PSO和Powell混合算法在医学图像配准中的应用研究

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点 ,已被广泛应用于医学图像的配准。但是 ,基于互信息的目标函数经常是不光滑的 ,存在许多局部极值 ,给问题的求解带来了很大的困难。本文讨论了互信息函数的多极值特性 ,并提出了一种粒子群优化算法 (particleswarmoptimization ,PSO)和Powell混合优化方法。经检验 ,这种方法能有效地克服互信息函数的局部极值 ,大大地提高了配准精度 ,达到亚像素级。

POWELL优化算法在混合气体轴承数值计算中的应用

根据流量守恒推导出混合气体轴承微元控制体的差分方程,用牛顿-拉夫逊方法求解此方程。对于较难处理的小孔边界条件,由区域流量平衡构造目标函数,用POWELL优化方法进行求解,并将计算得到的轴承承载力与Powell实验结果和其他理论分析方法的计算结果进行比较。结果表明:采用POWELL优化算法处理小孔边界条件,成功解决了将小孔流量作为源项时的小孔伪回流问题。该方法具有很高的计算精度,可用于动压、静压轴承以及较高转速下混合气体轴承性能的精确计算。采用牛顿-拉夫逊法求解轴承气膜压力分布,不需要确定最佳松弛因子,在所有离心率下,计算结果均与实验结果符合得很好。

一种基于Powell法的人口迁移混合算法

为避免人口迁移算法存在收敛速度慢,易陷入局部最优等缺陷,文章提出了一种基于Powell法的人口迁移混合算法.利用Powell法强大的局部优化能力提高算法的优化精度,增强算法的稳定性.实验结果表明,改进后的算法全局搜索能力更强,求解精度更高,性能更稳定.

一种基于PSO和GA的混合算法

结合PSO算法和GA算法的优势,提出了一种新颖的PSO-GA混合算法(PGHA)。混合算法利用了PSO算法的速率和位置的更新规则,并引入了GA算法里的选择、交叉和变异思想。通过混合算法对4个标准函数进行实验并与标准PSO算法比较,结果表明混合算法表现出更好的性能。

PSO和ABC的混合优化算法

通过将粒子群优化(Particle Swarm Optimization,PSO)算法与人工蜂群(Artificial Bee Colony,ABC)算法相结合,提出一种ABC-PSO并行混合优化算法。在每次迭代中,将种群分为两个子种群,一个子种群使用PSO算法,另一个子种群使用ABC算法,两个算法寻优后进行比较,选出最优适应值。通过混合算法对4个标准函数进行测试,并与标准PSO算法进行比较,结果表明混合算法具有更好的优化性能。

基于GA-PSO混合规划算法的企业信用风险评估模型

利用一种新的人工智能方法———GA-PSO混合规划算法构建企业信用风险评估模型。并利用上证50若干企业的实际数据对模型进行了实证检验。实证结果显示该模型能有效预测上市企业的信用风险状况。该模型在收敛性能及预测准确率等方面优于基于传统的多元回归方法及GP方法的信用风险评估模型。

基于混合PSO算法的简化群桥水域航路规划研究

针对群桥水域航路规划问题,分析了群桥水域特征,建立了群桥水域航路代价模型,分别运用基于自然选择的PSO、基于杂交思想的PSO和基于模拟退火的PSO对该问题进行了求解.通过与标准PSO算法规划结果对比,发现3种混合算法均能快速找到最优解,并且精度较高,得出了3种混合PSO算法在解决群桥水域航路规划问题方面均优于标准PSO算法的结论.

PSO_ACS混合算法求解VRPSPD问题及仿真

构造PSO_ACS混合算法求解同时送取货的车辆路径问题(VRPSPD),通过将ACS算法中的信息启发式因子和期望值启发式因子用解空间中的粒子位置动态表示,将PSO算法和ACS算法有机结合起来;利用PSO算法自适应改进ACS中的启发因子,从而提高蚁群算法的适应性。并用动态改变惯性权重的参数的方法加快PSO收敛速度。最终采用Dethloff的典型算例进行仿真实验,验证了混合算法的可行性和有效性,在求解最优解和收敛性能方面具有一定的优势。

基于混合PSO算法的西北干旱区作物灌溉制度优化设计

在西北干旱地区,由于水资源不足,所以在非充分灌溉条件下研究作物灌溉制度优化设计显得尤为关键。为了得到灌溉制度优化模型的最优解,提出了应用基于自然选择的混合粒子群算法(SELPSO)进行求解,并结合实例,对甘肃省景泰川一期灌区春小麦灌溉制度进行优化设计,优化结果验证了该算法的有效性与可行性。

基于T-S故障树和混合μPSO算法的可靠性优化方法

针对可靠性框图构造系统可靠度函数时需不交化处理的不足,提出了基于T-S故障树算法构造系统故障概率函数并结合可靠性费用函数构造可靠性优化模型的方法,降低了构造复杂系统可靠性优化模型的难度。针对微粒子群优化(μPSO)算法局部收敛性差、粒子群优化(PSO)算法全局搜索能力弱的不足,将μPSO算法和PSO算法进行综合,并结合死亡罚函数法构造了适应度函数,提出了混合μPSO算法,即μPSO-PSO算法。结合串联系统和桥式系统可靠性优化实例,考虑不同的粒子个数,证明了混合μPSO算法的优化结果比PSO算法、μPSO算法及PSO-μPSO算法的优化结果更为理想。

矿井提升机；异步电动机；矢量控制；混合PSO算法

在矿井提升机异步电机的矢量控制技术中，对于采用PI控制的电流闭环控制方式，PI控制器的参数的优化尤为重要。利用一种混合粒子群（PSO）算法对异步电机速度控制器的参数进行优化，并与常规控制器参数以及标准粒子群算法优化后的速度控制器参数进行比较，实验结果表明，用混合粒子群算法优化的参数，可以提高系统的控制速度、动态性能，对矿井提升机异步电机矢量控制的研究具有一定的理论和现实意义．

基于混合PSO的分区多链无线传感网络路由算法

针对PEGASIS算法中节点能耗不均、容易产生长链等缺点,提出了一种分区多链的改进路由算法。该算法按节点密度将圆形监测区域划分为多个扇形子区域,子区域内通过混合PSO构造一条最优的簇内链,以减少链路的总距离。同时,为了平衡和减少能耗,建立安全带,并根据剩余能量和距离因素来选择簇头。MATLAB仿真表明:改进算法相比于PEGASIS算法在避免长链、延长网络生存、平衡能耗等方面均有提升,能有效提高无线传感网络的性能。

基于改进PSO算法的石油钻机微电网混合储能系统容量优化

针对石油钻机运行过程中经常出现负载突变以及钻具下放过程中产生的再生回馈制动能量没有充分利用的问题,提出将储能系统接入石油钻机微电网,从而减少能量的浪费并改善电能质量.然而储能系统的接入会增加其钻机微电网系统的成本,其成本一般占到微电网系统的1/4 1/3.为提高系统的经济性,减少其运行费用,提出一种石油钻机微电网混合储能系统的容量优化方法,以系统的全生命周期费用最小为优化目标,建立其容量优化模型,并通过优化加速因子改进了粒子群算法,最后采用算例在Matlab中进行仿真,从而验证其优化模型与算法的正确性和有效性.

一种求解最优路径的新型混合PSO算法研究

粒子群算法是新型智能优化算法且已被应用于诸多领域,但在求解最优路径时显现出易陷入局部最优的缺点。为此根据地理坐标数据通过数学公式推导得到PSO算法所需的初始化数据,在算法寻优过程中将自平衡策略和变异思想结合协助粒子群迭代与更新,提出一种求解最优路径的新型混合PSO算法。该算法引入了适合此问题的自平衡变异策略来提高算法求解精度,使得算法摆脱局部最优。实验以Visual Studio2005中C++编程实现仿真,结果表明此算法不但能有效求解最优路径问题,而且比离散PSO算法、自平衡PSO算法的解更优,从而性能得到改善。

一种并行的正序变异的混合PSO算法研究与应用

为有效解决粒子群算法在求解路网问题时易陷入局部最优的缺点,根据高校地理数据和多核系统并行处理方式,将自平衡策略和变异思想结合且并行化,提出一种并行求解高校路网问题的正序变异的混合PSO算法。该算法引入适合此问题的自平衡正序变异策略且采用并行处理方式,使其生成相互独立子群体且并行求解,来提高算法求解精度,保证算法多样性及收敛,降低计算时间。实验以Visual Studio 2005中C++编程实现仿真,结果表明此算法不但能有效求解高校路网问题,而且比离散PSO算法、并行自平衡PSO算法的解更优。

一种求解高校路网的逆序变异的新混合PSO算法

针对标准粒子群算法在求解路网问题时显现出易陷入局部极值的问题,根据高校地理数据,提出一种求解高校路网的逆序变异的新混合PSO算法。为平衡算法的全局和局部搜索能力及增强种群多样性,将一种自平衡策略作为变异条件,在产生新的群体中按照逆序变异率算子对粒子进行位置变异,从而使得粒子摆脱局部极值后继续进行迭代更新操作。以Visual Studio 2005中C++编程实现实验仿真,结果表明此算法不但能有效求解高校路网问题,而且新算法收敛精度高,有效克服了早熟收敛问题。

一种新型混合布尔PSO算法的研究

针对基本粒子群算法产生初始种群的盲目性和在搜索过程中粒子多样性丧失的缺点,提出了一种采用混沌策略改进的混合混沌布尔(Chaotic Boolean)PSO算法,在每轮迭代中将适应度最差的20%粒子进行单点交叉,选择次差的20%粒子增加混沌扰动。数值仿真结果证明了改进后的Chaotic Boolean PSO算法能更快地找到最优值,有效避免容易陷入局部最优情况发生。

基于一种改进的Powell算法和互信息的医学图像配准方法

Powell是一种直接法,不用计算目标函数的梯度,仅通过比较目标函数的数值大小来移动迭代点就可求出极值。但Powell算法对参数的初始值有很大的依赖性,在图像配准的优化过程中易陷入局部最优,使得优化结果很大程度上依赖于初始值,会得到错误的配准参数,从而影响配准效果。为解决这一问题,使用粒子群优化算法(PSO)求取Powell算法的初始值。经检验,此方法克服了Powell算法的缺点,大大提高了配准精度。

基于创新的混合算法在列车姿态测量系统中的应用研究

本文针对列车姿态测量系统中无线传感器网络的覆盖优化难题,提出了一种创新的混合算法—PGSO。该算法融合了粒子群算法优化出色的全局搜索能力与萤火虫算法在局部精细搜索方面的优势,旨在提升列车姿态测量系统中无线传感器网络的覆盖质量。实验显示,PGSO算法较PSO和GSO更快收敛、覆盖率更高、全局搜索能力更强,在列车姿态测量场景中表现卓越,有效解决了无线传感器网络覆盖优化问题。

基于PSO-GA混合算法的物流中心选址模型研究

物流中心的布局决定了整个物流网络的结构、模式和形状,其合理性是有效保障物资的基本前提。针对问题的特点,在合理假设的前提下,给出了选址问题的模型,并以物流成本最低为目标函数运用人工智能领域的前沿算法——微粒群算法(PSO)与遗传算法(GA)的混合算法来求解。实例证明,该算法求解此类问题的性能优于传统的PSO和GA,搜索能力较,且收敛速度较快且不易陷入局部最优。