【摘 要】
：
粒子群算法（Particle swarm optimization,PSO算法）是一种模拟鸟类寻找栖息地行为的元启发式算法,并且它已被证实具有有效解决优化问题的能力。这类算法拥有结构构造简单、容易实现等优势。虽然该算法已被应用于广泛实际问题,但是仍然存在收敛性、多样性、稳定性等方面的问题。因此,需要对PSO算法做出进一步的深入研究。论文针对PSO算法中的弊病,从新角度出发改进了PSO算法。论文首先
论文部分内容阅读
粒子群算法（Particle swarm optimization,PSO算法）是一种模拟鸟类寻找栖息地行为的元启发式算法,并且它已被证实具有有效解决优化问题的能力。这类算法拥有结构构造简单、容易实现等优势。虽然该算法已被应用于广泛实际问题,但是仍然存在收敛性、多样性、稳定性等方面的问题。因此,需要对PSO算法做出进一步的深入研究。论文针对PSO算法中的弊病,从新角度出发改进了PSO算法。论文首先把改进策略施加于近年来两个表现出色的PSO改进算法并取得较好结果,然后探究了改进后的算法在实际应用场景中的表现效果。论文所做的主要工作包括三个部分:（1）提出了一种粒子间相互排斥为主、吸引为辅的多阶段搜索策略来控制种群性状。在算法满足收敛的前提下,该策略通过在种群迭代的时间角度上进行优化,适当提高了种群的熵值使得算法的搜索过程趋于更优平衡。（2）论文把该策略引入标准PSO算法和改进PSO算法（TSLPSO和HCLPSO）,并通过基准测试函数来对各算法性能进行客观评估。实验结果表明引入的多阶段搜索策略能够帮助PSO类算法收敛到更优解。（3）将基于新策略的PSO及其改进算法应用到风光能混合储能系统工程优化问题的实际场景中并进行仿真实验。对比实验证明了论文提出的新改进机制能够帮助算法更好地解决实际应用问题。粒子群算法存在过早收敛、缺乏多样性等缺点。论文引入新的搜索机制优化粒子群类算法的搜索过程:一方面开辟新角度来提高PSO算法的搜索效率;另一方面为PSO算法的优化研究和工程优化问题的解决途径提供了新的思路。
其他文献
近年来,区块链作为处理信任问题的重要技术,在金融、食品安全和交通等多个领域表现出重要的前景。共识机制作为区块链技术底层的核心部分,当前公有链使用的共识机制以工作量证明（PoW）和股权证明（PoS）为主。然而这些共识机制仍存在挑战,例如:PoW在效率与去中心化之间,以牺牲效率来获得更高的去中心化来满足公有链的根本需求,并且存在高时延低吞吐问题。PoS由于权益掌握在少数人中,所以导致了明显的中心化趋势
确定药物副作用的发生频率是药物研发和药物风险-效益评估的关键问题。准确、高效地预测药物的副作用频率,对降低药物安全问题发生概率、保护患者健康有重要意义。药物的副作用频率通常在随机对照临床试验中确定,但此方法性能有限且成本昂贵。随着药物临床试验数据的增加,使得基于数据驱动的计算方法研究药物副作用成为可能。现有的药物-副作用相关预测工作主要研究药物-副作用间的关联关系。与此不同,本文旨在探究药物-副作
软件缺陷对软件的质量和经济影响重大,国外研究表明,每年由于软件缺陷造成的损失就达到上百亿元。因此如何准确、高效的发现软件缺陷,减少软件缺陷带来的损失,是软件工程领域一个热门的研究方向。研究人员开始对软件缺陷的可能性、数量、严重程度、分布规律等进行预测分析,发现软件缺陷与软件开发过程中的代码度量元有关。虽然关于软件缺陷的研究从未停止,但是在实际应用中仍然面临预测结果可解释性差,难以取得开发人员的信任
中小学教师职称聘后管理是教师职称制度中的重要组成部分,是职称评聘制度得以持续发挥激励作用的重要环节,对建设高质量教师队伍具有重要意义。本文把深圳市南山区公办学校教师为研究对象,使用文献法、问卷调查法等研究方法,通过查阅文献、梳理国家和地方有关聘后管理的政策现状,调查分析南山区聘后管理的实施现状,分析聘后管理的影响因素,总结南山区聘后管理存在的问题及其成因,最后提出完善聘后管理的对策。通过问卷调查,
近年来,神经网络展现了强大的性能,被广泛应用到了图像识别、自然语言处理、自动驾驶等领域。然而,最近的研究表明:神经网络在面对对抗样本的表现却不尽如人意。人们提出了不同方法来减轻对抗样本带来的危害,这些方法大致可以分为三类:第一类是增强模型自身的鲁棒性,对抗训练便是其中常用的方法,此类方法需要对原有模型进行重新训练或微调,防御成本较大;第二类是在原有模型之前增加附加模块,以此去除或破坏精心设计的扰动
现实世界中存在大量群体智能行为,如捕食者协同围捕、沙丁鱼洄游、无人机编队系统,这些群体智能行为是自然界和人类社会赖以生存和稳定运行的基础。如何揭示群体智能行为的涌现机理和激发机制,成为近年人工智能领域最具挑战性的科学难题之一。演化博弈论作为行为决策研究的基础理论,为定量刻画群体智能行为中个体行为决策规律、分析预测群体智能行为提供了有效的研究工具,得到了学术界的广泛研究和应用。然而,随着人工智能时代
社交网络、引文网络、蛋白质交互网络等网络应用在过去十年中不断涌现并备受关注。与传统的二维数据不同,网络数据自然地表示为图。网络中除了包含节点之间成对结构关系外,每个节点又拥有自己的属性。我们称这类数据为属性图,有效的分析属性图为用户提供了对数据背后的更深层次的理解,并且在解决社区检测、企业社交网络用户分组等方面表现出极大的普及。因此挖掘属性图有重要的学术意义和应用前景。属性图聚类旨在通过充分利用节
德、英、法国家先后推出工业“4.0”、工业“2050”以及“未来工业”战略计划,我国国务院也于2015年5月公布“中国制造2025”计划。反映出当前各个国家对于工业发展的重视。对于工业的发展,首先就是要发展工业智能化,也就是让机器通过人工智能、深度学习等方法帮助企业完成复杂度较高的任务、降低企业成本、提高商品质量和企业服务质量,这也是实现工业智能化的核心准则。工业智能化的发展对于企业的组织、管理、
随着通信技术的进步以及Facebook和微信等社交平台的普及,人们在日常社交生活中会产生大量的能够代表情感的多模态数据。它已经从计算机科学传播到商业营销、金融、政治科学、健康科学甚至历史等社会科学和自然科学。文本是在进行情感分析最常用的信息,它通过单词、短语和句法关系来表达情感。然而在某些情况下,很难通过文本信息准确判断情绪。而文本和音频模态以及视频模态之间的相互作用可以提供更加丰富的信息并且获取
时间序列是指在时间上具有前后顺序关系的一组数据,近几年,随着智能设备的不断普及,时间序列数据呈现出爆发性增长的态势,广泛存在于交通、医疗、工业等生产生活的各种领域。每种事物随着时间的推进而出现的一些变化都可以看作是时间序列,时间序列包含着极其丰富的价值信息,通过对收集到的时间序列加以分析,可以从过去的事物发展状态中提取出有用的信息,从而为未来的实践提供指导。在面对当今海量且具有高维度和噪声等特点的