搜索到5213 篇“ 混合粒子群优化算法 “的相关文章
混合 粒子 群 优化算法 被引量：11 2012年 粒子 群 优化算法 在处理高维复杂函数时存在收敛速度慢、易陷入早熟收敛等缺点,提出了混合 粒子 群 优化算法 。它借鉴群 体位置方差的早熟判断机制,把基因换位和变异算子引入到算法 中,构造出新的个体和个体基因的适应值函数,将适应值最差的基因进行变异。为减少算法 计算量,采用耗散的粒子 群 算法 结构。实验表明,该算法 比只有一个适应值的粒子 群 算法 具有更快的收敛速度。且具有很强的避免局部极小能力,其性能远远优于单一优化 方法。关键词：粒子群优化算法 基于混合 粒子 群 优化算法 的永磁同步电机参数辨识 2024年 粒子 群 (GAPSO)混合 优化 的在线参数辨识算法 。该算法 通过MRAS初步辨识PMSM的电气参数,其辨识结果为粒子 群 寻优提供方向;同时改进遗传算法 中交叉变异机制,将初步辨识结果引入遗传粒子 群 算法 中进一步优化 。仿真实验结果表明,MRAS-GAPSO算法 所有参数在迭代50次内实现了较高精度的辨识,且辨识相对误差均不超过1%,验证了算法 在不同工况下的可行性,实现了参数的在线精确辨识。关键词：参数辨识 模型参考自适应 带时间窗的车辆路径问题的混合 粒子 群 优化算法 被引量：2 2024年 混合 粒子 群 优化算法 (Hybrid Particle Swarm Optimization,HPSO)进行求解。所提出的算法 设计了一种高效的编解码策略,以此搭建HPSO算法 解空间到VRPTW解空间的桥梁。同时为了提高算法 的寻优能力,设计了由单点插入策略以及双点交换策略组成的局部搜索策略。通过solomon-50标准数据集中的九个算例进行仿真实验,实验结果证明了所提出算法 的寻优能力和稳定性均优于对比算法 ,最优解误差相较于对比算法 最多降低了38.32%。关键词：车辆路径问题 时间窗 混合粒子群优化算法 组合优化问题 基于混合 粒子 群 优化算法 的多组合设备调度方法研究 2024年 混合 生产等复杂特征。如何有效地优化 调度与控制方法对于缩短生产周期、提高设备利用率至关重要。近年来,多组合设备逐渐应用于晶圆加工,由于存在晶圆滞留时间约束,多组合设备的调度问题变得极为复杂且具有挑战性。以最小化生产周期为目标,提出了一种混合 粒子 群 优化算法 来解决多组合设备的调度问题,对粒子 群 优化算法 的参数进行自适应混沌优化 ,实现全局搜索与局部搜索间的有效平衡,同时引入不可行解修复策略,对不可行解进行自适应修复,有效地提高了搜索效率和求解质量。最后基于实际生产数据进行仿真实验,计算结果表明,所提出的混合 粒子 群 优化算法 对解决多组合设备调度问题具有有效性和高效性。关键词：粒子群优化算法 调度 基于混合 粒子 群 优化算法 的AGV路径规划方法、装置和设备 混合 粒子 群 优化算法 的AGV路径规划方法、装置和设备，包括：确定AGV参与下的物料货位拣选的二维搜索空间，并将所述二维搜索空间划分为多个栅格；将所述栅格中的每个交叉点作为一个粒子 ，每个粒子 代表一个路径节点，...基于改进混合 粒子 群 优化算法 的多无人机协同围捕方法研究 被引量：2 2024年 混合 粒子 群 优化 方法,以各无人机同时到达指定围捕位置的最小时间为目标,优化 调度给出多目标围捕方案;在航路规划层考虑无人机初始状态及运动学约束,通过Dubins曲线调整实现各无人机同时到达围捕位置。仿真结果表明了所提方法的有效性。关键词：多无人机 基于混合 粒子 群 优化算法 的无线网络覆盖规划研究 2023年 粒子 群 优化 (particle swarm optimization,PSO)算法 是一种启发于鸟群 觅食行为的智能优化 搜索算法 ,在各个领域均有广泛应用。在有传播损耗的条件下,提出了一种基于PSO算法 的无线网络覆盖规划方案,通过混合 PSO算法 和PSO算法 、差分进化(differential evolution,DE)算法 分析室内5G小基站的优化 部署效果。结果表明,混合 PSO算法 具有更强大的优化 性能。关键词：PSO算法 无线网络 基于双目标混合 粒子 群 优化算法 的雷达资源分配方法 混合 粒子 群 优化算法 的雷达资源分配方法，具体按照以下步骤实施：步骤1、建立资源分配优化 模型；步骤2、进行子阵列优化 选择；步骤3、进行功率优化 选择，本发明具有结构简单、效率高的特点，解决了现有技术中存在...一种基于混合 粒子 群 优化算法 的深度卷积神经网络架构搜索方法 被引量：10 2023年 混合 粒子 群 优化 (hybrid particle swarm optimization,HPSO)算法 ,将一定数目的神经网络个体视做一个群 体,将每个网络个体在评价指标下的表现值视做适应度,在给定的世代数范围内,每个神经网络个体都学习自身的历史最佳适应度个体,和整个群 体的最佳适应度个体,迭代改善自身的网络架构。实验结果表明,算法 运行中出现的最优网络架构,在图像分类任务的多个基准数据集上,与手工设计的神经网络和以遗传算法 为基础的NAS算法 相比,在网络参数数量和准确率的平衡上取得了有竞争力的结果。关键词：混合粒子群算法 卷积神经网络 图像分类 一种新的混合 粒子 群 优化算法 被引量：2 2022年 粒子 群 算法 在进化后期收敛精度低、收敛速度慢,尤其是高维时候容易早熟等问题,提出了一种新的混合 粒子 群 优化算法 。新算法 首先设计了一种新的惯性权重,使惯性权重取值在进化初期和后期都较为适中;其次,为了有效抑制粒子 陷入局部极值,引入了粒子 最优速度和最差适应值的概念,并以此为基础,设计了粒子 的一种新的自适应变异方式;最后引入了平均收敛率和最小平均收敛代数两个概念,可以更好地评价和比较本文算法 的性能。八个标准测试函数在100维、200维进行的数值实验证实,新算法 收敛精度高,收敛速度快,且有效预防了早熟现象。关键词：粒子群优化 惯性权重 早熟
