期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
6
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种惯性权重动态调整的新型粒子群算法
被引量：
49
1
作者
刘建华
樊晓平
瞿志华
《计算机工程与应用》
CSCD
北大核心
2007年第7期68-70,共3页
在简要介绍基本PSO算法的基础上,提出了一种根据不同粒子距离全局最优点的距离对基本PSO算法的惯性权重进行动态调整的新型粒子群算法(DPSO),并对新算法进行了描述。以典型优化问题的实例仿真验证了DPSO算法的有效性。
关键词
粒子
群
算法
(
pso
算法
)
全局最优性
动态
粒子
群
算法
(D
pso
)
收敛性
下载PDF
职称材料
基于粒子群算法的城市单交叉口信号控制
被引量：
6
2
作者
刘建华
刘建伟
《系统工程》
CSCD
北大核心
2007年第7期83-87,共5页
在简要介绍基本PSO算法的基础上,提出一种在速度变迁公式中增加用组内的局部最优值来指导飞行的项的改进算法,并将其运用到单交叉路口的信号控制。通过对本周期及前一个周期的车流量进行实时测量,采用一个周期的滞留车流量评估,从而确...
在简要介绍基本PSO算法的基础上,提出一种在速度变迁公式中增加用组内的局部最优值来指导飞行的项的改进算法,并将其运用到单交叉路口的信号控制。通过对本周期及前一个周期的车流量进行实时测量,采用一个周期的滞留车流量评估,从而确定一周期的相位配时方案,最终以路口各周期滞留车辆量的变化作为控制性能评价。采用Matlab语言编程进行实时仿真实验,仿真验证了此算法对交叉路信号控制的有效性。
展开更多
关键词
粒子
群
算法
(
pso
算法
)
交通流
实时优化
多相位控制
下载PDF
职称材料
基于灰色PSO-BP人口预测模型的研究与应用
被引量：
6
3
作者
蒋若凡
姜玉梅
李菲雅
《西北人口》
CSSCI
2011年第3期23-26,共4页
人口问题是一个复杂、受诸多因素影响的社会问题,准确地预测我国人口数量对于制定国民经济计划和社会发展战略有着深远的意义。本文针对单一指标进行人口总量预测精度不高的问题,利用灰色预测所需信息少和神经网络非线性映射能力强的优...
人口问题是一个复杂、受诸多因素影响的社会问题,准确地预测我国人口数量对于制定国民经济计划和社会发展战略有着深远的意义。本文针对单一指标进行人口总量预测精度不高的问题,利用灰色预测所需信息少和神经网络非线性映射能力强的优点,筛选出与人口总量紧密联系的7个主要因素,建立了多指标灰色PSO-BP神经网络人口预测模型,并对2010年至2020年我国人口总量进行预测。实证分析表明,该模型预测和外推精度高,具有较好的实用价值。
展开更多
关键词
灰色模型
粒子
群
算法
(
pso
算法
)
BP神经网络
人口预测
下载PDF
职称材料
多元最优信息分组延迟粒子群算法
4
作者
刘建华
《现代电子技术》
2007年第4期83-85,共3页
在简要介绍基本PSO算法的基础上,提出多元最优信息分组算法:选择m个最优信息,分成m个组,每个微粒属于离自己最近的最优微粒所处的小组。当经过一定的运行延迟周期后,合并小组,直到只剩下最后一个小组。同时,对新算法进行描述并以典型优...
在简要介绍基本PSO算法的基础上,提出多元最优信息分组算法:选择m个最优信息,分成m个组,每个微粒属于离自己最近的最优微粒所处的小组。当经过一定的运行延迟周期后,合并小组,直到只剩下最后一个小组。同时,对新算法进行描述并以典型优化问题的实例仿真验证了MGPSO算法的有效性。
展开更多
关键词
粒子
群
算法
(
pso
算法
)
多元最优信息
分组延迟
收敛性
下载PDF
职称材料
建设人口均衡城市视角下的人口规模预测——以成都市为例
5
作者
李菲雅
蒋若凡
《技术经济与管理研究》
CSSCI
2014年第6期90-95,共6页
建设人口均衡城市,首要在于充分摸清人口底数,准确预测人口增长规模,才能科学制定人口和经济社会发展规划。文章针对以往单一指标预测人口总量精度不高的问题,利用灰色预测所需信息少和神经网络非线性映射能力强的优点,筛选出与人口总...
建设人口均衡城市,首要在于充分摸清人口底数,准确预测人口增长规模,才能科学制定人口和经济社会发展规划。文章针对以往单一指标预测人口总量精度不高的问题,利用灰色预测所需信息少和神经网络非线性映射能力强的优点,筛选出与人口总量紧密联系的9个主要因素,力图建立多指标灰色PSO-BP神经网络人口预测模型,并对2015年至2030年成都市人口总量进行预测。实证分析表明,该模型预测精度高、泛化能力强,具有较好的实用价值。在论文的最后,作者依据模型预测结果,为成都市建设人口均衡城市提出了较有针对性的建议。
展开更多
关键词
灰色理论
BP神经网络
粒子
群
算法
(
pso
算法
)
人口预测
人口均衡
Particle
SWARM
Optimization(
pso
)
下载PDF
职称材料
基于PSO-GRU的锂电池SoC预测
6
作者
蒋永辉
《信息与电脑》
2023年第11期109-111,共3页
电池荷电状态(State of Charge,SoC)是预防新能源汽车电池过充或过放的重要指标。文章提出一种基于粒子群优化算法-门循环单元(Particle Swarm Optimization-Gate Recurrent Unit,PSO-GRU)的锂电池SoC预测方法。该方法使用粒子群优化算...
电池荷电状态(State of Charge,SoC)是预防新能源汽车电池过充或过放的重要指标。文章提出一种基于粒子群优化算法-门循环单元(Particle Swarm Optimization-Gate Recurrent Unit,PSO-GRU)的锂电池SoC预测方法。该方法使用粒子群优化算法优化GRU神经网络的超参数,可避免超参数使GRU神经网络训练产生局部最优问题。实验证明,设计方法比只使用GRU神经网络具有更好的预测性能。
展开更多
关键词
荷电状态(SoC)预测
门循环单元(GRU)神经网络
粒子
群
优化
算法
(
pso
)
算法
下载PDF
职称材料
题名
一种惯性权重动态调整的新型粒子群算法
被引量：
49
1
作者
刘建华
樊晓平
瞿志华
机构
中南大学信息科学与工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2007年第7期68-70,共3页
文摘
在简要介绍基本PSO算法的基础上,提出了一种根据不同粒子距离全局最优点的距离对基本PSO算法的惯性权重进行动态调整的新型粒子群算法(DPSO),并对新算法进行了描述。以典型优化问题的实例仿真验证了DPSO算法的有效性。
关键词
粒子
群
算法
(
pso
算法
)
全局最优性
动态
粒子
群
算法
(D
pso
)
收敛性
Keywords
Particle Swarm Optimization（
pso
）
global optimality
D
pso
convergence
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于粒子群算法的城市单交叉口信号控制
被引量：
6
2
作者
刘建华
刘建伟
机构
福建师范大学数学与计算机科学学院
江西省大光山煤矿光大煤业公司
出处
《系统工程》
CSCD
北大核心
2007年第7期83-87,共5页
文摘
在简要介绍基本PSO算法的基础上,提出一种在速度变迁公式中增加用组内的局部最优值来指导飞行的项的改进算法,并将其运用到单交叉路口的信号控制。通过对本周期及前一个周期的车流量进行实时测量,采用一个周期的滞留车流量评估,从而确定一周期的相位配时方案,最终以路口各周期滞留车辆量的变化作为控制性能评价。采用Matlab语言编程进行实时仿真实验,仿真验证了此算法对交叉路信号控制的有效性。
关键词
粒子
群
算法
(
pso
算法
)
交通流
实时优化
多相位控制
Keywords
pso
Traffic Flow
Real-time Optimizing
Multiphase Control
分类号
TP203 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于灰色PSO-BP人口预测模型的研究与应用
被引量：
6
3
作者
蒋若凡
姜玉梅
李菲雅
机构
四川师范大学历史文化学院
西南财经大学
出处
《西北人口》
CSSCI
2011年第3期23-26,共4页
基金
四川省教育厅青年基金项目(09SB053)
文摘
人口问题是一个复杂、受诸多因素影响的社会问题,准确地预测我国人口数量对于制定国民经济计划和社会发展战略有着深远的意义。本文针对单一指标进行人口总量预测精度不高的问题,利用灰色预测所需信息少和神经网络非线性映射能力强的优点,筛选出与人口总量紧密联系的7个主要因素,建立了多指标灰色PSO-BP神经网络人口预测模型,并对2010年至2020年我国人口总量进行预测。实证分析表明,该模型预测和外推精度高,具有较好的实用价值。
关键词
灰色模型
粒子
群
算法
(
pso
算法
)
BP神经网络
人口预测
Keywords
gray Model
BP neural networks
Particle swarm optimization（
pso
）
Population prediction
分类号
C923 [社会学—人口学]
下载PDF
职称材料
题名
多元最优信息分组延迟粒子群算法
4
作者
刘建华
机构
福建师范大学数学与计算机科学学院
出处
《现代电子技术》
2007年第4期83-85,共3页
文摘
在简要介绍基本PSO算法的基础上,提出多元最优信息分组算法:选择m个最优信息,分成m个组,每个微粒属于离自己最近的最优微粒所处的小组。当经过一定的运行延迟周期后,合并小组,直到只剩下最后一个小组。同时,对新算法进行描述并以典型优化问题的实例仿真验证了MGPSO算法的有效性。
关键词
粒子
群
算法
(
pso
算法
)
多元最优信息
分组延迟
收敛性
Keywords
pso
multi - optimum
grouping and delaying
convergence
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
建设人口均衡城市视角下的人口规模预测——以成都市为例
5
作者
李菲雅
蒋若凡
机构
四川师范大学政治教育学院
西南财经大学应用经济学博士后流动站
出处
《技术经济与管理研究》
CSSCI
2014年第6期90-95,共6页
基金
成都市哲学社会科学规划项目(ZST12-02
ZST11-06)
文摘
建设人口均衡城市,首要在于充分摸清人口底数,准确预测人口增长规模,才能科学制定人口和经济社会发展规划。文章针对以往单一指标预测人口总量精度不高的问题,利用灰色预测所需信息少和神经网络非线性映射能力强的优点,筛选出与人口总量紧密联系的9个主要因素,力图建立多指标灰色PSO-BP神经网络人口预测模型,并对2015年至2030年成都市人口总量进行预测。实证分析表明,该模型预测精度高、泛化能力强,具有较好的实用价值。在论文的最后,作者依据模型预测结果,为成都市建设人口均衡城市提出了较有针对性的建议。
关键词
灰色理论
BP神经网络
粒子
群
算法
(
pso
算法
)
人口预测
人口均衡
Particle
SWARM
Optimization(
pso
)
Keywords
Grey theory
BP Neural Network
Population prediction
Population balance
分类号
F293.1 [经济管理—国民经济]
下载PDF
职称材料
题名
基于PSO-GRU的锂电池SoC预测
6
作者
蒋永辉
机构
海南师范大学信息科学技术学院
出处
《信息与电脑》
2023年第11期109-111,共3页
基金
海南省重点研发计划项目(项目编号:ZDYF2021GXJS023)。
文摘
电池荷电状态(State of Charge,SoC)是预防新能源汽车电池过充或过放的重要指标。文章提出一种基于粒子群优化算法-门循环单元(Particle Swarm Optimization-Gate Recurrent Unit,PSO-GRU)的锂电池SoC预测方法。该方法使用粒子群优化算法优化GRU神经网络的超参数,可避免超参数使GRU神经网络训练产生局部最优问题。实验证明,设计方法比只使用GRU神经网络具有更好的预测性能。
关键词
荷电状态(SoC)预测
门循环单元(GRU)神经网络
粒子
群
优化
算法
(
pso
)
算法
Keywords
State of Charge(SoC)prediction
Gate Recurrent Unit(GRU)neural network
Particle Swarm Optimization(
pso
)algorithm
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种惯性权重动态调整的新型粒子群算法
刘建华
樊晓平
瞿志华
《计算机工程与应用》
CSCD
北大核心
2007
49
下载PDF
职称材料
2
基于粒子群算法的城市单交叉口信号控制
刘建华
刘建伟
《系统工程》
CSCD
北大核心
2007
6
下载PDF
职称材料
3
基于灰色PSO-BP人口预测模型的研究与应用
蒋若凡
姜玉梅
李菲雅
《西北人口》
CSSCI
2011
6
下载PDF
职称材料
4
多元最优信息分组延迟粒子群算法
刘建华
《现代电子技术》
2007
0
下载PDF
职称材料
5
建设人口均衡城市视角下的人口规模预测——以成都市为例
李菲雅
蒋若凡
《技术经济与管理研究》
CSSCI
2014
0
下载PDF
职称材料
6
基于PSO-GRU的锂电池SoC预测
蒋永辉
《信息与电脑》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
