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
PSO（粒子群优化）是一种受自然启发的技术，用于优化 MUD 中的目标函数。
2023-03-26 18:13:49
2KB
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
为了进一步提高量子行为粒子群优化(QPSO) 算法的全局收敛性能, 有效改善算法中存在的粒子早熟问题,提出一种基于完全学习策略的改进QPSO 算法(CLQPSO). 该学习策略改变了QPSO 中局部吸引子的更新方式, 充分利用了种群的社会信息. 采用8 个测试函数对算法性能进行比较分析. 实验结果表明, 所提出的改进算法不仅收敛速度快, 而且全局收敛能力好, 收敛精度优于PSO 算法和QPSO 算法.
2023-03-19 15:14:27
261KB
1
zip 包含四个文件PSO31.m 主要 PSO 功能，带有详细注释。 PlotG.m 用于可视化 Griewangk 函数。 Griewangk.m 是 Griewangk 函数本身。
2023-03-13 22:52:42
2KB
1
粒子群算法解决TSP问题的关键在于全局最优值的定义和本次种群最优值的定义，本算例通过对点的位置进行最优值的定义，每次迭代各个点以概率的形式朝着全局最优和本次最优靠近。程序可直接运行，有部分程序说明。
2023-03-10 21:07:12
4KB
1
运用粒子群算法实现对几种测试函数最优解的搜寻，可对算法进行改进，提升算法的寻优性能。
粒子群算法几种改进方法：
1.权重改进：非线性权重、自适应权重等。
2.学习因子：学子因子动态调整
3.速度更新改进
4.加入新算子等等。
2023-03-06 15:43:26
752KB
1