检索结果-维普期刊中文期刊服务平台

基于自适应学习的多目标粒子群优化算法被引量：10: 1; 作者尹呈郭观七 +1 位作者李文彬严太山《计算机应用研究》 CSCD 北大核心 2012年第9期3232-3235,共4页; 将进化算法应用于某些多目标优化问题时,采用增加种群规模和进化代数的方法往往耗费大量的目标函数计算开销,且达不到提高种群进化效率的目的,为此提出了一种基于自适应学习最优搜索方向的多目标粒子群优化算法。采用自适应惯性权值平... 展开更多; 关键词粒子群优化多目标优化自适应惯性权值聚类排挤最优搜索方向学习; 在线阅读下载PDF 职称材料

一种自适应柯西变异的反向学习粒子群优化算法被引量：20: 2; 作者康岚兰董文永田降森《计算机科学》 CSCD 北大核心 2015年第10期226-231,共6页; 针对传统粒子群优化算法易出现早熟的问题,提出了一种自适应变异的反向学习粒子群优化算法。该算法在一般性反向学习方法的基础上,提出了自适应柯西变异策略(ACM)。采用一般性反向学习策略生成反向解,可扩大搜索空间,增强算法的全局勘... 展开更多; 关键词粒子群优化一般性反向学习自适应柯西变异自适应惯性权值; 在线阅读下载PDF 职称材料

基于改进粒子群优化算法的船舶避碰研究被引量：1: 3; 作者朱凯鹏王全政 +3 位作者杨文政于庆州王泽凡王晓原《传感器与微系统》北大核心 2025年第4期40-43,47,共5页; 随着海上贸易的日益增长,海洋运输已逐渐成为世界各国运输和贸易发展的重要环节,如何避免船舶碰撞已成为海上贸易中的一个重要问题。针对海上船舶避碰问题,本文提出了一种改进粒子群优化(IPSO)算法,该算法根据当前粒子目标函数的平均值... 展开更多; 关键词船舶避碰改进粒子群优化算法自适应惯性权值避碰决策; 在线阅读下载PDF 职称材料

基于改进的PSO进化神经计算进行苹果颜色快速分级被引量：6: 4; 作者袁金丽郭志涛 +3 位作者岳大为侯树民张冠英李奎《河北农业大学学报》 CAS CSCD 北大核心 2008年第6期109-113,共5页; 为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性... 展开更多; 关键词粒子群优化算法自适应惯性权值神经计算苹果颜色分级; 在线阅读下载PDF 职称材料

基于深度确定性策略梯度的粒子群算法被引量：6: 5; 作者鲁华祥尹世远 +2 位作者龚国良刘毅陈刚《电子科技大学学报》 EI CAS CSCD 北大核心 2021年第2期199-206,共8页; 在传统的粒子群优化算法(PSO)中,所有粒子都遵循最初设定的一些参数进行自我探索,这种方案容易导致过早成熟,且易被困于局部最优点。针对以上问题,该文提出了一种基于深度确定性策略梯度的粒子群优化算法(DDPGPSO),通过构造神经网络分... 展开更多; 关键词自适应惯性权值收敛因子深度确定性策略梯度算法强化学习群体智能粒子群优化算法; 在线阅读下载PDF 职称材料

一种离散鲸鱼算法及其应用被引量：11: 6; 作者张强郭玉洁 +1 位作者王颖刘馨《电子科技大学学报》 EI CAS CSCD 北大核心 2020年第4期622-630,共9页; 针对鲸鱼优化算法(WOA)在求解高维复杂问题时存在收敛精度低,难以解决离散优化问题等的不足,提出了一种离散鲸鱼算法(DWOA)。该算法引入收敛因子调控个体距离最优鲸鱼位置的远近程度,利用惯性权值平衡算法的全局搜索和局部开发能力,通... 展开更多; 关键词自适应惯性权值收敛因子离散鲸鱼算法油田措施规划 SIGMOID; 在线阅读下载PDF 职称材料

CAWOA-ELM混合模型的锅炉NO_x排放量预测被引量：6: 7; 作者赖敏陈国彬 +1 位作者刘超牛培峰《动力工程学报》 CAS CSCD 北大核心 2018年第11期874-879,共6页; 针对燃烧过程中变量之间的强非线性和耦合性,利用极限学习机(ELM)和改进的鲸鱼优化算法(WOA)进行混合建模。该方法利用Sin混沌自适应鲸鱼优化算法(CAWOA)对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能。在CAWOA算法... 展开更多; 关键词极限学习机鲸鱼优化算法混沌搜索自适应惯性权值 NOX排放量; 在线阅读下载PDF 职称材料

题名基于自适应学习的多目标粒子群优化算法被引量：10: 1; 作者尹呈郭观七李文彬严太山; 机构湖南理工学院信息与通信工程学院湘潭大学信息工程学院; 出处《计算机应用研究》 CSCD 北大核心 2012年第9期3232-3235,共4页; 基金国家自然科学基金资助项目(60975049 30971540) 湖南省自然科学基金重点资助项目(11JJ2037); 文摘将进化算法应用于某些多目标优化问题时,采用增加种群规模和进化代数的方法往往耗费大量的目标函数计算开销,且达不到提高种群进化效率的目的,为此提出了一种基于自适应学习最优搜索方向的多目标粒子群优化算法。采用自适应惯性权值平衡算法的全局和局部搜索能力,采用聚类排挤方法保持Pareto非支配解集的分布均匀性,使用最近邻学习方法为每个粒子在Pareto非支配解集中寻找一个最优飞行目标来提高其收敛速度并保持粒子群搜索方向的多样性。实验结果表明,提出的算法可在显著地降低函数评估成本的前提下实现快速的搜索,并使粒子群均匀地逼近Pareto最优面。; 关键词粒子群优化多目标优化自适应惯性权值聚类排挤最优搜索方向学习; Keywords particle swarm optimization multi-objective optimization self-adaptive inertia weight clustering crowding learning optimal search direction; 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

题名一种自适应柯西变异的反向学习粒子群优化算法被引量：20: 2; 作者康岚兰董文永田降森; 机构武汉大学计算机学院江西理工大学应用科学学院; 出处《计算机科学》 CSCD 北大核心 2015年第10期226-231,共6页; 基金国家自然科学基金项目:智能仿真优化理论与方法研究(61170305) 伊藤算法及其在动态仿真优化中的理论研究(60873114)资助; 文摘针对传统粒子群优化算法易出现早熟的问题,提出了一种自适应变异的反向学习粒子群优化算法。该算法在一般性反向学习方法的基础上,提出了自适应柯西变异策略(ACM)。采用一般性反向学习策略生成反向解,可扩大搜索空间,增强算法的全局勘探能力。为避免粒子陷入局部最优解而导致搜索停滞现象的发生,采用ACM策略对当前最优粒子进行扰动,自适应地获取变异点,在有效提高算法局部开采能力的同时,使算法能更加平稳快速地收敛到全局最优解。为进一步平衡算法的全局搜索与局部探测能力,采用非线性的自适应惯性权值。将算法在14个测试函数上与多种基于反向学习策略的PSO算法进行对比,实验结果表明提出的算法在解的精度以及收敛速度上得到了大幅度的提高。; 关键词粒子群优化一般性反向学习自适应柯西变异自适应惯性权值; Keywords Particle swarm optimization, Generalized opposition-based learning, Adaptive Cauchy mutation, Adaptiveinertia weight; 分类号 TP181 [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

题名基于改进粒子群优化算法的船舶避碰研究被引量：1: 3; 作者朱凯鹏王全政杨文政于庆州王泽凡王晓原; 机构青岛科技大学机电工程学院智能航运技术创新与综合实验基地; 出处《传感器与微系统》北大核心 2025年第4期40-43,47,共5页; 基金国家重点研发计划“综合交通运输与智能交通”重点专项项目(2018YFB1601500)。; 文摘随着海上贸易的日益增长,海洋运输已逐渐成为世界各国运输和贸易发展的重要环节,如何避免船舶碰撞已成为海上贸易中的一个重要问题。针对海上船舶避碰问题,本文提出了一种改进粒子群优化(IPSO)算法,该算法根据当前粒子目标函数的平均值动态调整惯性权值,另外考虑到船舶操纵的安全性,改进了适应度函数,并结合IPSO算法,对函数进行求解。通过MATLAB仿真结果表明,与传统的PSO算法相比,IPSO算法的收敛速度提高了37.5%,搜索效率得到显著增强。; 关键词船舶避碰改进粒子群优化算法自适应惯性权值避碰决策; Keywords ship collision avoidance improved particle swarm optimization algorithm adaptive inertia weight collision avoidance decision-making; 分类号 TP391 [自动化与计算机技术—计算机应用技术] U675.96 [交通运输工程—船舶及航道工程]; 在线阅读下载PDF 职称材料

题名基于改进的PSO进化神经计算进行苹果颜色快速分级被引量：6: 4; 作者袁金丽郭志涛岳大为侯树民张冠英李奎; 机构河北工业大学信息工程学院河北工业大学电气工程学院; 出处《河北农业大学学报》 CAS CSCD 北大核心 2008年第6期109-113,共5页; 文摘为克服在苹果颜色分级中存在的速度慢、误差大等缺点,基于再现群智能的粒子群进化算法和神经计算技术,提出了一种新颖、快速的智能分级方法,即首先通过计算机视觉技术获取苹果表面颜色的色度,并提取其特征;然后采用改进的带自适应惯性权值的粒子群优化算法训练神经网络结构,最后用训练好的神经网络进行苹果颜色分级。实际应用表明该方法切实可行且效果显著,不仅分级速度快,而且分级正确率高达98%以上。; 关键词粒子群优化算法自适应惯性权值神经计算苹果颜色分级; Keywords particle swarm optimization algorithm adaptive inertia weight neural computing apple color grading; 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

题名基于深度确定性策略梯度的粒子群算法被引量：6: 5; 作者鲁华祥尹世远龚国良刘毅陈刚; 机构中国科学院半导体研究所中国科学院大学微电子学院中国科学院脑科学与智能技术卓越创新中心半导体神经网络智能感知与计算技术北京市重点实验室; 出处《电子科技大学学报》 EI CAS CSCD 北大核心 2021年第2期199-206,共8页; 基金国家自然科学基金(U19A2080,U1936106) 北京市科技计划(Z181100001518006) 高技术项目(31513070501,1916312ZD00902201,XDA27040303)。; 文摘在传统的粒子群优化算法(PSO)中,所有粒子都遵循最初设定的一些参数进行自我探索,这种方案容易导致过早成熟,且易被困于局部最优点。针对以上问题,该文提出了一种基于深度确定性策略梯度的粒子群优化算法(DDPGPSO),通过构造神经网络分别实现了动作函数和动作价值函数,且利用神经网络可以动态地生成算法运行所需要的参数,降低了人工配置算法的难度。实验表明DDPGPSO相比9种同类算法在收敛速度和寻优精度上均有较大的提升。; 关键词自适应惯性权值收敛因子深度确定性策略梯度算法强化学习群体智能粒子群优化算法; Keywords adaptive inertia weight convergence factor deep deterministic policy gradient reinforcement learning swarm intelligence swarm PSO; 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

题名一种离散鲸鱼算法及其应用被引量：11: 6; 作者张强郭玉洁王颖刘馨; 机构东北石油大学计算机与信息技术学院; 出处《电子科技大学学报》 EI CAS CSCD 北大核心 2020年第4期622-630,共9页; 基金国家自然科学基金(61702093) 黑龙江省自然科学基金(F2018003)。; 文摘针对鲸鱼优化算法(WOA)在求解高维复杂问题时存在收敛精度低,难以解决离散优化问题等的不足,提出了一种离散鲸鱼算法(DWOA)。该算法引入收敛因子调控个体距离最优鲸鱼位置的远近程度,利用惯性权值平衡算法的全局搜索和局部开发能力,通过改进的Sigmoid函数对WOA进行离散化处理。9个基准函数和油田措施规划方案的测试结果表明,DWOA在收敛速度和寻优精度等方面均有较大的提升。; 关键词自适应惯性权值收敛因子离散鲸鱼算法油田措施规划 SIGMOID; Keywords adaptive inertia weight convergence factor discrete whale optimization algorithm(DWOA) oilfield measures planning Sigmoid; 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CAWOA-ELM混合模型的锅炉NO_x排放量预测被引量：6: 7; 作者赖敏陈国彬刘超牛培峰; 机构重庆工程学院软件学院重庆工商大学融智学院燕山大学电气工程学院; 出处《动力工程学报》 CAS CSCD 北大核心 2018年第11期874-879,共6页; 基金国家自然科学基金资助项目(61403331 61573306); 文摘针对燃烧过程中变量之间的强非线性和耦合性,利用极限学习机(ELM)和改进的鲸鱼优化算法(WOA)进行混合建模。该方法利用Sin混沌自适应鲸鱼优化算法(CAWOA)对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能。在CAWOA算法中,通过引入Sin混沌搜索策略和自适应惯性权值来改善WOA算法的全局优化性能。在此基础上,利用优化后的极限学习机对330MW煤粉锅炉的NO_x排放质量浓度进行预测,建立了CAWOA-ELM的NO_x排放量预测模型,并与同类算法模型进行对比研究。结果表明:该方法具有更好的泛化能力,能更加精确地预测NO_x排放量。; 关键词极限学习机鲸鱼优化算法混沌搜索自适应惯性权值 NOX排放量; Keywords extreme learning machine whale optimization algorithm chaotic searching adaptive inertiaweight NOx. emission; 分类号 TM621.2 [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	作者	出处	发文年	被引量	操作
1	基于自适应学习的多目标粒子群优化算法	尹呈郭观七李文彬严太山	《计算机应用研究》 CSCD 北大核心	2012	10	在线阅读下载PDF 职称材料
2	一种自适应柯西变异的反向学习粒子群优化算法	康岚兰董文永田降森	《计算机科学》 CSCD 北大核心	2015	20	在线阅读下载PDF 职称材料
3	基于改进粒子群优化算法的船舶避碰研究	朱凯鹏王全政杨文政于庆州王泽凡王晓原	《传感器与微系统》北大核心	2025	1	在线阅读下载PDF 职称材料
4	基于改进的PSO进化神经计算进行苹果颜色快速分级	袁金丽郭志涛岳大为侯树民张冠英李奎	《河北农业大学学报》 CAS CSCD 北大核心	2008	6	在线阅读下载PDF 职称材料
5	基于深度确定性策略梯度的粒子群算法	鲁华祥尹世远龚国良刘毅陈刚	《电子科技大学学报》 EI CAS CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料
6	一种离散鲸鱼算法及其应用	张强郭玉洁王颖刘馨	《电子科技大学学报》 EI CAS CSCD 北大核心	2020	11	在线阅读下载PDF 职称材料
7	CAWOA-ELM混合模型的锅炉NO_x排放量预测	赖敏陈国彬刘超牛培峰	《动力工程学报》 CAS CSCD 北大核心	2018	6	在线阅读下载PDF 职称材料