1.资源内容：粒子群算法的python实现代码
2.粒子群优化算法是一种演化计算技术，来源于对一个简化社会模型的模拟，可用于优化问题
3.可在建模过程中使用
4.适合算法初学者和有相关需求者使用或改进
5.针对不同的目标函数，更改fitness函数即可
2022-02-21 22:03:53
4KB
1
对象为风电接入的IEEE33节点配电系统，已知风电分别接入在10节点（pw1）和17节点（pw2），采用粒子群优化算法求解无功补偿装置的最优补偿无功功率，使得系统的网损最小，潮流计算采用前推回代法。
目标函数：确定无功补偿装置接入系统的最优无功补偿注入功率使得系统的运行网损最小（程序中的注释有详细的说明）约束：无功出力上下限，关于粒子群迭代过程中，粒子位置越限处理注释中有说明。
2022-02-16 18:02:56
5KB
包括：1、标准粒子群算法程序，和含变异算子的改进PSO算法
2、基于模拟退火的粒子群优化算法
3、混合粒子群算法
4、遗传算法与粒子群神经网络的混合算法等
2022-02-15 19:10:00
18.66MB
由于支持向量机的主要参数的选择能够在很大程度上影响分类性能和效果，并且目前参数优化缺乏理论指导，提出一种粒子群优化算法以优化支持向量机参数的方法.该方法通过引入非线性递减惯性权值和异步线性变化的学习因子策略来改善标准粒子群算法的后期收敛速度慢、易陷入局部最优的缺陷.实验结果表明，相对于标准粒子群算法，本方法在参数优化方面具有良好的鲁棒性、快速收敛和全局搜索能力，具有更高的分类精确度和效率.
2022-02-12 21:06:17
928KB
1
为了有效解决粒子群优化算法易陷入局部最优的缺陷，在粒子群优化算法（PSO）的基础上引入莱维飞行，提出了一种基于莱维飞行的粒子群优化算法（LPSO）。该算法在迭代过程中对粒子位置进化效果进行判断，若粒子多次迭代后仍无法进化到更优位置，则使用莱维飞行更新粒子位置。改进后的算法增加了粒子位置变化的活力，提高了算法的有效性。仿真实验结果表明，该算法在求解全局最优时，效果优于原始粒子群优化算法，在多峰值函数优化问题中其优越性更加突出。
2022-01-23 10:51:47
969KB
1