简介：提出一种以广义柔度矩阵为损伤指标,基于量子粒子群优化算法的结构损伤识别方法.该方法根据结构损伤前后广义柔度矩阵差与结构物理参数变化关系,将结构广义柔度矩阵识别问题转化为优化问题,进而采用系统辨识能力较强的量子粒子群优化算法搜索目标函数最优值,从而达到损伤位置和损伤程度同时识别的双重效果.最后通过简支梁数值模拟对该方法的有效性进行了验证.

简介：摘要本文利用了修正的离散量子粒子群优化算法（MQPSO）对配电网网络进行重构，算法在原有的二进制粒子群基础上改进了Sigmoid函数的简单映射关系，直接利用MQPSO实现了改进粒子群自身算法直接的映射关系，提高了算法的运算效率。此外，由于配电网自身的辐射状运行特点，本文利用节点优化3步骤对配电网络进行优化，使得粒子在初始化过程中避免了不可行解的出现。最后对IEEE单馈线33节点配电系统进行了优化计算，其结果与最优解吻合，同时还证明了MQPSO算法在处理离散问题的高效性。

简介：根据支持向量机结构风险最小化原则和量子粒子群快速全局优化的特点,提出了干扰样式识别的QPSO-SVM算法。采用量子粒子群算法优化支持向量机参数,建立了干扰样式特征组分识别的模型,经过仿真试验,表明该算法具有识别率高,计算时间短的优点。

简介：摘要在智能电网不断发展的大背景下，配电网络重构可以不投入额外的设备，仅通过改变线路上的开关状态，就能实现降低网损，改善电压质量的目的，其重要性日益突出。本文提出了一种基于改进量子粒子群算法的配电网络重构方法。该方法通过基于环路的十进制编码方式对粒子向量进行编码，降低了重构过程中不可行解产生的比例；引入了Logistic映射来提高初始种群的遍历能力；采用自适应调整的收缩—扩展系数α，提高量子粒子群算法的动态自适应性。最后，本文运用MATLAB仿真计算，验证了该方法的正确性、有效性和快速性。

简介：为了改善冲压件加工质量,采用量子粒子群算法优化六杆压力机构并进行运动仿真.分析六杆压力机构工作过程,采用几何关系式推导冲头的位移方程式.确定设计参数,构造冲头速度优化目标函数,增加约束条件.采用量子粒子群算法优化目标函数,得出六杆最优运动参数.采用数学软件MATLAB对冲头速度进行仿真验证,输出冲头速度运动曲线.结果表明：优化后的六杆压力机构在冲压工件时,冲头速度跳动幅度较小,回程速度快.采用量子粒子群算法优化六杆压力机构设计参数,能够提高冲压件产品综合质量.

简介：介绍了基本PSO算法以及两种典型的改进算法:1)全局邻域模式和局部邻域模式对粒子群优化算法的影响,全局邻域模式粒子群优化算法收敛快,但容易陷入局部极小值;局部邻域模式粒子群优化算法由于粒子倾向于在不同的局部区域搜索因而收敛速度慢,但能在较大程度上避开局部极小值;2)混沌粒子群优化算法,它具有混沌的随机性、遍历性、规律性等特性引导粒子及其组成的群落搜索全局最优解。

简介：　　(5)将种子的最优值确定为其所在子群中所有粒子的全局最优值,种子的最优值就是同一子群中其他粒子的全局最优值,通常可以将求解的适应值函数定义为　　　　4物种形成原理算法　　　　方程组具有多个解时

简介：摘要针对PSO算法易早熟、收敛精度差、迭代后期收敛速度慢等问题，提出了一种基于算法参数变化的简化粒子群算法。该算法惯性权重和学习因子分别随迭代次数呈指数函数变化和正弦三角函数变化，使用4个经典Benchmark测试函数进行仿真测试。结果表明本算法能较好收敛到全局最优值，且收敛速度快，收敛精度高，优化性能好。

简介：要想记住10个电子的粒子，可以采用找“关联”的推导方法。第一步，“左邻右舍法”。如图1所示，首先写出10号元素Ne，再依次写出它的“左邻右舍”。“左邻”如9号元素F，8号元素0，7号元素N，要形成10个电子，就分别以阴离子的形式依次写到元素Ne的左侧。

简介：排课问题是一个有约束的、多目标的组合优化问题.在针对遗传算法在求解该问题时搜索效率较低的情况下,提出了一个基于粒子群的排课算法.在算法设计过程中,考虑排课过程中所出现的各种时间、空间资源的冲突情况,设计了一种基于粒子群优化算法来实现时间和空间两种资源的优化.利用C#程序设计语言实现了基于粒子群算法的排课系统,实验和测试结果也验证了其有效性和系统的可用性.

简介：布谷鸟搜索算法和粒子群优化算法都属于仿生优化群算法,它们的原理简单、实现方便,在诸多领域得到应用。虽然这两种算法优点明显,但是它们在全局搜索能力、收敛速度等方面存在不同程度的不足,当它们应用于复杂优化问题时,需要采用改进措施来提升其性能。把布谷鸟搜索算法和粒子群优化算法进行混合,在两种算法平行进化的基础上引入共享机制,使两种算法优点互补。仿真证明,混合算法提升了算法的全局搜索能力和收敛速度,适应性更强,可以应用于复杂的优化问题。

简介：摘 要：针对传统粒子群优化算法易早熟收敛的问题，提出一种基于混沌思想的改进粒子群优化算法。该算法利用混沌运动的随机性、遍历性和规律性等特征，综合了混沌初始化、惯性权重的混沌调节、位置的边界处理、陷入早熟时的混沌遍历搜索等改进措施, 改善了粒子群的随机性与多样性，较好解决了算法的早熟收敛问题。通过3个典型高维测试函数的实验测试表明：改进的混沌粒子群算法在收敛速度、寻优精度和稳定性等方面明显优于传统的粒子群算法。

简介：摘要对基于粒子群算法的电网无功规划进行了研究，建立了有功网损和设备投资综合费用最低的目标函数。通过对IEEE30节点系统的仿真分析，验证了该方法的可行性与实用性。

简介：摘要介绍基本粒子群优化算法的原理、特点，并在此基础上提出了一种改进的粒子群算法。通过在粒子初始化时引入相对基的原理使粒子获得更好的初始解，以及在迭代过程中引入变异模型，部分粒子生成相对应的扩张及收缩粒子，比较其适应度，保留最佳粒子进行后期迭代，使算法易跳出局部最优。通过经典函数的测试结果表明，新算法的全局搜索能力有了显著提高，并且能够有效避免早熟问题。

简介：为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。

简介：摘 要：城市交通的出行者是交通网络分析的对象，本文针对固定需求随机用户平衡问题，提出了粒子群优化算法并进行数值实验分析，通过构造初始解；设置约束条件控制迭代步长，根据适应度函数求出粒子自身历史最优位置和群体全局最优位置并更新速度和位置向量；同时在迭代更新过程中保证同一OD对各有效路径上流量之和等于其交通需求，最后达到设置的迭代次数，输出OD对各路径流量。结果表明用粒子群算法求解随机用户平衡问题有效可行，迭代收敛较快。

简介：摘 要：城市交通的出行者是交通网络分析的对象，本文针对固定需求随机用户平衡问题，提出了粒子群优化算法并进行数值实验分析，通过构造初始解；设置约束条件控制迭代步长，根据适应度函数求出粒子自身历史最优位置和群体全局最优位置并更新速度和位置向量；同时在迭代更新过程中保证同一OD对各有效路径上流量之和等于其交通需求，最后达到设置的迭代次数，输出OD对各路径流量。结果表明用粒子群算法求解随机用户平衡问题有效可行，迭代收敛较快。

简介：PSO组播路由算法,杜明辉基于粒子群优化的QoS组播路由算法[J]. ,路由A中的第2个节点7在路由B中不存在

简介：PSO组播路由算法,杜明辉基于粒子群优化的QoS组播路由算法[J]. ,路由A中的第2个节点7在路由B中不存在

简介：简化粒子群算法舍弃了标准粒子群算法中的速度项,使算法更加简练高效。但简化粒子群算法每个粒子都采用相同的迭代公式进行迭代,使得算法在进化后期粒子的差异性不强,算法容易出现早熟。提出非线性递减惯性权重的简化粒子群算法,每个粒子采用动态的公式进行迭代,提高粒子群的多样性,避免陷入局部最优,提高解的精度。最后在Matlab上进行数值模拟,发现改进后的算法在寻优精度和收敛速度上具有明显优势。