期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于GSO与加权质心的DV-Hop定位算法 被引量:4
1
作者 范时平 罗丹 刘艳林 《仪表技术与传感器》 CSCD 北大核心 2017年第1期164-168,共5页
由于经典DV-Hop定位算法中定位精度较低,提出一种改进算法。首先,未知节点计算到各信标节点的距离时,采用不同平均每跳距离。其次,采用GSO(galactic swarm optimization)思想把网络中的信标节点分为不同种群,使用粒子群优化算法估计每... 由于经典DV-Hop定位算法中定位精度较低,提出一种改进算法。首先,未知节点计算到各信标节点的距离时,采用不同平均每跳距离。其次,采用GSO(galactic swarm optimization)思想把网络中的信标节点分为不同种群,使用粒子群优化算法估计每个种群中未知节点的最优位置,其最优位置构成一组次优解集。最后,利用加权质心算法优化次优解集作为未知节点的坐标。实验仿真表明,该方法能有效降低未知节点的定位误差。 展开更多
关键词 无线传感器网络 DV-Hop 跳距选择 粒子群算法 GALACTIC swarm optimization 加权质心算法
在线阅读 下载PDF
基于共享最小二乘支持向量机模型的电站锅炉燃烧系统的优化 被引量:19
2
作者 高芳 翟永杰 +2 位作者 卓越 韩璞 陆原 《动力工程学报》 CAS CSCD 北大核心 2012年第12期928-933,940,共7页
电站锅炉燃烧系统是一个复杂的多输入多输出系统,为了在同一个模型中实现高效率、低污染物排放的优化目标,对标准最小二乘支持向量机回归方法进行了扩展.借助某电厂1 000MW超超临界锅炉的现场燃烧调整试验数据,建立了以锅炉热效率和NOx... 电站锅炉燃烧系统是一个复杂的多输入多输出系统,为了在同一个模型中实现高效率、低污染物排放的优化目标,对标准最小二乘支持向量机回归方法进行了扩展.借助某电厂1 000MW超超临界锅炉的现场燃烧调整试验数据,建立了以锅炉热效率和NOx排放质量浓度为输出的共享最小二乘支持向量机(LSSVM)模型,采用一种改进的粒子群算法对共享模型中的锅炉运行工况进行了寻优.结果表明:在共享LSSVM模型中,锅炉热效率和NOx排放质量浓度的平均预测误差分别可达到0.028%和2.16%,搜索得到的高效率和低NOx排放的参数组合可为电站锅炉优化运行提供指导. 展开更多
关键词 共享模型 多输出系统 最小二乘支持向量机 粒子群优化算法 锅炉热效率 NOX排放 质量浓度
在线阅读 下载PDF
基于改进PSO算法优化LS-SVR的话务量预测 被引量:3
3
作者 张杰 贾振红 +1 位作者 覃锡忠 陈丽 《激光杂志》 CAS CSCD 北大核心 2013年第2期35-36,共2页
为了更准确的预测话务量,提出了一种以粒子群优化算法为基础的,通过多样性度量指标控制种群特征的改进粒子群优化算法(MPSO),用于最小二乘支持向量回归机(LS-SVR)超参数的寻优,分析影响话务量的相关因素,选取合适的样本,利用优化后的LS-... 为了更准确的预测话务量,提出了一种以粒子群优化算法为基础的,通过多样性度量指标控制种群特征的改进粒子群优化算法(MPSO),用于最小二乘支持向量回归机(LS-SVR)超参数的寻优,分析影响话务量的相关因素,选取合适的样本,利用优化后的LS-SVR模型对移动话务量进行预测。与标准LS-SVR预测算法和PSO优化后的LS-SVM算法进行比较,实验结果表明,本文的预测方法具有更好的收敛性和更高的预测精度。 展开更多
关键词 粒子群优化算法 最小二乘支持向量回归机 话务量预测 超参数 预测精度
在线阅读 下载PDF
基于粒子群算法的泊位分配集成优化研究 被引量:7
4
作者 乐美龙 黄薇 《广西大学学报(自然科学版)》 CAS 北大核心 2013年第1期119-124,共6页
泊位分配直接影响着港口船舶的进港靠泊时间和作业效率。为获得合理的集装箱码头泊位分配计划,建立了以最小化船舶在港时间和码头运营成本的集成优化模型,并应用粒子群算法进行求解。通过与Gurobi软件求解结果进行对比,发现在求解大规... 泊位分配直接影响着港口船舶的进港靠泊时间和作业效率。为获得合理的集装箱码头泊位分配计划,建立了以最小化船舶在港时间和码头运营成本的集成优化模型,并应用粒子群算法进行求解。通过与Gurobi软件求解结果进行对比,发现在求解大规模的船舶调度问题时,粒子群算法在求解时间上比Gurobi更有效。 展开更多
关键词 泊位分配 集装箱码头 集成优化模型 粒子群算法
在线阅读 下载PDF
改进和声搜索算法优化LSSVM的脑CT图像分类 被引量:1
5
作者 郭正红 赵丙辰 《计算机工程与应用》 CSCD 2013年第22期146-149,共4页
为了提高脑CT图像的分类正确率,针对分类器中的最小二乘支持向量机(LSSVM)参数优化问题,提出一种改进和声搜索算法优化LSSVM的脑CT图像分类模型(IHS-LSSVM)。将LSSVM参数看作不同乐器的声调组合,通过和声搜索算法的"调音"找... 为了提高脑CT图像的分类正确率,针对分类器中的最小二乘支持向量机(LSSVM)参数优化问题,提出一种改进和声搜索算法优化LSSVM的脑CT图像分类模型(IHS-LSSVM)。将LSSVM参数看作不同乐器的声调组合,通过和声搜索算法的"调音"找到最优参数,并在寻优过程中引入粒子群算法的最优位置更新策略,增强了算法跳出局部极小值的能力,根据最优参数建立脑CT图像分类模型,并对模型的性能进行仿真测试。仿真结果表明,相对于对比模型,IHS-LSSVM不仅提高了脑CT图像分类正确率,而且加快分类速度,是一种有效的脑CT图像分类模型。 展开更多
关键词 脑CT图像分类 最小二乘支持向量机 和声搜索算法 粒子群优化算法
在线阅读 下载PDF
基于非侵入式负荷监测的家庭智慧用能管理研究 被引量:5
6
作者 丁迅 张忠 +3 位作者 夏兆俊 范洋洋 张颖 孔亮 《现代电力》 北大核心 2022年第4期496-504,I0010,共10页
随着多能源网络的融合和能源互联网技术的快速发展,家庭用能管理在解决各个能源网络节点供需问题上扮演着重要的角色。现有的大多数家庭用能管理针对已知用电负荷进行优化,未考虑用电设备类型的多样化和用电设备突增的情形。基于非侵入... 随着多能源网络的融合和能源互联网技术的快速发展,家庭用能管理在解决各个能源网络节点供需问题上扮演着重要的角色。现有的大多数家庭用能管理针对已知用电负荷进行优化,未考虑用电设备类型的多样化和用电设备突增的情形。基于非侵入式负荷监测(Noninvasive Load Monitoring,NILM)算法可以有效获取家庭用电负荷、规律和用电信息,为家庭智慧用能管理提供数据支撑。文中以家庭用电成本、温度、时间、舒适度为目标函数建立家庭智慧用能多目标优化模型,对可控负荷、电动汽车、储能系统进行分析建立数学模型,利用粒子群算法对模型进行求解。仿真结果表明,基于NILM监测算法,考虑用电成本和舒适度家庭用电成本降低至72.5%;当用户可控用电负荷增加时,NILM算法可以实时更新控制策略降低用户用电成本;对不同用户进行多次计算,净成本和计算时间波动较小,证明了算法的合理性、可靠性。 展开更多
关键词 智慧用能管理 非侵入式负荷监测 多目标优化 粒子群算法
在线阅读 下载PDF
通信距离受限的协同侦察系统站点优化部署算法 被引量:3
7
作者 杨益川 张天贤 +3 位作者 李昊 顾杰 汪兵 李小龙 《现代雷达》 CSCD 北大核心 2020年第11期32-37,共6页
针对时差定位体制的协同侦察系统,以提升侦察监视区域内辐射源的定位精度为目的,研究了通信距离受限下系统站点优化部署问题。针对监视区域离散化网格单元辐射源定位的几何精度因子,根据最差性能最优准则建立了系统站点优化部署的数学... 针对时差定位体制的协同侦察系统,以提升侦察监视区域内辐射源的定位精度为目的,研究了通信距离受限下系统站点优化部署问题。针对监视区域离散化网格单元辐射源定位的几何精度因子,根据最差性能最优准则建立了系统站点优化部署的数学模型。提出了一种基于混合编码粒子群优化(PSO)算法的系统站点优化部署算法。仿真结果表明:与传统基于统一编码PSO的站点优化部署算法相比,混合编码PSO收敛速度更快,且定位误差更小。 展开更多
关键词 协同侦察系统 优化部署 通信距离 混合编码 粒子群优化算法
在线阅读 下载PDF
基于距离优化和改进粒子群的节点定位算法 被引量:1
8
作者 张溪 毛永毅 徐萍 《计算机工程与设计》 北大核心 2018年第7期1818-1822,共5页
为提高无线传感器网络中DV-Hop算法的定位精度,提出基于距离优化和改进粒子群的DV-Hop定位算法(DPDV-Hop)。距离估计阶段,利用单跳平均误差修正平均跳距,接收多锚节点的平均跳距估算节点间距离,使估算距离得以优化。位置估计阶段,采用... 为提高无线传感器网络中DV-Hop算法的定位精度,提出基于距离优化和改进粒子群的DV-Hop定位算法(DPDV-Hop)。距离估计阶段,利用单跳平均误差修正平均跳距,接收多锚节点的平均跳距估算节点间距离,使估算距离得以优化。位置估计阶段,采用改进的粒子群优化算法(I-PSO)替代最大似然估计法,I-PSO利用粒子成功率PS自适应调节惯性权重因子,产生变异算子提升种群多样性。仿真结果表明,DPDV-Hop算法较其它算法的定位精度有所提升。 展开更多
关键词 无线传感器网络 DV-Hop算法 距离优化 粒子群优化 变异算子
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部