公共文化服务平台

搜索到160篇“ 并行微粒群算法“的相关文章

基于BSP并行计算模型的并行微粒群算法: 2008年; 在对标准微粒群算法分析的基础上,将它与BSP并行计算模型相结合,设计并实现了一种基于BSP并行计算模型的并行微粒群算法。这种基于BSP并行计算模型的并行微粒群算法改变了标准微粒群算法的结构,提高了算法求解效率。实验结果表明,该并行算法的性能比标准微粒群算法有了很大的提高。; 王元元曾建潮谭瑛; 关键词：微粒群算法

并行微粒群算法研究: 微粒群算法源于对鸟群捕食行为的研究，它是以个体的协作与竞争来完成对复杂搜索空间内最优解的搜索，是一种基于群体智能的随机优化算法。微粒群算法的研究与应用近年来十分活跃，它之所以受到如此关注，主要是由于其结构简单、性能稳定、...; 王元元; 关键词：群体智能微粒群算法并行计算

基于并行计算模型的并行微粒群算法的性能分析被引量：2: 2007年; 将微粒群算法与并行计算模型相结合,基于三种不同的并行计算模型(带中央控制器的并行计算模型、环形结构带缓存区的并行计算模型、BSP并行计算模型),设计出相应的并行微粒群算法,并对并行算法性能进行详细分析。大量实验表明:子种群之间的通讯周期是个重要的可变参数,当选取合适时,能提高解的质量以及算法的收敛性和最优性。; 王元元曾建潮谭瑛; 关键词：并行计算模型微粒群算法

基于并行计算模型的并行微粒群算法的性能分析: 将微粒群算法与并行计算模型相结合,基于三种不同的并行计算模型(带中央控制器的并行计算模型、环形结构带缓存区的并行计算模型、BSP并行计算模型),设计出相应的并行微粒群算法,并对并行算法性能进行详细分析。大量实验表明:子种...; 王元元曾建潮谭瑛; 关键词：并行计算模型微粒群算法

基于带控制器并行结构模型的并行微粒群算法被引量：3: 2007年; 并行计算是解决复杂大规模工程计算问题的有效方法。现提出了一种基于带控制器并行结构模型的并行微粒群算法,它是一种粗粒度的并行。它将种群分为几个子种群,分别放在不同的处理器上,每个子种群独立、同时进化,周期性地交换、更新最优信息。实验结果表明:若选择合适的通讯周期时,该并行微粒群算法不仅具有理想的加速比,而且有效地提高解的质量。; 王元元曾建潮谭瑛; 关键词：并行计算微粒群算法加速比

基于环形结构带缓存器模型的并行微粒群算法: 受并行遗传算法的启发,文章设计和实现了一种基于环形结构带缓存器模型的并行微粒群算法。它基于一种单向环结构的拓扑连接,可以保证优良粒子在子种群间的扩散,丰富种群的多样性。仿真实验的结果表明,该并行算法不仅有效地提高了求解效...; 王元元曾建潮谭瑛; 关键词：微粒群算法并行微粒群算法

基于环形结构带缓存器模型的并行微粒群算法: 受并行遗传算法的启发,文章设计和实现了一种基于环形结构带缓存器模型的并行微粒群算法.它基于一种单向环结构的拓扑连接,可以保证优良粒子在子种群间的扩散,丰富种群的多样性.仿真实验的结果表明,该并行算法不仅有效地提高了求解效...; 关键词：微粒群算法并行微粒群算法

基于环形结构带缓存器模型的并行微粒群算法被引量：2: 2006年; 受并行遗传算法的启发,文章设计和实现了一种基于环形结构带缓存器模型的并行微粒群算法。它基于一种单向环结构的拓扑连接,可以保证优良粒子在子种群间的扩散,丰富种群的多样性。仿真实验的结果表明,该并行算法不仅有效地提高了求解效率,而且在一定程度上改善了早熟现象,算法的各项性能与微粒群算法相比有了很大提高。; 王元元曾建潮谭瑛; 关键词：微粒群算法并行微粒群算法

无线传感网络移动节点位置并行微粒群优化策略被引量：44: 2007年; 网络节点位置优化是无线传感网络研究的核心问题之一.无线传感网络通常由固定节点和少量移动节点构成,传统的虚拟力导向算法无法解决固定节点对移动节点优化的约束.该文针对这一问题,提出了基于并行微粒群算法的优化策略.微粒群算法具有适于解决连续空间多维函数优化问题、能快速收敛至全局最优解的特点.并行框架提高了算法的运行效率,降低了算法的运算复杂度,使算法能够满足无线传感网络的需求.通过并行微粒群算法搜索不同状态下无线传感节点的最优位置,使无线传感网络能够利用移动节点实现网络结构的动态重组,最大化网络覆盖范围,提高网络测量可靠性.实验证明,并行微粒群优化策略能快速有效地实现无线传感网络移动节点位置优化.; 王雪王晟马俊杰; 关键词：无线传感网络并行微粒群算法

生存进化阶段性搜索微粒群算法及其可靠性冗余分配优化应用: 2024年; 为高效解决含有异质冗余的多态系统(MSS)可靠性优化问题,并弥补微粒群优化(PSO)算法易早熟收敛的不足,从作用力方式和种群拓扑结构两方面对算法进行改进。改进PSO算法中单一的作用力方式,设置前后两个搜索阶段,对应两个搜索阶段分别构造平衡引斥力方式和双层引力(个体和全局最优解引力、中间适应度微粒引力)方式,提出阶段性搜索微粒群(SPSO)算法;利用生物个体“择友而交”和优胜劣汰的生存体系构建生存进化(SE)拓扑结构,以结构演化和算法进化并行方式将该拓扑结构融入SPSO算法,提出生存进化阶段性搜索微粒群(SPSO-SE)算法,进一步提升算法的优化性能;利用Benchmark函数对所提算法与PSO的改进算法进行测试对比,结果表明,所提SPSO-SE算法具有更好的寻优能力。采用SPSO-SE算法对串-并联和桥式结构的多态系统的可靠性冗余分配问题进行优化,得到的系统结构费用更低、可靠度更高。; 姚成玉刘晓波陈东宁张运鹏吕世君; 关键词：微粒群优化算法

相关作者