权重自适应调整的混沌量子粒子群优化

针对量子粒子群优化算法在处理高维复杂函数收敛速度慢、易陷入局优的问题,利用混沌算子的遍历性提出了基于惯性权重自适应调整的混沌量子粒子群优化算法。该算法在运行过程中根据粒子适应值的优劣情况,相应采取不同的惯性权重策略,以调节粒子的全局搜索和局部搜索能力。对几个典型函数的测试结果表明,该算法在收敛速度和精度上有大幅度的提高,且有很强的避免陷入局优的能力,性能远远优于一般的粒子群算法和量子粒子群算法。

一种基于均值的云自适应粒子群算法

本文基于云理论把粒子群分为三个种群,用云方法修改粒子群算法中惯性权重,同时修改速度更新公式中"认知部分"和"社会部分",引入"均值"的概念,提出了一种基于均值的云自适应粒子群算法。该方法的最大优点是克服了粒子群算法在迭代后期,当一些粒子的个体极值对应的适应度值与全局极值对应的适应度值相差明显时,不能收敛到最优解的缺点。数值实验结果表明,该算法经过较少的迭代次数,就能找到最优解,且平均运算时间减少,降低了算法的平均时间代价。

基于优化麻雀搜索算法的水下机器人路径规划研究

采用新颖的群智能仿生算法的优化麻雀搜索算法(ISSA)对水下机器人进行路径规划研究,并将麻雀算法适当优化:如选择Tent映射初始化麻雀种群提高发现者种群的质量,引入自适应惯性权重策略,可以根据需要动态调整惯性权重值的大小。同时考虑到算法后期的停滞问题,添加柯西变异来对适应度较好的个体进行突变,增加种群的多样性避免陷入局部最优。经过同等参数下的对比实验,论文所提出的改进麻雀搜索算法具有更高的搜索效率和更快的收敛速度,为路径规划问题带来新的思路。

改进麻雀搜索算法优化支持向量机的人脸识别

为提升人脸识别的准确性,提出一种融合Tent混沌映射的麻雀搜索算法优化支持向量机参数的分类模型。首先改进麻雀搜索算法,选择Tent映射初始化麻雀种群,提高发现者种群质量;然后加入自适应调整惯性权重策略,增强全局搜索能力与收敛速度;接下来添加柯西变异对适应度较好的个体进行突变,解决算法停滞问题;最后将改进后的麻雀搜索算法用于优化支持向量机的核参数与惩罚参数,动态调整人脸相似度的接受阈值,实现错误分类率评价指标数值的最小化。结果显示,该方法在人脸识别分类中的准确率达到98.5%。

基于改进粒子群的电水转换关系特征曲线研究

电水转换法是一种经济有效的农业用水计量方法,构建合理的电水转换模型,提出适宜的模型参数优化方法对于提高计量精度具有重要的研究意义。对传统的电水转换模型进行优化改进,并提出了一种基于自适应调整惯性权重和变邻域混沌搜索的改进粒子群的模型参数寻优方法。最后分别采用最小二乘法、粒子群算法、改进粒子群算法进行模型参数拟合,结果表明改进粒子群算法寻优精度更高、有更好的收敛速度,拟合的特征关系曲线能够更真实的反应耗电量和供水量的关系,为农业用水计量设备的研制提供理论基础。