9性预测模型$ 从多方面分析影响供电可靠性的指标!利用主成分分析得到综合变量!实现对数据的降维$ 在此基础上!构建人工神经网络并利用粒子群算法优化极限学习机的输入权值和阈值!完成对训练供电可靠性预测模型的训练$ 以某大型电网的 ?L 个供电局样本 !% 种影响供电可靠性因素为例进行仿真分析!并将 E S R C E FQ C 4 G D算法与 ! 种回归拟合算法对比!验证了该方法的有效性
2021-09-28 14:05:34
24KB
7Using Ring Topology for Solving MultimodalMulti-objective Problems
2021-09-28 14:05:23
1.05MB
matlab版本粒子群算法(PSO)在路径规划中的应用
2021-09-28 14:05:23
9KB
粒子群算法优化vmd算法，极大提高算法的精确性和运行速度
2021-09-28 14:01:11
9KB
针对电动汽车应用的50AH磷酸铁锂电池荷电状态(state of charge，SOC)估算不准的难题，在原有BP神经网络的基础上引入改进的PS0算法加以优化，优化了BP神经网络的权值和阈值，并把优化后的网络用于SOC预测，减小了SOC估算的误差．本文以50AH的磷酸铁锂电池为研究对象，首先在粒子群算法(particle swarm optimization，PSO)中引入了变异算子改进了PS0搜索精度较低、后期迭代效率不高等缺点，然后通过实验分析了电压、电流、温度3个主要参数与SOC的关系，利用放电实验
2021-09-27 09:41:00
128KB
1
1.0版本pso部分
最近做大创开始学习遗传算法，粒子群算法等，在大佬的走向下，开始写点博客，因为是第一次写，而且自己学的也不好（捏个是重点），就当写给自己看啦。粒子群算法跟遗传算法一样，都是从自然界的自然现象得到启发，而被大牛创造出来的，在一代代的改进中逐步趋于完善，也慢慢作用于越来越多的领域中。粒子群算法称为是从鸟群寻食中得到的启发，一群鸟在一个不知道食物分布的地方觅食，它们会渐渐集中到食物最多的地方去，当然，如果地方太大的话，也可能会出现多个集中鸟比较多的地方。这里头有几个官方术语
个人理解就是一个较优解集支配一个次优解集
Pareto最佳就是在最理想条件下，我们获得了自己的最想要的结果，但是很遗憾，因为现实问题的影响因素太多，所以我们经常重叠局部最优，或者得到一堆
较优解。于是：
根据我们计算得到的最优解集，我们可以计算出理想的最终优化结果，就像如果发电的模型的话，我们可以得到我
2021-09-26 11:05:42
50.62MB
1
基于生态系统服务和PSO-SOFM神经网络的中亚水土热资源匹配分区.pdf
2021-09-25 17:06:20
3.31MB