-
题名基于自适应的改进人工蜂群算法
被引量：1
- 1
-
-
作者
徐洁
朱晶晶
牛思杰
汪志锋
-
机构
上海第二工业大学智能制造与控制工程学院
-
出处
《现代电子技术》
北大核心
2024年第21期183-186,共4页
-
文摘
针对人工蜂群算法在处理复杂问题时易陷入局部最优的不足,提出一种自适应人工蜂群算法(APABC)。通过蜂群寻蜜的加速度系数随搜索过程而动态适应变化来提高算法的局部搜索性能,引入搜索蜜源能力较差的观察蜂向能够寻觅到更多蜜源的引领蜂学习交互策略,来进一步提高算法的全局搜索性能。将APABC算法与ABC算法进行性能对比测试,测试结果表明文中算法具有较快的收敛速度和较高的寻优精度,计算结果优于传统的ABC算法。
-
关键词
人工蜂群算法
自适应
局部搜索
和声微调幅度
加速度系数
差分学习
收敛速度
寻优
-
Keywords
ABC algorithm
self-adaption
local search
bw
acceleration coefficient
differential learning
convergence speed
optimizing
-
分类号
TN919-34
[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]
-
-
题名基于PSO-HMM的CSI的被动式室内定位算法
被引量：2
- 2
-
-
作者
蔡文炎
贺超
朱海
张玉金
-
机构
上海工程技术大学电子电气工程学院
-
出处
《传感器与微系统》
CSCD
2020年第11期118-121,共4页
-
基金
上海市自然科学基金资助项目(17ZR1411900)
上海市信息安全综合管理技术研究重点实验室项目(AGK2015006)
+1 种基金
上海高校青年教师培养资助计划项目(ZZGCD15090)
上海工程技术大学科研启动项目(2016-56)。
-
文摘
针对隐马尔科夫(HMM)算法中的鲍姆—韦尔奇算法(BW)预测模型参数,难以找到全局最优解的问题,提出了一种融合粒子滤波与隐马尔科夫的粒子群优化—隐马尔科夫(PSO-HMM)算法。对于BW算法学习环节的初值选定问题,增加了粒子群优化(PSO)算法优化过程,量化的初值选定对于信道状态信息(CSI)无线信号的定位数据处理更加合理,从而增加了定位的精准性。同时,为了克服HMM算法存在的统计约束问题,加入了重标准化和重映射机制。由于PSO收敛速度较快,从宏观现象观察,提高了定位实时性。实验结果表明:与传统的HMM算法、支持向量机(SVM)算法相比,PSO-HMM算法很大程度上提高了室内定位的精准性和实时性。
-
关键词
鲍姆—韦尔奇算法
粒子滤波—隐马尔科夫算法
重标准化
重映射
-
Keywords
baum-welch(bw)algorithm
particle swarm optimization-hidden Markov model(PSO-HMM)algorithm
renormalization
remapping
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
