搜索到11527 篇“ 自适应粒子群优化算法 “的相关文章
基于S型映射的自 适应 粒子 群 优化算法 2024年 粒子 群 算法 搜索精度不高,易陷入局部最优解的不足,提出了一种基于S型映射的自 适应 粒子 群 优化算法 .首先,通过群 体适应 度方差策略,设定种群 收敛阈值;然后,根据阈值采用S型映射自 适应 变异搜索策略,以提高全局探索能力;最后,根据适应 值排序,采用S型映射自 适应 步长梯度搜索策略,以提高局部搜索能力.通过四个测试函数实验表明,该算法 在收敛速度、收敛精度方面均有较大提升.关键词：粒子群算法 优化 APF直流侧电压自 抗扰控制参数的自 适应 粒子 群 优化算法 2024年 优化 有源电力滤波器(active power filter,APF)直流侧电压自 抗扰控制(active disturbance rejection control,ADRC)参数的粒子 群 优化算法 (particle swarm optimization algorithm,PSOA)优化 参数的精度低、粒子 易陷入局部最优。针对其缺点,提出了一种优化 APF直流侧电压ADRC参数的自 适应 粒子 群 优化算法 (adaptive PSOA,APSOA)。在PSOA的基础上,APSOA自 适应 调节惯性权重和学习因子,并引入正弦分段混沌映射和混合变异因子,以避免粒子 陷入局部最优,加快算法 优化 速度,提高算法 优化 参数的精度。仿真结果证实,相对于使用PSOA优化 参数的APF直流侧电压ADRC,使用APSOA优化 参数的APF直流侧电压ADRC的直流侧电压的响应速度更快,稳态误差更小,电网电流的总谐波畸变率更小。因此,相对于优化 APF直流侧电压ADRC参数的PSOA,提出的优化 APF直流侧电压ADRC参数的APSOA优化 参数的精度更高。关键词：直流侧电压控制 粒子群优化算法 自抗扰控制 基于自 适应 粒子 群 优化算法 的串联复合涡轮储能优化 策略 被引量：2 2024年 自 适应 粒子 群 优化 (SAPSO)算法 的最大功率点追踪(MPPT)方法,增强发电系统功率的捕获能力。此外,采用混合储能系统(HESS)替代单一蓄电池储能,实现电能的高效、稳定存储。通过Matlab/Simulink软件,建立了基于发动机串联复合涡轮发电的储能优化 控制仿真模型,对比分析了不同控制方法在设定工况下的功率追踪性能以及混合储能系统的储能特性。仿真结果表明,相较于传统扰动观测法(P&O)控制方法,在所提的SAPSO-MPPT方法下,发电功率提高了190 W,响应时间缩短了0.15 s。同时,HESS能够有效追踪母线上的需求功率,电能回收效率高达95.3%。最后,基于Y24型改装发动机台架搭建了串联复合涡轮发电系统实验平台,对所提储能优化 控制策略的节油潜力进行了实验验证。结果表明,SAPSO-MPPT+HESS储能优化 策略能够有效提高排气能量回收效率,优化 后系统总热效率比原发动机提高了提高0.53个百分点。关键词：自适应粒子群优化算法 最大功率点追踪 混合储能系统 基于目标吸引法则自 适应 粒子 群 优化算法 的复杂环境下UUV路径规划方法 自 适应 粒子 群 优化算法 的复杂环境下UUV路径规划方法，属于在水下无人航行器路径规划技术领域。主要是为了解决传统的UUV路径规划方法存在威胁因素考虑单一的问题。本发明首先获取至少包括海底山峰模型和海流模型的环...陷阱标记联合懒蚂蚁的自 适应 粒子 群 优化算法 2024年 粒子 群 改进策略无法帮助已陷入局部最优和过早收敛的粒子 恢复寻优性能的问题,提出一种陷阱标记联合懒蚂蚁的自 适应 粒子 群 优化 (adaptive particle swarm optimization based on trap label and lazy ant, TLLA-APSO)算法 。陷阱标记策略为粒子 群 提供动态速度增量,使其摆脱最优解的束缚。利用懒蚂蚁寻优策略多样化粒子 速度,提升种群 多样性。通过惯性认知策略在速度更新中引入历史位置,增加粒子 的路径多样性和提升粒子 的探索性能,使粒子 更有效地避免陷入新的局部最优。理论证明了引入历史位置的粒子 群 算法 的收敛性。仿真实验结果表明,所提算法 不仅能有效解决粒子 群 已陷入局部最优和过早收敛的问题,且与其他算法 相比,具有较快的收敛速度和较高的寻优精度。关键词：粒子群优化算法 基于自 适应 粒子 群 优化算法 的电动汽车换电站选址模型设计 2024年 自 适应 粒子 群 优化算法 的电动汽车换电站选址模型。电动汽车换电站的选址规划是重要的长期决策,选址的优劣直接影响服务方式、服务质量、服务效率、服务成本等。通过电动汽车换电站选址模型以优化 充电站等级、成本、容量以及服务半径为导向,极大节省换电站建设费用,有效提高电动汽车换电效率。关键词：电动汽车 基于自 适应 粒子 群 优化算法 的无线传感器网络覆盖控制 被引量：8 2023年 自 适应 能力不强的问题,提出了WSN网络覆盖问题假设,并根据网络有效覆盖率及任务节点数量,构建WSN网络覆盖控制问题模型.以粒子 群 算法 为基础,采用自 适应 粒子 群 优化算法 获取最佳覆盖区域,在惯性权重系数中加入演变因子和聚合因子,改善粒子 群 算法 的适应 性,通过增加碰撞回弹策略,优化 粒子 群 的多元性,实现WSN网络覆盖的最优控制.结果表明,所提方法自 适应 能力强,具有较高的覆盖率,可降低控制网络节点移动产生的耗能.关键词：无线传感器网络 粒子群算法 带冲撞和制动的自 适应 粒子 群 优化算法 被引量：1 2023年 粒子 群 优化算法 惯性权重自 适应 调整的基础上,针对算法 易陷入局部极值难以摆脱的情形,借鉴沙丁鱼受刺激加速游动避免死亡的原理,运用冲撞策略模拟外部刺激增强算法 摆脱局部最优束缚的能力;为了兼顾算法 的全局探索和局部精细搜索能力,引入非线性自 适应 调整制动算子对应调整粒子 的速度,并将改进的粒子 群 优化算法 应用于多维函数寻优。实验结果表明带冲撞和制动的自 适应 粒子 群 优化算法 比标准粒子 群 优化算法 有更好的算法 效率和全局寻优能力。关键词：冲撞 制动 粒子群优化算法 局部极值 惯性权重 一种多样性驱动的自 适应 粒子 群 优化算法 2022年 粒子 群 优化算法 是一种随机全局优化算法 ,但它容易陷入局部最优和早熟,为了克服其缺陷,本文提出了一种多样性驱动的自 适应 粒子 群 优化 (DDA-PSO)算法 。本算法 包括吸引阶段和驱动阶段。吸引阶段利用惯性权重线性递减机制加快粒子 收敛,驱动阶段利用多样性驱动速度策略提升种群 多样性。两个阶段相互自 适应 转换,粒子 能跳出局部最优和防止早熟,算法 的勘探与开拓获得自 适应 平衡。DDA-PSO算法 与其他已有算法 进行了比较,实验结果表明,DDA-PSO算法 提高了收敛速度和精度,全局搜索能力得到显著提高。关键词：粒子群优化 多样性 全局优化 基于自 适应 粒子 群 优化算法 在陶瓷图像分割中的应用研究 关键词：粒子群优化算法 最大类间方差法
