智能算法如遗传算法(SGA)和粒子群算法(PSO)被用于参数优化,弥补传统算法的不足,但是遗传算法在进化过程中收敛速度慢,粒子群算法存在易于早熟的缺点。在分析量子粒子群算法(QPSO)的基础上,在算法中引入了权重系数,提出使用改进的量子粒子群算法(WQPSO)优化PID控制器参数。将改进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。最后,通过三个传递函数实例,分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计,并对结果进行了分析。 相似文献