逃逸均值简化粒子群优化算法

为解决粒子群算法早熟收敛和收敛精度不高的问题,提出一种基于均值搜索策略与逃逸策略相结合的优化算法。舍弃速度更新项,在位置更新项中融入均值搜索策略,提高算法的收敛速度以及全局寻优能力;当种群处于进化停滞状态时,通过逃逸策略使种群在解空间的其它区域继续搜索全局最优解,避免早熟收敛问题,增大搜索到全局最优解的几率。将该优化算法应用于5个典型标准测试函数中,仿真结果表明,相比其它算法,优化算法的收敛速度、收敛精度和稳定度最优。

自逃逸云简化粒子群优化算法

sPSO仍继承了bPSO易陷入局部极值点的缺陷,而且其进化后期收敛速度和精度也有待进一步改善.基于此,提出一种基于云理论的简化粒子群优化算法(简称cloud-sPSO):对不再进化的个体,借鉴复形法的思想,进行尽可能的进化逃逸;而当种群进化停滞时,由基本云发生器对当前群体最优粒子实行变异操作.对几个经典测试函数进行实验的结果表明,cloud-sP-SO不仅能够有效摆脱局部极值点,而且收敛速度和精度也有极大地提高.

非线性递减惯性权重的简化粒子群算法

简化粒子群算法舍弃了标准粒子群算法中的速度项,使算法更加简练高效。但简化粒子群算法每个粒子都采用相同的迭代公式进行迭代,使得算法在进化后期粒子的差异性不强,算法容易出现早熟。提出非线性递减惯性权重的简化粒子群算法,每个粒子采用动态的公式进行迭代,提高粒子群的多样性,避免陷入局部最优,提高解的精度。最后在Matlab上进行数值模拟,发现改进后的算法在寻优精度和收敛速度上具有明显优势。

基于改进SPSO算法优化LS-SVM的六极径向混合磁轴承转子位移自检测技术

为解决磁轴承中采用电涡流传感器或霍尔传感器检测转子位移引起的磁轴承体积大、成本高、可靠性降低等问题,提出一种基于改进的简化粒子群算法优化最小二乘支持向量机位移预测模型的磁轴承转子位移自检测技术。介绍六极径向混合磁轴承的结构和工作原理,并推导其径向悬浮力的数学模型;基于支持向量机回归原理,建立六极径向混合磁轴承的控制线圈电流与转子位移之间的预测模型,并利用改进的简化粒子群算法优化了最小二乘支持向量机的性能参数,实现磁轴承的转子位移自检测。构建六极径向混合磁轴承系统转子位移自检测仿真模型,并进行起浮仿真实验,仿真试验结果证明了该方法的可行性。

基于PSO算法的SOR最优松弛因子选取研究

目前选取逐次超松弛迭代法(SOR)最优松弛因子的基本思路是:在区间(0,2)上,根据确定的分割策略,选取分割点的值作为松弛因子来计算相应的SOR迭代次数,将小于预设的SOR迭代次数阈值的松弛因子作为最优解返回,例如二分比较法、黄金分割法、逐步搜索法等,其缺陷在于不易找到全局最优松弛因子且对参数依赖较大。为克服传统策略解决该问题的不足,受粒子群优化算法及其在不同场景成功应用的启发,提出利用基本粒子群优化算法(bPSO)、简化粒子群优化算法(sPSO)、带极值扰动粒子群优化算法(tPSO)和带极值扰动的简化粒子群优化算法(tsPSO)来搜索SOR迭代法最优松弛因子。通过对两个不同的线性方程组的实证测试,验证了四种算法在选取SOR最优松弛因子问题上的有效性。

优化基于近红外光谱的联合间隔偏最小二乘法建模检测芝麻油掺伪含量

应用近红外光谱(NIR)分析技术建立测定芝麻油中大豆油含量的定量分析模型。基于32个含量梯度共384个掺伪芝麻油样品的近红外光谱,首先采用标准正态变量变换(SNV)对光谱进行预处理,再采用无信息变量消除法(UVE)初步筛选波长变量,然后结合联合间隔偏最小二乘法(SiPLS)和带极值扰动的简化粒子群优化算法(tsPSO)建立芝麻油中大豆油掺伪含量预测模型,经特征波段选取后建立的模型变量减少,波长变量由451个减少到219个,训练集和测试集相关系数分别为0.9998和0.9919,均方根误差分别为4.39E-2和3.99E-2。结果表明,该方法能够作为芝麻油中大豆油掺伪含量的快速检测方法。此外,该方法也可应用到芝麻油中掺入其他低价值油的掺伪含量检测中。

基于自适应模糊神经网络的功放预失真新方法

针对无线通信系统中记忆非线性功率放大器预失真结构不足和精度不高等问题,提出了一种基于模糊神经网络模型识别的双环学习结构自适应预失真方法。该方法以实数延时模糊神经网络模型为基础,采用改进的简化粒子群优化(Simplified Particle Swarm Optimization,SPSO)算法进行间接学习结构离线训练模糊神经网络来确定模型参数,作为预失真器的初值,再利用最小均方(Least Mean Square,LMS)算法进行直接学习结构在线微调整预失真器参数,拟合功放的非线性和记忆效应。该方法结构简单,收敛速度快且精度高,避免了局部最优。实验结果表明,该方案邻信道功率比经典的双环结构预失真方法约改善7 d B,功放的线性化性能明显提高,由此验证了其可行性。

基于RSSI实时精确定位系统设计与实现

为实现室内实时高精确定位,设计了基于RSSI的实时精确定位系统。首先基于RSSI测距原理,建立强度与距离数学模型把强度转化为距离,然后采用改进加权质心算法来进行定位,并把定位误差作为目标函数,最后运用简化粒子群优化算法对目标函数进行全局最优值搜索,采用C/S网络架构和多线程技术实现了实时同步获取RSSI值,采用GUI设计了定位系统界面,实现了定位结果实时动态显示。测试结果表明:系统实现了室内实时高精确定位。