期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于改进粒子群优化算法的电力系统无功电压综合控制 被引量:5
1
作者 吴秀华 朴在林 +1 位作者 徐静 杨萍 《继电器》 CSCD 北大核心 2007年第21期28-33,38,共7页
在基本粒子群优化算法的基础上,提出了一种改进的粒子群优化算法用于电力系统无功电压综合控制。该算法改进了随机初始化种群的方法,采用均匀初始化,引进了粒子的自身探索机制,用多个位于可行域中的粒子个体引导粒子的更新,以保证全局... 在基本粒子群优化算法的基础上,提出了一种改进的粒子群优化算法用于电力系统无功电压综合控制。该算法改进了随机初始化种群的方法,采用均匀初始化,引进了粒子的自身探索机制,用多个位于可行域中的粒子个体引导粒子的更新,以保证全局搜索的有效性,同时采用混沌变异算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能。通过对IEEE-30节点标准系统模型的无功电压综合控制计算和分析,证明了此改进的粒子群优化算法具有更高的全局寻优效率。 展开更多
关键词 粒子群优算法(PSO) 均匀初始化 混沌变异 无功电压综合控制
下载PDF
混合改进的花朵授粉算法 被引量:4
2
作者 陶志勇 崔新新 《传感器与微系统》 CSCD 2019年第10期139-142,145,共5页
针对花朵授粉算法(FPA)收敛速度慢、精度低的问题,提出了一种混合改进的花朵授粉算法(HFPA)。该算法采用均匀初始化和边界变异提高种群多样性,利用正态分布缩放因子进行全局寻优,加快收敛速度。局部寻优引入变异策略帮助算法跳出局部最... 针对花朵授粉算法(FPA)收敛速度慢、精度低的问题,提出了一种混合改进的花朵授粉算法(HFPA)。该算法采用均匀初始化和边界变异提高种群多样性,利用正态分布缩放因子进行全局寻优,加快收敛速度。局部寻优引入变异策略帮助算法跳出局部最优。实验使用7个测试函数,对比原FPA算法其他群智能算法,结果表明:HFPA算法在收敛速度和寻优精度方面均有显著的提高。 展开更多
关键词 花朵授粉算法 正态分布 变异策略 均匀初始化 边界变异
下载PDF
改进的多目标粒子群优化算法 被引量:4
3
作者 项铁铭 王建成 《计算机应用与软件》 2017年第9期302-305,共4页
为提高解决多目标优化问题的能力,提出一种改进的多目标粒子群优化算法。该算法采用均匀随机初始化方法初始种群,采用快速支配策略选取非支配解,生成外部档案;通过比较粒子连续几代的更新情况来判断是否陷入局部最优并相应地采取不同的... 为提高解决多目标优化问题的能力,提出一种改进的多目标粒子群优化算法。该算法采用均匀随机初始化方法初始种群,采用快速支配策略选取非支配解,生成外部档案;通过比较粒子连续几代的更新情况来判断是否陷入局部最优并相应地采取不同的更新策略,同时引入变异因子对粒子进行扰动。实验结果表明,在世代距离GD(Generational Distance)和空间评价方法 SP(Spacing)性能指标上,改进之后的算法与另外几种对等算法相比,具有显著的整体优势。 展开更多
关键词 外部档案 均匀初始化 快速支配策略 多目标粒子群优算法 粒子信息档案
下载PDF
基于精英高斯学习的改进鱼群粒子群混合算法 被引量:3
4
作者 康朝海 王博宇 杨永英 《吉林大学学报(信息科学版)》 CAS 2018年第4期430-438,共9页
为提高算法在高维函数上的寻优性能,提出改进鱼群粒子群混合算法。该算法将鱼群算法全局搜索性能好与粒子群算法局部搜索性能强的优点相结合,在寻优初始阶段采用鱼群算法获得最优群体,在后期用粒子群算法实现精搜索。针对初始种群随意... 为提高算法在高维函数上的寻优性能,提出改进鱼群粒子群混合算法。该算法将鱼群算法全局搜索性能好与粒子群算法局部搜索性能强的优点相结合,在寻优初始阶段采用鱼群算法获得最优群体,在后期用粒子群算法实现精搜索。针对初始种群随意性大、分布不均的问题,通过均匀初始化,优化初始种群的分布;并对算法全局搜索方向性差、效率低的问题,采用仿照蛙跳算法的分组方式对种群进行分组,同时对组内优秀个体和一般个体使用不同搜索策略,提高搜索的目的性和效率。引入改进的精英高斯学习,从而提升最终结果的精度。利用该算法对6个标准函数寻优并与其他算法比较,结果表明,该算法的改进有效且性能优于其他算法。 展开更多
关键词 鱼群粒子群混合算法 均匀初始化 分组策略 精英高斯学习
下载PDF
融合精英学习与多项式变异的改进麻雀算法 被引量:1
5
作者 欧阳城添 刘裕嘉 朱东林 《计算机仿真》 北大核心 2023年第5期398-403,547,共7页
针对麻雀搜索算法初期搜索效率低和易陷入局部最优的问题,提出了融合精英学习与多项式变异的改进麻雀算法。算法在麻雀搜索算法的基础上,通过维度空间均匀初始化种群,优化种群分布,均匀种群密度,提高初期搜索效率;然后引入改进的精英学... 针对麻雀搜索算法初期搜索效率低和易陷入局部最优的问题,提出了融合精英学习与多项式变异的改进麻雀算法。算法在麻雀搜索算法的基础上,通过维度空间均匀初始化种群,优化种群分布,均匀种群密度,提高初期搜索效率;然后引入改进的精英学习策略,对发现者搜索范围进行全局性优化,提高算法的开拓能力;最后采用多项式变异对麻雀搜索算法中的最佳位置进行更新,降低算法陷入局部最优解的概率,增强算法的全局寻优能力。通过8个基准函数的仿真和Wilcoxon秩检验,验证上述方法的有效性。最终结果表明,改进麻雀算法的搜索效率和全局寻优能力都有明显的提升。 展开更多
关键词 麻雀搜索算法 均匀初始化 精英学习 多项式变异
下载PDF
分布估计算法与爬山法的混合优化算法
6
作者 闫晓梅 王丽芳 严莉娜 《太原科技大学学报》 2014年第5期328-333,共6页
针对经验Copula分布估计算法局部开采能力较弱的问题,提出了用爬山法进行局部搜索,将搜索结果参与到经验Copula分布估计算法的进化过程中,增加了群体中的个体差异性,同时又不影响群体的进化方向。在初始化群体时提出了均匀初始化的方法... 针对经验Copula分布估计算法局部开采能力较弱的问题,提出了用爬山法进行局部搜索,将搜索结果参与到经验Copula分布估计算法的进化过程中,增加了群体中的个体差异性,同时又不影响群体的进化方向。在初始化群体时提出了均匀初始化的方法,针对高维优化问题,给出了特定的算法。通过对标准测试函数的仿真实验,表明了该算法的有效性。 展开更多
关键词 分布估计算法 经验Copula 爬山法 均匀初始化
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部