基于粒子群优化算法的自适应滤波.pdf

基于自适应粒子群优化算法的预测控制算法及其在加热炉支管平衡中的应用.pdf

基于粒子群优化算法和动态调整罚函数的最优潮流计算(英文).pdf

基于模拟退火的粒子群优化算法.pdf

基于运动目标路径的粒子群优化算法研究.pdf

PSO-FastSLAM（粒子群优化） 思想：针对FastSLAM存在的粒子退化问题，将群体智能中的粒子群合作技术引入FastSLAM框架。 方法：1.重采样后利用所有粒子的位姿计算机器人的位姿，选择所有粒子位置的均值而不是权重最大的粒子位置作为目标位置，作为PSO的目标。2.利用粒子合作—PSO，更新机器人位姿。

用PSO算法优化Schaffer's f6函数，该函数的全局最小值为y=0，而最优解为（0,0）。

针对现实配送过程中存在的时间参数模糊化与车辆容积限制问题，利用梯形模糊代数、有符号距离和区间数距离公式，构造出一种较高精度的提前/滞后惩罚函数，在此基础上给出了一种以最小化服务点提前/滞后惩罚、最小化配送总里程以及最小化配送车辆数量为目标的、具有模糊时间窗的有容积约束配送车辆调度问题模型。在问题求解方面，结合粒子群算法和遗传算法，引入遗传算法思想对粒子进行交叉、变异操作，给出了一种基于遗传操作的混合粒子群算法，以解决基本粒子群算法容易陷入局部最优的问题。仿真实验表明，该算法具有可行性和有效性。

文档中主要是基于粒子群优化算法的Rosenbrock函数优化问题的研究，本文分析了粒子群优化算法的原理及算法流程,对算法参数的选择做了详细的研究,并基于Java语言开发了粒子群算法的模拟程序，实现求解Rosenbrock函数最优解。

针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好的预测精确度。