检索结果-维普期刊中文期刊服务平台

基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法被引量：9: 1; 作者黄敏江渝 +1 位作者毛安姜琪《计算机应用》 CSCD 北大核心 2014年第4期1074-1079,共6页; 针对多目标粒子群优化算法全局最优位置选取存在的缺陷和局部搜索能力弱的缺点,提出一种基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法MOPSO-GL。首先对Sigma法进行改进,引入拥挤距离机制,不再是粒子从档案中选择全局最... 展开更多; 关键词粒子群优化多目标优化全局最优位置局部搜索; 在线阅读下载PDF 职称材料

基于高斯扰动的量子粒子群优化算法被引量：10: 2; 作者王小根龙海侠孙俊《计算机应用研究》 CSCD 北大核心 2010年第6期2093-2096,共4页; 针对量子粒子群优化(QPSO)算法在优化过程中面临早熟问题,提出了在粒子的平均位置或全局最优位置上加入高斯扰动的QPSO算法,可以有效地阻止粒子的停滞,因此较容易地使粒子避免陷入局部最优。为了评估算法的性能,利用标准测试函数对标准... 展开更多; 关键词量子粒子群优化算法平均位置全局最优位置高斯扰动; 在线阅读下载PDF 职称材料

学习历史经验的粒子群优化算法被引量：2: 3; 作者靳雁霞薛敬 +1 位作者张建华韩燮《小型微型计算机系统》 CSCD 北大核心 2016年第3期572-575,共4页; 为解决基本粒子群算法收敛速度过慢、易于陷入局部最优等不足,提出一种对全局最优位置预测的粒子群算法.算法在基本粒子群的每一代搜索更新基础上,全局最优位置先通过反学习预测策略得到下一步进化的预测值和本次进化的经验,然后通过进... 展开更多; 关键词粒子群优化算法全局最优位置反学习进化经验预测; 在线阅读下载PDF 职称材料

双蝙蝠群智能优化的多模盲均衡算法被引量：1: 4; 作者郭业才吴华鹏《智能系统学报》 CSCD 北大核心 2015年第5期755-761,共7页; 针对常模盲均衡算法(CMA)均衡多模QAM信号收敛速度慢、剩余均方误差大的缺陷,提出了一种基于双蝙蝠群智能优化的多模盲均衡算法(DBSIO-MMA)。该算法将2个蝙蝠群独立全局寻优得到的一组最优位置向量分别作为多模盲均衡算法(MMA)初始化最... 展开更多; 关键词常模盲均衡算法多模盲均衡算法蝙蝠算法全局最优位置最优权向量; 在线阅读下载PDF 职称材料

双馈风力发电机参数分步辨识及观测量的选择被引量：32: 5; 作者潘学萍鞠平 +3 位作者徐倩刘永康吴峰金宇清《中国电机工程学报》 EI CSCD 北大核心 2013年第13期116-126,共11页; 参数辨识依赖于激励信号与观测量的选择。该文根据观测量的模式增量计算,确定系统动态在不同观测量上的可观性,据此选择观测量。根据不同扰动激发出的系统主导动态,确定在该扰动下的重要参数。采用分步辨识思路,先根据电网侧故障辨识双... 展开更多; 关键词观测量扰动双馈风力发电机轨迹灵敏度参数辨识全局最优位置变异粒子群优化算法; 在线阅读下载PDF 职称材料

基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法被引量：5: 6; 作者郭业才吴华鹏 +1 位作者王惠张苗青《兵工学报》 EI CAS CSCD 北大核心 2015年第8期1502-1507,共6页; 针对现有多模盲均算法(MMA)收敛速度较慢、均方误差大的缺陷,提出一种基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法(DNA-GBA-FS-MMA)。该算法利用分数间隔均衡器对信号进行过采样,以获取更多信道信息;将DNA遗传算法引入到蝙蝠算法中,... 展开更多; 关键词信息处理技术分数间隔均衡器多模盲均衡算法 DNA遗传蝙蝠算法全局最优位置向量; 在线阅读下载PDF 职称材料

基于粒子熵的参数自适应变异PSO算法研究被引量：4: 7; 作者李怀俊谢小鹏肖心远《计算机工程与应用》 CSCD 2014年第19期27-31,共5页; 为了避免普通粒子群算法(PSO)可能出现的局部收敛及精度不高现象,围绕影响PSO算法性能的两个重要参数w和pgd,提出了一种面向全局优化的参数自适应变异PSO改进算法。算法定义了粒子熵集概念,可以精确反映粒子群数据的全局聚集特性,由粒... 展开更多; 关键词粒子熵集惯性权重全局最优位置自适应变异粒子群优化算法; 在线阅读下载PDF 职称材料

自适应收扩系数的双中心协作QPSO算法被引量：2: 8; 作者丁颖李飞《计算机工程》 CAS CSCD 2014年第3期232-237,共6页; 针对量子粒子群优化(QPSO)算法迭代后期种群多样性下降、收敛速度慢、易陷入局部最优的缺点,提出一种自适应收缩-扩张系数的双中心协作最子粒子群优化算法。该算法从2个方面进行改进:(1)自适应调节收缩-扩张系数,其目的是帮助粒子跳出... 展开更多; 关键词量子粒子群优化算法收缩一扩张系数双中心粒子协作全局最优位置; 在线阅读下载PDF 职称材料

题名基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法被引量：9: 1; 作者黄敏江渝毛安姜琪; 机构输配电装备及系统安全与新技术国家重点实验室(重庆大学) 重庆大学材料科学与工程学院; 出处《计算机应用》 CSCD 北大核心 2014年第4期1074-1079,共6页; 基金国家自然科学基金资助项目(50777066); 文摘针对多目标粒子群优化算法全局最优位置选取存在的缺陷和局部搜索能力弱的缺点,提出一种基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法MOPSO-GL。首先对Sigma法进行改进,引入拥挤距离机制,不再是粒子从档案中选择全局最优位置,而是档案成员从种群中选择合适的被引导粒子,引导种群均匀快速地向Pareto前沿飞行,提高了Pareto解的收敛性和多样性;其次当种群寻优能力减弱时,引入基于Skew Tent映射的变尺度全面搜索混沌优化策略对外部档案进行局部搜索,以提高算法的收敛性;最后通过与其他多目标优化算法的比较,结果表明MOPSO-GL具有更好的收敛性和分布性。; 关键词粒子群优化多目标优化全局最优位置局部搜索; Keywords Particle Swarm Optimization （PSO） multi-objective optimization global best position local search; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于高斯扰动的量子粒子群优化算法被引量：10: 2; 作者王小根龙海侠孙俊; 机构江南大学教育学院江南大学信息工程学院; 出处《计算机应用研究》 CSCD 北大核心 2010年第6期2093-2096,共4页; 文摘针对量子粒子群优化(QPSO)算法在优化过程中面临早熟问题,提出了在粒子的平均位置或全局最优位置上加入高斯扰动的QPSO算法,可以有效地阻止粒子的停滞,因此较容易地使粒子避免陷入局部最优。为了评估算法的性能,利用标准测试函数对标准PSO算法、QPSO算法以及基于高斯扰动的QPSO算法进行了比较测试。其结果表明,该算法具有较强的全局搜索能力和较快的收敛速度。; 关键词量子粒子群优化算法平均位置全局最优位置高斯扰动; Keywords quantum-behaved particle swarm optimization algorithm mean position global best position Gaussian distur-bance; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名学习历史经验的粒子群优化算法被引量：2: 3; 作者靳雁霞薛敬张建华韩燮; 机构中北大学计算机与控制工程学院太原科技大学计算机科学与技术学院; 出处《小型微型计算机系统》 CSCD 北大核心 2016年第3期572-575,共4页; 基金国家自然科学基金项目(61379080)资助山西省自然基金项目(20130110177)资助; 文摘为解决基本粒子群算法收敛速度过慢、易于陷入局部最优等不足,提出一种对全局最优位置预测的粒子群算法.算法在基本粒子群的每一代搜索更新基础上,全局最优位置先通过反学习预测策略得到下一步进化的预测值和本次进化的经验,然后通过进化经验预测策略进一步预测全局最优位置,更精准更快速地寻到全局最优位置.最后,通过对几个基本测试函数寻优结果的对比说明,ALPSO算法可以在较短时间收敛,提高了收敛精度,且不易陷入局部极值,在工程应用上具有一定的实用价值.; 关键词粒子群优化算法全局最优位置反学习进化经验预测; Keywords particle swarm optimization algorithm the global optimal position anti-learning evolutionary experience prediction; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名双蝙蝠群智能优化的多模盲均衡算法被引量：1: 4; 作者郭业才吴华鹏; 机构南京信息工程大学江苏省气象探测与信息处理重点实验室江苏省大气环境与装备技术协同创新中心; 出处《智能系统学报》 CSCD 北大核心 2015年第5期755-761,共7页; 基金江苏省高校自然科学基金重大资助项目(13KJA510001) 高校科研成果产业化推进工程资助项目(JHB 2012-9) +1 种基金江苏省高校"信息与通信工程"优势学科建设工程资助项目(2014); 文摘针对常模盲均衡算法(CMA)均衡多模QAM信号收敛速度慢、剩余均方误差大的缺陷,提出了一种基于双蝙蝠群智能优化的多模盲均衡算法(DBSIO-MMA)。该算法将2个蝙蝠群独立全局寻优得到的一组最优位置向量分别作为多模盲均衡算法(MMA)初始化最优权向量的实部与虚部,以此提高收敛速度并减小剩余均方误差。仿真结果表明,蝙蝠算法(BA)全局搜索成功率高、收敛速度快的特点在DBSIO-MMA中得到很好地体现。与CMA、MMA、粒子群多模盲均衡算法(PSO-MMA)、单蝙蝠群多模盲均衡算法(BA-MMA)相比,DBSIO-MMA具有更快的收敛速度和更小的均方误差。; 关键词常模盲均衡算法多模盲均衡算法蝙蝠算法全局最优位置最优权向量; Keywords constant modulus algorithm （CMA） multi-modulus blind equalization algorithm （MMA） bat algorithm （BA） global optimal position optimal weight vector; 分类号 TN911.5 [电子电信—通信与信息系统] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名双馈风力发电机参数分步辨识及观测量的选择被引量：32: 5; 作者潘学萍鞠平徐倩刘永康吴峰金宇清; 机构河海大学能源与电气学院; 出处《中国电机工程学报》 EI CSCD 北大核心 2013年第13期116-126,共11页; 基金国家自然科学基金重大项目(51190102) 国家自然科学基金项目(51207045) 国家863高技术基金项目(2011AA05A103)~~; 文摘参数辨识依赖于激励信号与观测量的选择。该文根据观测量的模式增量计算,确定系统动态在不同观测量上的可观性,据此选择观测量。根据不同扰动激发出的系统主导动态,确定在该扰动下的重要参数。采用分步辨识思路,先根据电网侧故障辨识双馈风力发电机电气部分参数,再基于输入侧风速变化辨识机械部分各参数。辨识方法采用全局最优位置变异粒子群算法,仿真算例验证了该方法的有效性。; 关键词观测量扰动双馈风力发电机轨迹灵敏度参数辨识全局最优位置变异粒子群优化算法; Keywords measurements disturbance doubly-fed induction generator （DFIG） trajectory sensitivity parameter estimation particle swarm optimization algorithm of global optimum location mutation; 分类号 TM614 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法被引量：5: 6; 作者郭业才吴华鹏王惠张苗青; 机构南京信息工程大学电子与信息工程学院江苏省大气环境与装备技术协同创新中心; 出处《兵工学报》 EI CAS CSCD 北大核心 2015年第8期1502-1507,共6页; 基金全国优秀博士论文作者专项资金项目(200753) 江苏省高校自然科学基金重大项目(13KJA510001) +2 种基金江苏省六大人才高峰项目(2008026); 文摘针对现有多模盲均算法(MMA)收敛速度较慢、均方误差大的缺陷,提出一种基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法(DNA-GBA-FS-MMA)。该算法利用分数间隔均衡器对信号进行过采样,以获取更多信道信息;将DNA遗传算法引入到蝙蝠算法中,得到一种DNA遗传蝙蝠算法(DNA-GBA),利用这个新算法来寻找蝙蝠群的全局最优位置向量,并作为多模盲均衡算法初始化最优权向量的实部与虚部。仿真结果表明,与现有的MMA相比,DNA-GBA-FS-MMA的稳态误差最小、收敛速度最快、星座点最清晰紧凑。; 关键词信息处理技术分数间隔均衡器多模盲均衡算法 DNA遗传蝙蝠算法全局最优位置向量; Keywords information processing technology fractionally spaced equalizer multi-modulus algorithm DNA genetic bat algorithm global optimal position vector; 分类号 TN911.2 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于粒子熵的参数自适应变异PSO算法研究被引量：4: 7; 作者李怀俊谢小鹏肖心远; 机构广东交通职业技术学院车辆安全工程技术中心华南理工大学汽车摩擦学与故障诊断研究所; 出处《计算机工程与应用》 CSCD 2014年第19期27-31,共5页; 基金广东省自然科学基金(No.S2011010002118) 2013年广东省高校优秀青年教师培养项目(No.Yq2013178); 文摘为了避免普通粒子群算法(PSO)可能出现的局部收敛及精度不高现象,围绕影响PSO算法性能的两个重要参数w和pgd,提出了一种面向全局优化的参数自适应变异PSO改进算法。算法定义了粒子熵集概念,可以精确反映粒子群数据的全局聚集特性,由粒子群各维数据的熵值大小决定是否对各维数据的惯性权重w进行回归变异,对全局变量pgd进行随机变异,并采取引入变异次数因子等方法来避免寻优发散。仿真研究表明该算法比常用算法在寻优精度、摆脱局部陷阱、稳定性等方面均有明显提高,在求解复杂多峰问题上有着良好的表现。; 关键词粒子熵集惯性权重全局最优位置自适应变异粒子群优化算法; Keywords particle entropy set inertia weight global optimal location adaptive mutation Particle Swarm Optimization（PSO）; 分类号 TP202.7 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名自适应收扩系数的双中心协作QPSO算法被引量：2: 8; 作者丁颖李飞; 机构南京邮电大学通信与信息工程学院南京邮电大学信号处理与传输研究院; 出处《计算机工程》 CAS CSCD 2014年第3期232-237,共6页; 文摘针对量子粒子群优化(QPSO)算法迭代后期种群多样性下降、收敛速度慢、易陷入局部最优的缺点,提出一种自适应收缩-扩张系数的双中心协作最子粒子群优化算法。该算法从2个方面进行改进:(1)自适应调节收缩-扩张系数,其目的是帮助粒子跳出局部最优点,提高粒子的全局搜索能力;(2)双重更新全局最优位置,即在每次迭代中,先后分别采用2种不同的方式更新全局最优位置。第1种方式与QPSO算法一致,第2种方式则引入双中心粒子,使其和当前全局最优位置在相应维度上合作,从而达到更新全局最优位置的目的。从固定迭代次数和固定精度角度分析算法性能,仿真结果表明,相比于QPSO算法,该算法在保证复杂度较低的情况下,可提高收敛速度,增强全局和局部搜索能力。; 关键词量子粒子群优化算法收缩一扩张系数双中心粒子协作全局最优位置; Keywords Quantum Particle Swarm Optimization（QPSO） algorithm contraction-expansion coefficient double-center particle cooperative global optimal location; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法	黄敏江渝毛安姜琪	《计算机应用》 CSCD 北大核心	2014	9	在线阅读下载PDF 职称材料
2	基于高斯扰动的量子粒子群优化算法	王小根龙海侠孙俊	《计算机应用研究》 CSCD 北大核心	2010	10	在线阅读下载PDF 职称材料
3	学习历史经验的粒子群优化算法	靳雁霞薛敬张建华韩燮	《小型微型计算机系统》 CSCD 北大核心	2016	2	在线阅读下载PDF 职称材料
4	双蝙蝠群智能优化的多模盲均衡算法	郭业才吴华鹏	《智能系统学报》 CSCD 北大核心	2015	1	在线阅读下载PDF 职称材料
5	双馈风力发电机参数分步辨识及观测量的选择	潘学萍鞠平徐倩刘永康吴峰金宇清	《中国电机工程学报》 EI CSCD 北大核心	2013	32	在线阅读下载PDF 职称材料
6	基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法	郭业才吴华鹏王惠张苗青	《兵工学报》 EI CAS CSCD 北大核心	2015	5	在线阅读下载PDF 职称材料
7	基于粒子熵的参数自适应变异PSO算法研究	李怀俊谢小鹏肖心远	《计算机工程与应用》 CSCD	2014	4	在线阅读下载PDF 职称材料
8	自适应收扩系数的双中心协作QPSO算法	丁颖李飞	《计算机工程》 CAS CSCD	2014	2	在线阅读下载PDF 职称材料