针对惯性权重改进策略大多采用同代粒子使用相同权重,忽略了粒子本身特点以及不同维上的有效信息,提出一种基于不同粒子不同维的动态自适应惯性权重粒子群算法(AWPSO)。在该算法中利用矢量运算分析粒子进化公式,用一种新的方法构造惯性权重公式,使惯性权重随不同代不同粒子不同维动态改变,加快粒子收敛速度和全局搜索能力。通过对7个典型测试函数的测试结果表明,AWPSO在收敛速度,收敛精度,全局搜索能力方面比线性惯性权重粒子群算法(LDIWPSO)均有不同程度上的提高。
2022-03-13 19:32:45
374KB
1
粒子群优化算法是一种基于群体智能的随机全局优化技术,尽管其原理简单易、于实现且功能强大,但目前研究人员还没有对它的工作原理做出足够的解释。将群体优化过程看成一个动态系统的演变,采用线性离散时间系统的分析方法对算法的收敛性进行了分析,导出了简化PSO算法的收敛条件。考虑到参数是影响算法性能和效率的关键因素,利用标准测试函数对算法的参数选择进行了详细的分析,并给出一些指导性原则。
2022-03-06 02:42:08
658KB
1
仿真实例
天线阵列方向图的设计目标：主瓣宽度10°（第一零陷宽度），要求方向图在 40°、45°、50°、55°、60°生成-90dB的零陷，旁瓣电平-15dB以下（使用吸收边界条件）
具体的算法参数设置和优化结果:
算法中种群的大小设置为 60,每个粒子的维数为 64(其中前32位表示激励幅度大小, 后 32 位表示激励相位大小)，适应度函数包括副瓣区的电平高低和两个零深区的电平高低。
2022-03-03 17:38:51
1.03MB
1
1.资源内容：粒子群算法的python实现代码
2.粒子群优化算法是一种演化计算技术，来源于对一个简化社会模型的模拟，可用于优化问题
3.可在建模过程中使用
4.适合算法初学者和有相关需求者使用或改进
5.针对不同的目标函数，更改fitness函数即可
2022-02-21 22:03:53
4KB
1
对象为风电接入的IEEE33节点配电系统，已知风电分别接入在10节点（pw1）和17节点（pw2），采用粒子群优化算法求解无功补偿装置的最优补偿无功功率，使得系统的网损最小，潮流计算采用前推回代法。
目标函数：确定无功补偿装置接入系统的最优无功补偿注入功率使得系统的运行网损最小（程序中的注释有详细的说明）约束：无功出力上下限，关于粒子群迭代过程中，粒子位置越限处理注释中有说明。
2022-02-16 18:02:56
5KB
包括：1、标准粒子群算法程序，和含变异算子的改进PSO算法
2、基于模拟退火的粒子群优化算法
3、混合粒子群算法
4、遗传算法与粒子群神经网络的混合算法等
2022-02-15 19:10:00
18.66MB