一种基于群体智能的合作探究式教学方法

人类社会的知识更新过程与群居生物的智能行为具有很强的类似性,都是通过个体探究与社会协作来实现的。基于群体智能的思想,针对掌握知识、培养能力和提高素质的教学目标,本文提出了一种合作探究式教学方法,并以粒子群算法为例,建立了教学模型,并分析了具体的实现方法和实施流程。

一种群体智能算法——狮群算法

基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随3种群智能行为,提出群体智能算法——狮群算法.算法中不同种类的狮子位置更新方式不同.遵循自然界生物"适者生存"的竞争法则,狮王守护领土,优先享用食物,母狮合作捕猎,幼狮分为学习捕猎、饥饿进食和成年被驱逐.狮子位置更新方式的多样化保证算法快速收敛,不易陷入局部最优.最后,将算法应用于6个标准测试函数优化问题,并对比粒子群算法、骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.

基于细菌群体趋药性的函数优化方法

本文在细菌趋药性(BacterialChemotaxis,BC)优化算法基础上提出一种基于群体智能的函数优化方法-细菌群体趋药性(BacterialColonyChemotaxis,BCC)算法。细菌群体趋药性算法同时使用单个细菌在引诱剂环境下的应激反应动作和细菌群体间的位置信息交互来进行函数优化。细菌群体趋药性算法在保留单个细菌较强的搜索能力的基础上克服了细菌趋药性算法收敛速度较慢,性能难以与其他常用的智能优化算法比较的不足。对不同函数优化试例的仿真表明细菌群体趋药性算法性能良好,是一种具有进一步研究价值的集群函数优化方法。

多群体合作型协进化方法的数学建模及分析

采用传统单群体GA中模式复制方程的分析方法 ,对一种多群体合作型协进化方法建模并进行数学分析 ,对于目前尚未解决的协进化过程中的关键问题 ,包括个体适应度的评价方法、群体间合作的回报信贷分配以及由此影响到群体中个体的增长规律等在理论方面进行分析。最后表明 。

无人系统群体智能及其研究进展

群体智能是人工智能的重要发展方向之一,无人系统群体智能作为人工群体智能的主要形态之一,在许多军用和民用领域都具有广阔且重要的应用前景,同时在基础理论方法、核心技术与系统构建等方面也面临诸多研究挑战.本文在在阐述群体智能的基本概念并对其进行合理分类基础上,分析无人群体智能的自组织、自适应、自学习和自涌现特征,从仿生群体智能机理和典型无人群体智能系统实例两方面论述当前无人系统群体智能研究现状,并从仿生机理、驱动模式、研发方式和系统实践四方面全面地总结无人系统群体智能研究特点.在此基础上,从理论方法、核心技术与系统构建三方面循序渐进、系统地梳理和凝练无人系统群体智能及其系统需要持续深化的主要研究方向,期望对相关研究者有所借鉴.

群体智能及其在建筑设计上的应用探索

本文介绍了群体智能算法的出现及其相关的理论和群体智能算法模式。探索研究了群体智能之PSO算法的原理和其在建筑设计上的应用。展示了群体智能在现实应用领域中存在的巨大潜力。

面向大学生群体的智能家居市场调研

本文以大学生为例,从知度、熟悉度、使用度三个方面,采用统计分析方法对智能家居的市场前景做了调查。结果表明:智能家居的认识度差强人意,熟悉度和使用度远远不足。从这些数据中,初步分析,智能家居市场还不够成熟,依然是小众市场,仍然需要杀手级产品或者大规模市场推广。

动态优化环境下的群核进化粒子群优化方法

粒子群优化方法是由Kennedy和Eberhart于1995年提出的一种基于群体智能(swarmintelli-gence)的进化计算技术·定义了“群核”(swarm-core)的概念,并在此基础上,提出了基于群核进化的粒子群优化方法(swarm-core evolutionary particle swarmopti mization,SCEPSO),在SCEPSO方法中,为增强群体的优化能力,把群体分成了3个子群体,并且每个子群体有各自不同的“分工”·同时研究了SCEP-SO方法对连续变化的最优点的动态跟踪能力,在3种动态优化模型下进行了实验·实验结果表明,与传统PSO方法相比,SCEPSO方法能够可靠并精确地跟踪连续变化的全局最优解·

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PSO算法的股权拍卖机制设计及仿真分析

运用PSO群体智能算法模拟信息交互条件下外部投资者报价决策的学习机制和演化规律,在此基础上设计了实现风险投资退出的股权拍卖机制。Netlog仿真结果表明,所设计的股权拍卖机制能在一定程度上揭示股权的真实价值,并降低竞买人和卖方之间的信息不对称程度。进一步的仿真分析结果表明:适当的激励力度对外部投资者的投标报价具有显著影响;引入更多的竞买人能产生更有利于风险投资家的拍卖结果;即使外部投资者过于强化单一的学习能力,最终也可得到相对理想的拍卖结果,从而证明了所设计的股权拍卖机制具有广泛的适用性。

群核进化粒子群优化方法

粒子群优化方法(PSO Particle Swarm Optimization)是由 Kennedy和 Eberhart 于 1995年提出的进化计算技术,并成功应用于各类优化问题。其基本思想源于对鸟群捕食等群体行为的研究。本文对标准PSO方法进行了分析,给出了“群核”(Swarm-Core)的概念,并在此基础上,提出了群核进化粒子群优化方法(Swarm-Core EvolutionaryParticle Swarm Optimization,SCEPSO),同时把该方法与其它版本PSO方法进行了比较。试验结果表明:在相同环境下,SCEPSO方法能较好地克服传统PSO方法中的不足,测试结果较其它几个版本的PSO方法有很大提高,是非常有效的。

制造工艺创新计算机辅助方法研究综述

为了促进制造工艺创新计算机辅助方法的研究和应用,分别从方法驱动的工艺创新和数据驱动的工艺创新两个方面系统分析了已有相关研究,总结出其面临的问题和未来发展趋势。归纳出制造工艺创新计算机辅助方法的研究框架和应用模式,进一步对工艺创新知识管理、结构化工艺创新方法以及工艺创新平台等关键技术进行了梳理和总结,为制造工艺创新计算机辅助方法的深入研究提供了参考思路。

现代电网规划方法的研究

在分析电网规划的本质和特点的基础上,重点介绍了模拟进化、群体智能、人工智能、不确定系统等现代电网规划方法,详细讨论了各种方法的基本原理、特点及综合评价。展望了新经济技术环境对各种方法的影响及电网规划方法的发展趋势。

PSO及其优化算法在PID控制领域的应用研究

本文介绍了基本粒子群算法在PID控制领域的应用和实现方法,归纳了粒子群算法和遗传算法的结合在自动控制领域的研究现状和改进。最后介绍了PSO算法在模糊PID控制器中的应用前景。

电网规划方法探究

详细介绍了模拟进化、群体智能、人工智能、不确定系统等电网规划方法,并对各种方法进行综合评价。最后分析了新经济技术环境对各种方法的影响,并在此基础上提出了电网规划方法的发展趋势。

基于布谷鸟算法的数字散斑相关方法优化

将布谷鸟算法引入到数字散斑相关方法的搜索中,通过设定隔离边界对数字散斑图像分块,在每一个子块上利用布谷鸟算法进行局部搜索,在此基础上利用爬山算法进一步搜索峰值。全局搜索可以设定一个较弱的收敛条件,快速搜索到相关系数分布单峰上,充分利用了布谷鸟算法的全局搜索能力与爬山算法的快速收敛特点;最后通过模拟散斑图片进行了相关仿真,并通过实际人工散斑进行了相关实验,表明该算法能有效稳定测量刚体的位移量。

智能算法综述

随着计算机技术的飞速发展,智能计算方法的应用领域也越来越广泛,本文介绍了当前存在的一些智能计算方法,阐述了其工作原理和特点,同时对智能计算方法的发展进行了展望。

刘进,吕文晶:人工智能创新与中国高等教育应对

《高等工程教育研究》杂志在2019年第1期刊发了刘进和吕文晶的题为“人工智能创新与中国高等教育应对”的文章。文章从创新视角展开人工智能研究,旨在回答两方面问题:一是人工智能创新的基本原理,二是面向人工智能创新的高等教育应对。阐述限于篇幅分为上、下,上篇重点关注人工智能创新的基本原理问题。本研究采用深度访谈方法。访谈对象分为人工智能创新研究群体(学术界)和人工智能创新实践群体(产业界)两大类。

配电网故障诊断方法介绍

引言:随着更加清洁、高效的分布式电源(DG)大量接入电网,配电系统的结构日趋复杂,传统的单源辐射型网络的故障诊断方法变得不再适用。针对含分布式电源的配电网故障诊断问题,至今已形成基于矩阵理论的直接诊断算法和基于智能优化算法的间接诊断方法。群体智能算法在故障诊断中由于其较强的容错能力,成为配电网故障诊断的研究热点。

基于免疫克隆原理的改进粒子群优化算法的研究

提出了一种改进的粒子群优化(PSO)算法来进行函数优化,以克服PSO算法容易陷入局部极值的不足,加快收敛速度,从而实现全局搜索。PSO算法是基于群体智能的随机优化算法,参数结构简单,但收敛速度慢,容易陷入局部极值。通过对PSO算法的深入分析,基于传统的速度——位置更新操作,把免疫克隆(IC)原理引入PSO算法中,将抗体视为粒子,根据亲和度的高低进行粒子克隆选择、克隆抑制和高频变异,提高了种群的多样性和全局搜索的能力。测试结果表明,该算法完成全局搜索所需的迭代次数明显少于PSO算法,大大缩短了搜索时间,在多维函数最优解的搜索中具有优良的性能。