自适应惯性权重的分组并行粒子群优化算法

针对岛屿模型的并行粒子群算法没有根本改变粒子速度更新的问题,提出一种自适应惯性权重的分组并行粒子群优化算法。该算法在迭代过程中能自适应地选择加入分组的数量,同时对各组粒子的惯性权重按照组内最优位置的变化进行自适应调整。各组运用多线程技术并行处理,粒子间采用新的信息共享的方式。仿真结果证实,该算法具有较高的收敛速度和收敛精度。

基于粒子群优化算法的工频陷波滤波器的设计

阐述一种基于粒子群算法的50Hz工频陷波滤波器优化设计,依据工频陷波滤波器的幅频响应与理想幅频响应之间均方误差最小化原则,采用粒子群算法,计算陷波滤波器的系数。

FIR滤波器的分组并行粒子群优化算法设计

根据FIR滤波器幅频响应特性,采用分组并行粒子群算法计算滤波器的系数,在粒子搜索过程中进行分组和并行化处理,以防止算法出现早熟同时又能提高算法的收敛速度。该算法搜索的滤波器系数,能使FIR滤波器幅频响应与理想幅频响应之间的均方误差最小。文章以低通滤波器设计为例进行了仿真,从仿真结果可以看出,分组并行粒子群优化算法设计的FIR滤波器具有运算量小、速度快和性能好等优点。