粒子群算法PSO优化支持向量机回归算法SVR，python写，自带数据集
2023-03-28 10:26:09
32KB
1
蚁群算法（Ant Algorithm），源于求解旅行商TSP问题，是一种寻找优化路径的概率型算法，灵感来源于蚂蚁寻找食物中发现路径的行为，本质是进化算法中一种启发式全局的优化算法。
2023-03-24 16:29:53
3KB
1
针对蚁群算法搜索时间长、易于陷入局部最优解的缺点，提出一种新的改进算法——分工合作的加权蚁群算法。此算法采取分工合作的方式，在信息素初始化、状态转移概率中分别加入权值，并运用遗传算法中排序的概念对信息素更新机制进行排序加权，此外对信息素上限加以限制。最后以TSP为例，验证了此改进算法不但在收敛速度上有了大幅度提高，而且有效避免了易于陷入局部最优解的缺点，从而证明了提出的新算法是合理有效的。
2023-03-22 11:58:42
263KB
1
针对求解资源受限项目调度问题（RCPSP），提出了基于差分进化（DE）的混合粒子群算法（PSODE）。通过在PSO种群和DE种群之间建立一种信息交流机制，使信息能够在两个种群中传递，以避免个体因错误的信息判断而陷入局部最优点。采用标准测试函数和具体算例进行检验，结果表明PSODE算法可以较好地解决RCPS问题。
2023-03-21 21:03:53
280KB
1
随着间歇性电源(分布式风电、光伏)在中、低压配电网中渗透率的提高，多个微电网可能共存于一个区域配电网中，各微电网间能量互济与协调控制的微电网群技术开始引起广泛的关注。以微电网研究为基础，分析了微电网群的典型特征及拓扑结构。以微电网群功率波动为研究对象，建立了微电网群功率波动熵值的动态调度模型，采用量子粒子群优化算法进行求解实现优化控制。仿真结果验证了所提微电网群功率优化控制方法的正确性和有效性。
2023-03-20 09:27:13
1.15MB
1
针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点，提出了一种基于微粒群优化(PSO)算法的模型参数辨识方法，利用PSO算法强大的优化能力，通过对算法的改进，将过程模型的每个参数作为微粒群体中的一个微粒，利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值，可有效提高参数辨识的精度和效率。
2023-03-14 16:51:01
277KB
1