带自适应变异的粒子群优化算法改进研究

针对函数优化的非线性特点,在标准粒子群优化算法的基础上,提出了一种带自适应变异的粒子群优化算法.该算法对惯性权值进行参数设计,建立非线性递减策略曲线模型,通过设置校准系数,改变惯性权值的曲线变化率,使其随迭代过程进行自适应变化.通过在迭代初期选取较大的惯性权值,增强算法的局部寻优能力,加快算法收敛速度,而在迭代后期选取较小的惯性权值,提升算法的全局搜索性能.同时,在算法中引入变异机制,增加种群的多样性,从而更好地提升算法由局部到全局的开放式搜索能力.通过选择基准测试函数对几种算法进行性能测试,证明改进算法收敛速度快、精度高,总体性能优于对比算法.

基于改进粒子群算法的图像匹配技术研究

在分析基本粒子群优化算法的基础上,对学习因子进行非线性异步策略调整,改变其固定常数模式,平衡算法在迭代过程中的局部和全局搜索能力;同时引入活力因子,对失活粒子执行变异操作,提高种群多样性。改进算法可以提升对多维空间的全局寻优能力,避免粒子产生早熟收敛现象。将改进粒子群算法引入图像匹配优化问题中,提出了一种基于改进粒子群算法的图像匹配算法,实验结果表明,该算法具有更快的匹配速度以及更高的匹配精度,具有强鲁棒性。

PSO算法中学习因子的非线性异步策略研究

为了更好地平衡粒子群优化(PSO)算法的局部和全局搜索性能,在分析标准粒子群优化算法的收敛性基础上,提出一种学习因子的非线性异步变化策略,通过构造非线性函数模型,使学习因子随算法迭代次数进行异步动态调节。改进算法在迭代初期具有更好的种群多样性,能够使粒子跳出局部极值,避免产生早熟收敛现象;同时,改进算法在迭代末期可加快粒子收敛速度,提升对多维空间的全局搜索性能。通过对三种常用基准函数进行仿真测试,改进算法在收敛速度和收敛精度指标上均优于对比算法。

一种改进的粒子群优化算法惯性权值递减策略

结合粒子群优化(PSO)算法的特点,分析惯性权值的关键性作用。在此基础上提出一种改进的非线性惯性权值递减策略。同时利用两种基准函数对该策略进行测试。实验结果表明,在参数设置均相同的条件下,改进后的权值递减策略在算法迭代初期具有较好的多样性,有利于跳出局部极值,在迭代后期具有更好的全局寻优能力。当维数不变时,随着种群规模以及最大迭代次数的相应增加,改进后的权值递减策略在收敛精度指标上要明显优于对比算法。

波导实现数字逻辑回路及信号输出特性分析

为了进一步改善R-SPP（正反馈表面等离子体激元）在非对称波导结构中的性能,设计了一种新型的平面型非对称波导结构。研究了入射角和波长取一定值时,传播距离函数导致的显著振荡特性,分析表明,该结构在核芯厚度一定时,能够通过改变入射角实现长距离的传播SPP模式,且在700-1 500nm的入射波长下能够实现5-50μm的传播距离。通常传统的SPP的传播距离约为2μm,而该结构的最大传播距离可达50μm,这一结果对于SPP在新型光子器件中的推广应用有一定的理论和实际意义。