期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于改进微粒群算法的非线性系统模型参数估计 被引量:2
1
作者 于龙文 刘国志 《科学技术与工程》 2010年第5期1259-1261,共3页
将改进微粒群优化算法用于非线性系统模型参数估计,并通过对三种典型的非线性系统模型参数估计进行验证。实验结果表明:改进微粒群优化算法参数估计精度高,是一种有效的参数估计方法。
关键词 微粒群优化 非线性系统 参数估计
在线阅读 下载PDF
基于社会认知算法的非线性控制系统参数估计
2
作者 刘国志 苗晨 《计算机工程与应用》 CSCD 北大核心 2011年第35期222-223,241,共3页
将社会认知算法用于非线性控制系统参数估计,并通过对三种典型的非线性控制系统参数估计进行验证。计算结果表明,社会认知算较其他的进化算法参数估计精度高,是一种有效的参数估计方法。
关键词 社会认知算法 非线性系统 参数估计
在线阅读 下载PDF
一个与Powell搜索相结合的混合免疫进化算法 被引量:2
3
作者 刘国志 苗晨 《江西师范大学学报(自然科学版)》 CAS 北大核心 2010年第1期53-56,共4页
提出一个求解无约束最优化问题的新的混合算法——Powell搜索法和免疫进化算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对免疫进化算法的修正,使混合算法具有更加精确和快速的收敛性.利用4个基准测试函数进行仿真计... 提出一个求解无约束最优化问题的新的混合算法——Powell搜索法和免疫进化算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对免疫进化算法的修正,使混合算法具有更加精确和快速的收敛性.利用4个基准测试函数进行仿真计算比较,结果表明新混合算法在解的搜索质量、效率和关于初始点的鲁棒性都远优于免疫进化算法,仿真结果表明了新算法是求解无约束最优化问题的一个高效的算法. 展开更多
关键词 POWELL搜索法 免疫进化算法 无约束最优化
在线阅读 下载PDF
动态投入产出最优化控制模型的微粒群算法 被引量:1
4
作者 苗晨 刘国志 《科学技术与工程》 2009年第15期4497-4500,共4页
对于动态投入产出最优控制模型的以往求解方法,只能求出其局部最优解,而不能求出全局最优解。提出了一个新的动态投入产出最优控制模型,给出一个新的算法-微粒群算法,该算法计算结构简单,具有较强的全局寻优能力、收敛速度快和较高的计... 对于动态投入产出最优控制模型的以往求解方法,只能求出其局部最优解,而不能求出全局最优解。提出了一个新的动态投入产出最优控制模型,给出一个新的算法-微粒群算法,该算法计算结构简单,具有较强的全局寻优能力、收敛速度快和较高的计算精度。数值实验表明:提出算法的计算结果优于用传统的最优化方法计算的结果,同时也验证了微粒群算法对求解动态投入产出最优控制模型的有效性。 展开更多
关键词 动态投入产出最优控制模型 微粒群算法 最优化
在线阅读 下载PDF
一个求解约束优化问题的混合算法 被引量:1
5
作者 刘国志 《江西师范大学学报(自然科学版)》 CAS 北大核心 2011年第1期50-53,共4页
通过引入Hook-jeveese搜索法和可行基规则,提出一个求解约束优化问题的混合算法—Hook-jeveese搜索法和与可行基规则相结合改进的微粒群算法的混合算法.与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域.并利用6... 通过引入Hook-jeveese搜索法和可行基规则,提出一个求解约束优化问题的混合算法—Hook-jeveese搜索法和与可行基规则相结合改进的微粒群算法的混合算法.与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域.并利用6个典型实例问题进行仿真计算比较,仿真结果表明了新算法是求解约束优化问题的一个高效的算法,而且获得了一些比以往文献更好的解. 展开更多
关键词 可行基规则 微粒群算法 约束最优化
在线阅读 下载PDF
一个求解约束工程设计问题的混合局部收缩微粒群算法
6
作者 于龙文 刘国志 《科学技术与工程》 2010年第8期1870-1873,共4页
提出一个求解约束工程设计问题的新的混合算法——与可行基规则相结合的局部收缩微粒群算法。与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域。利用3个工程设计问题进行仿真计算比较,仿真结果表明了新算法是求... 提出一个求解约束工程设计问题的新的混合算法——与可行基规则相结合的局部收缩微粒群算法。与惩罚函数法相比,可行基规则不需要额外的参数,且指引粒子迅速飞向可行域。利用3个工程设计问题进行仿真计算比较,仿真结果表明了新算法是求解约束工程设计问题的一个高效的算法。 展开更多
关键词 可行基规则 微粒群算法 约束最优化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部