搜索到82786 篇“ 群算法 “的相关文章
基于改进粒子群 算法 的光伏逆变器控制参数辨识 2025年 群 优化算法 (chaos genetic algorithm of particle swarm optimization,CGAPSO)作为辨识算法 ,分步分工作阶段辨识相关参数,通过对比参数的同步辨识结果,验证所提方法的优越性,并将辨识结果代入仿真模型。结果结果表明,低灵敏度参数的同步辨识结果误差远超过可接受范围,而CGAPSO分步辨识出的相关参数误差皆在1.1%以下,精度远高于同步辨识结果。结论基于改进粒子群 算法 构建的辨识模型输出数据与实际逆变器工作数据契合度高,可准确反映逆变器实际工作特性。关键词：光伏并网逆变器 参数辨识 改进粒子群优化算法 基于粒子群 算法 的纯电动商用车转矩分配策略 2025年 群 算法 的模糊控制策略.首先在Simulink/Stateflow软件中搭建整车动力系统物理模型,以粒子群 算法 为基础,进行整车转矩分配.由于计算量大,无法运用于实车,故根据粒子群 算法 的结果,结合传统项目经验,设计一个参数实时调节模糊控制器来进行转矩分配.该方法运行速度快,且基本达到粒子群 全局优化的效果.验证与分析结果表明:与原车单电动机动力系统相比,采用该方法的双电动机动力系统能量消耗减少了12.08%;在双电动机动力系统下,该方法与平均分配控制策略相比,电动机总能量损失降低了13.09%.关键词：粒子群算法 模糊控制策略 基于自适应变异粒子群 算法 的风光储微网调度 2025年 群 算法 在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群 优化的微电网调度求解方法。惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法 后期引入变异环节。为验证算法 的有效性,文章与其他算法 进行收敛性能对比,并对两种典型天气情况下的微网运行成本模型仿真求解,得到最优调度。算例结果表明,改进算法 能够对粒子全局最优搜索优化,效果优于其他算法 ,可合理调配分布式电源出力时段,具有良好的可行性。关键词：微电网 调度 粒子群算法 自适应 混合驱动的粒子群 算法 被引量：2 2024年 群 优化(particle swarm optimization,PSO)算法 是一种在机器人运动规划、信号处理等领域有广泛应用的优化算法 。然而该算法 易陷入局部最优解,从而导致早熟问题。出现早熟问题的原因之一是粒子群 仅依靠适应度值选择学习范例。为了克服上述问题,提出了一种基于适应度值、改进率和新颖性混合驱动的PSO算法 (particle swarm optimization algorithm based on hybrid driven by fitness values,improvement rate,and novelty,FINPSO)。在该算法 中,引入的新指标和遗传算法 会平衡种群 的探索与开发,降低粒子群 早熟的可能性。适应度值、改进率和新颖性会作为粒子的评价指标。各指标独立地选择学习范例并保存到不同的档案中。粒子每一次速度更新都要确定各个指标的权重,并从每个档案中选择一个范例学习。该算法 采用了遗传算法 进行粒子间的信息交流。遗传算法 中的交叉互换和突变会给种群 带来更多的随机性,提升种群 的全局搜索能力。以八个PSO算法 变体作为对比算法 ,两个CEC测试套件作为基准函数进行实验。实验结果表明,FINPSO算法 优于已有的PSO算法 变体达到最先进水平。关键词：粒子群优化 遗传算法 全局优化算法 进化算法 基于蜣螂优化的改进粒子群 算法 2024年 群 算法 存在的局部最优、早熟和慢收敛等问题,提出了一种新的粒子群 更新方法。改进了算法 惯性权重,引入一种新的更新方式;借鉴蜣螂优化算法 中蜣螂滚球、繁殖、觅食和偷窃行为,将基本粒子群 的操作划分为寻优、变异、波动和跳跃,从而提高了算法 的全局寻优能力和收敛速度,并避免了早熟问题。通过与其他9种智能算法 进行实验对比表明,在10个基准测试函数中,基于蜣螂优化的改进粒子群 算法 在寻优能力和收敛速度方面表现出色,证实了该算法 的优越性。关键词：改进粒子群算法 免疫粒子群 算法 的测试数据生成 2024年 群 算法 进化后期收敛速度慢,克服易陷入局部极值的缺陷,提出一种自适应免疫粒子群 算法 并在面向路径的测试数据生成中得到应用。本文提出自适应的惯性权重的调整方法和学习因子的调节策略,加快算法 的搜索速率;引入免疫算法 中的免疫算子,提出抗体的浓度调节机制,使得粒子群 的多样性更加丰富,提升算法 的寻优能力;通过免疫选择操作,避免算法 的早熟收敛;以分支函数叠加法构造适应度函数。实验结果表明,该算法 避免了粒子群 算法 早熟收敛现象的发生,有效地提高了测试数据自动生成的效率。关键词：粒子群算法 测试数据生成 惯性权重 免疫算子 种群多样性 免疫选择 基于混合粒子群 算法 的火力分配模型 2024年 群 算法 适用于连续解空间及容易陷入局部极值的问题,提出将粒子群 算法 和遗传算法 融合的混合粒子群 算法 ,改造交叉算子和变异算子,充分利用个体当前极值和粒子群 整体极值信息,并结合模拟退火的思想,以一定的概率接受交叉变异后较差的粒子。算法 既保留粒子群 算法 快速的局部搜索优势,又具备遗传算法 的全局优化性能。仿真结果表明,混合粒子群 算法 在多平台多武器防空反导的火力分配中具有比遗传算法 更优的性能。关键词：防空反导 混合粒子群算法 基于粒子群 算法 的救护车布局优化 2024年 群 优化算法 对车厢内设备的布局优化进行仿真,探究得出在有限的救护车车厢空间中合理布置组合多个医疗器械设备的最优方案。人机工效学是以人的使用体验为出发点,研究人在环境中的效率、健康、安全、舒适等问题,寻找人—机—环境三者之间的最佳匹配。将人机工程学的设计思路应用到救护车的内部设备布局优化中,摒弃传统的“经验式”设计方法,根据使用者的实际使用需求和舒适程度来确定设备的布置与摆放,有效提升用户的舒适感及整车系统的工作效率。关键词：救护车 粒子群优化算法 人机工程学 动态拓扑结构混合粒子群 算法 及其应用 2024年 群 算法 面对较高维度参数整定问题时所表现出的寻优速度慢、易陷入局部最优解的问题,提出一种动态环形拓扑结构混合粒子群 算法 (DynRing-hfpso)。该算法 以粒子群 算法 为基底,融合萤火虫算法 的优点,通过定义选择逻辑使粒子在迭代过程中各自独立地交替进行全局搜索与局部探索,并以自适应的粒子速度与位置约束方法提高算法 在迭代过程中信息的利用率。对粒子群 拓扑结构进行改进,以动态多邻域环形拓扑结构提高搜索空间覆盖能力,均衡收敛速度。设置动态性能分析以及消融实验,验证算法 中粒子分布质量与改进措施的有效性。采用分数阶比例-积分-微分(FOPIλDμ)控制下的速度伺服系统作为应用场景,将该算法 与其他四种算法 进行对比。结果表明,DynRing-hfpso算法 较已有的元启发式优化算法 有更快的收敛速度与更优的收敛精度,且在多次实验中展现出更强的鲁棒性。关键词：粒子群算法 萤火虫算法 分数阶PID 自整定 混合粒子群 算法 的自动组卷研究 2024年 群 算法 存在的不足,在基本粒子群 算法 的基础之上引入了遗传算法 ,称为混合粒子群 算法 (MPSO)。经仿真实验表明,提出的混合粒子群 算法 (MPSO)要比基本遗传算法 (GA)和基本粒子群 算法 (PSO)的组卷效率高,完全可以胜任网络在线考试的要求。关键词：粒子群算法 遗传算法 自动组卷 试题库
相关作者
曾建潮 作品数：557 被引量：2,921 H指数：26 供职机构：中北大学 研究主题：微粒群算法 遗传算法 仿真 群机器人 煤矿安全 叶春明 作品数：661 被引量：3,596 H指数：28 供职机构：上海理工大学管理学院 研究主题：粒子群算法 优化算法 萤火虫算法 多目标 最大完工时间 刘弘 作品数：586 被引量：1,461 H指数：19 供职机构：山东师范大学 研究主题：人群疏散 疏散 仿真方法 力模型 遗传算法 马良 作品数：315 被引量：2,376 H指数：25 供职机构：上海理工大学管理学院 研究主题：蚂蚁算法 多目标 元胞自动机 优化算法 蚁群算法 须文波 作品数：493 被引量：2,006 H指数：19 供职机构：江南大学物联网工程学院 研究主题：QPSO QPSO算法 粒子群优化 量子粒子群算法 遗传算法
