粒子群算法在优化问题中的应用研究被引量：8

下载PDF

导出

摘要根据粒子群算法的特点及其在优化问题中的研究现状,从惯性权重值及学习因子的改进、更新策略的改进、与其他算法的混合等方面做出了总结,最后研究并探讨粒子群算法仍需要克服的困难与待解决的问题。

作者李树松

机构地区华北电力大学

出处《科学技术创新》 2020年第32期103-104,共2页 Scientific and Technological Innovation

关键词粒子群算法优化混合算法自适应

分类号 TP18 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献7

1杨梦,雷博,赵强,兰蓉.基于改进粒子群的二维模糊散度多阈值图像分割[J].计算机应用与软件,2020,37(9):133-138. 被引量：7
2徐渊.改进粒子群算法在含分布式电源配电网优化重构中的应用[J].电测与仪表,2021,58(3):98-104. 被引量：35
3杨萌宇,张雷,曾悦.改进粒子群算法优化的SVM在恶性肿瘤诊断中的应用[J].现代电子技术,2020,43(15):110-114. 被引量：5
4黄博,曾驰宇,王全胜,龚杰.一种求解电力系统无功优化的改进粒子群算法[J].电工技术,2020(12):107-109. 被引量：5
5张娜,贺兴时,屈思凡.基于交叉熵的粒子群优化算法[J].西安工程大学学报,2020,34(4):106-112. 被引量：4
6陆鑫昊,宋威.混合粒子群算法用于配电网优化的研究[J].小型微型计算机系统,2020,41(8):1788-1792. 被引量：5
7程江鹏,肖健梅,王锡淮.基于改进粒子群优化算法的VSG控制策略[J].控制工程,2021,28(10):2028-2037. 被引量：9

二级参考文献69

1刘健庄,栗文青.灰度图象的二维Otsu自动阈值分割法[J].自动化学报,1993,19(1):101-105. 被引量：360
2何正文.基于遗传算法的电网无功优化[J].低压电器,2007(1):40-44. 被引量：7
3张建科,刘三阳,张晓清.改进的粒子群算法[J].计算机工程与设计,2007,28(17):4215-4216. 被引量：33
4沈林成,霍霄华,牛轶峰.离散粒子群优化算法研究现状综述[J].系统工程与电子技术,2008,30(10):1986-1990. 被引量：57
5张健,朱旭东,王真.一个新的动态约束因子PSO算法[J].河北工业大学学报,2010,39(3):51-55. 被引量：4
6兰蓉,范九伦.基于α-型相对信息的模糊散度[J].工程数学学报,2010,27(4):715-719. 被引量：4
7崔弘,郭熠昀,夏成军.考虑环境效益的分布式电源优化配置研究[J].华东电力,2010,38(12):1968-1971. 被引量：41
8林娇燕.基于蚁群算法的无功优化方法的研究[J].低压电器,2011(20):43-46. 被引量：3
9张兴,朱德斌,徐海珍.分布式发电中的虚拟同步发电机技术[J].电源学报,2012,10(3):1-6. 被引量：194
10白俊强,尹戈玲,孙智伟.基于二阶振荡及自然选择的随机权重混合粒子群算法[J].控制与决策,2012,27(10):1459-1464. 被引量：28

共引文献62

1冯其庸.读刘知白的山水画[J].荣宝斋,2000(2):106-107.
2梁后军,谢睿,周万怀,李浩,张雪东.粒子群寻优的增广灰色模型及其在全国棉花产量预测中的应用[J].中国纤检,2020(9):125-128.
3谢丽萍,胡梦玥.基于SVM模型的校园快讯数据采集与分析[J].信息与电脑,2020,32(19):234-236.
4刘胜,晏齐忠,张志鑫,张豪,申永鹏.基于ACO-PSO算法的变电站巡检机器人路径规划研究[J].浙江电力,2021,40(1):29-35. 被引量：10
5刘小敏,苟瑞欣,张坤,王铮.电力市场环境下计及V2G和多类型需求响应的综合能源系统多目标优化模型[J].数学的实践与认识,2021,51(3):98-109. 被引量：4
6田书欣,刘浪,魏书荣,符杨,米阳,刘舒.基于改进灰狼优化算法的配电网动态重构[J].电力系统保护与控制,2021,49(16):1-11. 被引量：27
7刘小春,王巍璋,姚文昊,周成,王淳,江涛.中压配电网故障处理模式配置研究综述[J].电测与仪表,2021,58(10):49-58. 被引量：17
8余馨,陈云,俞旭燕.“穿越沙漠”中的最大资金剩余量问题探究[J].南通职业大学学报,2021,35(3):67-70.
9汤松梅.基于群智能的图书馆人脸识别系统关键技术[J].吉林大学学报（工学版）,2021,51(6):2216-2224. 被引量：2
10潘家文,钱谦,伏云发,冯勇.模糊自适应并行遗传算法在函数优化中的应用[J].小型微型计算机系统,2021,42(11):2313-2322. 被引量：11

同被引文献64

1曹宇,赵星涛.一种新型双权值人工神经元网络的数据拟合研究[J].电子学报,2004,32(10):1671-1673. 被引量：14
2李铁,王航宇,王宏军.目标表面BRDF统计建模中的遗传模拟退火算法[J].量子电子学报,2008,25(4):489-492. 被引量：9
3袁艳,孙成明,张修宝.空间目标表面材料光谱双向反射分布函数测量与建模[J].物理学报,2010,59(3):2097-2103. 被引量：30
4黄朝军,刘亚锋,尹继武,孙彦清,龙姝明.目标表面遮蔽函数参数的反演与BRDF统计建模的优化[J].红外与激光工程,2010,39(5):883-886. 被引量：7
5武岳,伞冰冰,孙晓颖.膜结构的概念设计与形态优化[J].空间结构,2012,18(3):35-40. 被引量：6
6王守觉,李兆洲,陈向东,王柏南.通用神经网络硬件中神经元基本数学模型的讨论[J].电子学报,2001,29(5):577-580. 被引量：45
7钱基宏,宋涛.张拉膜结构的找形分析与形态优化研究[J].建筑结构学报,2002,23(3):84-88. 被引量：11
8陈磊,霍永亮.利用改进的遗传算法求解非线性方程组[J].西南师范大学学报（自然科学版）,2015,40(1):23-27. 被引量：11
9于海山,任宏光,霍力君,梅浩,张京国.小斜率近似在粗糙面激光散射BRDF计算中的应用[J].光子学报,2015,44(6):183-188. 被引量：5
10周皞,苏亚欣,邓文义,钟方川.金属氧化物类催化剂上HC-SCR研究进展[J].环境科学与技术,2016,39(1):93-100. 被引量：15

引证文献8

1鲁力,刘晨宇.基于粒子群算法的机型排班系统研究[J].科技创新导报,2021,18(5):4-8.
2张帅,叶琳,丁之劼,茅一峰,陈志杰,晋欣桥,杜志敏.基于平行粒子群优化-反向传播神经网络模型的空调系统故障诊断方法[J].制冷技术,2021,41(4):13-19. 被引量：2
3顾钒,查冰婷,郑震,马少杰,张合.基于混合粒子群算法的目标表面BRDF建模与优化[J].探测与控制学报,2021,43(6):73-77. 被引量：1
4甄然,王振博,阚海龙,倪永婧.一种基于改进天牛须探索算法的多点定位算法[J].无线电工程,2022,52(10):1765-1774. 被引量：4
5孙芳锦,苏基浩,李智达,张大明.采用量子粒子群优化算法的风荷载作用下伞形膜结构形态优化设计[J].华侨大学学报（自然科学版）,2022,43(6):719-726.
6桑岳昌.电动汽车充电桩充电策略的优化设计[J].电子质量,2023(3):75-79. 被引量：4
7王威,刘吉绪,吴春玲,韩松,李国田,郝婧.基于机器学习的车用发动机性能预测及优化方法研究[J].内燃机,2023,39(5):28-34. 被引量：2
8纪晓东,程天宇,华亮,张新松.基于声信号识别的水下焊接质量检测方法研究[J].工程设计学报,2023,30(5):562-570. 被引量：2

二级引证文献15

1王凌锋,黄张弛.新能源汽车充电桩发展现状及可行性改良分析[J].内燃机与配件,2023(17):121-123. 被引量：8
2张定波.基于模糊神经网络的中央空调智能故障诊断研究[J].科技创新与生产力,2023,44(9):102-104.
3苏冠领.基于天牛须算法的机械产品加工过程物料优化调度[J].机电设备,2023,40(5):20-25.
4谢雨函.简析电动汽车充电桩快速充电技术[J].电力设备管理,2023(24):280-282.
5王晨晖,袁颖,吕国军.基于BAS-ELM的地震经济损失预测[J].世界地震工程,2024,40(1):199-205.
6张超,王德贤,于虎娜,刘亚,李铮,刘通.一种车辆充电方法及系统[J].电子质量,2024(1):68-71.
7扶笃雄,纪元法,孙希延,陈紫强.基于天牛须种群算法的整周模糊度解算算法[J].科学技术与工程,2024,24(6):2434-2443.
8颜天敏,朱慧敏,杨雪莉,林远鹏.汽车发动机性能优化与改装技术[J].专用汽车,2024(4):37-39.
9杨振,王柏村,孙书剑,李洋,张伟明,郑宗波,朱凯凌,郑剑.柔性智能超声波焊接工作站的设计与分析[J].工程设计学报,2024,31(3):377-382.
10刘红庆.基于优化径向基网络模型的气动控制系统故障检测[J].液压气动与密封,2024,44(10):42-48.

1李彦苍,韩沐轩.混合果蝇算法及其在组合优化中的应用[J].重庆大学学报（自然科学版）,2020,43(9):118-130. 被引量：5

科学技术创新

2020年第32期

浏览历史

内容加载中请稍等...

粒子群算法在优化问题中的应用研究被引量：8

参考文献7

二级参考文献69

共引文献62

同被引文献64

引证文献8

二级引证文献15

相关作者

相关机构

相关主题

浏览历史

粒子群算法在优化问题中的应用研究 被引量：8

参考文献7

二级参考文献69

共引文献62

同被引文献64

引证文献8

二级引证文献15

相关作者

相关机构

相关主题

浏览历史

粒子群算法在优化问题中的应用研究被引量：8