本文摘要：在一篇論文中參考文獻(xiàn)是很重要的部分，粒子群算法論文也是如此，整理相關(guān)文獻(xiàn)，搜集大量的資料是非常重要的，為此學(xué)術(shù)顧問在這里推薦 粒子群算法論文參考文獻(xiàn)5篇 ，廣大作者可作為參考： 文獻(xiàn)一、基于粒子群算法的動態(tài)多目標(biāo)優(yōu)化 摘要針對碳二氫生產(chǎn)中的反應(yīng)
在一篇論文中參考文獻(xiàn)是很重要的部分，粒子群算法論文也是如此，整理相關(guān)文獻(xiàn)，搜集大量的資料是非常重要的，為此學(xué)術(shù)顧問在這里推薦粒子群算法論文參考文獻(xiàn)5篇，廣大作者可作為參考：
文獻(xiàn)一、基于粒子群算法的動態(tài)多目標(biāo)優(yōu)化
摘要針對碳二氫生產(chǎn)中的反應(yīng)器動態(tài)優(yōu)化問題,目前雖然有多種算法對生產(chǎn)過程進(jìn)行優(yōu)化,但大部分只是對單一目標(biāo)進(jìn)行求解,提出一種更為靈活的反應(yīng)器動態(tài)求解方法。在該方法中,首先構(gòu)建碳二氫目標(biāo)函數(shù),然后采用多目標(biāo)粒子群算法和分段線性函數(shù)參數(shù)法結(jié)合的方式對目標(biāo)函數(shù)的進(jìn)行求解,以提高整體搜索能力,得到碳二氫反應(yīng)器動態(tài)優(yōu)化的最優(yōu)解。最后,以實(shí)際乙烯碳二加氫化工反應(yīng)過程為例進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果證明,通過該方法進(jìn)行求解的目標(biāo)函數(shù)無論是在收斂性,還是在優(yōu)化的平均值等方面,都比SADE-eCD和NSGA-II算法具有優(yōu)勢,說明該算法在反應(yīng)器動態(tài)優(yōu)化中是切實(shí)可行的。
關(guān)鍵詞動態(tài)多目標(biāo)優(yōu)化 粒子群算法 碳二加氫 骨干粒子群算法
文獻(xiàn)二、基于帶壓縮因子粒子群算法標(biāo)定設(shè)計(jì)反應(yīng)譜
摘要粒子群優(yōu)化算法是模擬群體智能所建立起來的一種全局優(yōu)化算法,在解決多參數(shù)非線性函數(shù)的優(yōu)化問題上具有良好的性能,為了有更好的收斂精度和更快的收斂速度,本文構(gòu)建了帶有壓縮因子的粒子群算法,可用于設(shè)計(jì)反應(yīng)譜的標(biāo)定。利用這一方法可給出第一拐點(diǎn)周期、特征周期、平臺值和衰減指數(shù)等刻畫設(shè)計(jì)反應(yīng)譜特征的參數(shù)值。本文以埃爾森特羅臺(El Centro)加速度時(shí)程的反應(yīng)譜標(biāo)定為例,采用本文提出的改進(jìn)粒子群算法、Newmark三參數(shù)法、雙參數(shù)法和差分進(jìn)化算法對其進(jìn)行標(biāo)定。對比分析了4種標(biāo)定方法給出的特征參數(shù)及計(jì)算精度,實(shí)例證明,改進(jìn)粒子群算法具有較高的精度,給出的設(shè)計(jì)反應(yīng)譜較好地反映了地震反應(yīng)譜的特征。
關(guān)鍵詞設(shè)計(jì)反應(yīng)譜 改進(jìn)粒子群算法 帶壓縮因子的粒子群算法 參數(shù)標(biāo)定
文獻(xiàn)三、基于小生境粒子群算法的永磁同步電機(jī)參數(shù)辨識
摘要永磁同步電機(jī)的電磁參數(shù)會隨著溫度和磁路等因素的變化而變化,參數(shù)辨識的準(zhǔn)確度對電機(jī)控制系統(tǒng)性能有重要影響,而傳統(tǒng)的辨識算法存在收斂速度慢,辨識精度低等缺陷。針對該問題,可以采用一種基于粒子群算法的參數(shù)辨識方法。該方法輸入?yún)?shù)測量簡單,可同時(shí)對電阻、電感、磁鏈三個參數(shù)準(zhǔn)確辨識,同時(shí)引入小生境技術(shù)和粒子群改進(jìn)策略,可以克服基本粒子群算法容易陷入局部最優(yōu)的缺陷,獲得更好的辨識精度和收斂速度。仿真結(jié)果證明了該方法的可行性和正確性。
關(guān)鍵詞永磁同步電機(jī) 參數(shù)辨識 粒子群算法 小生境技術(shù) 小生境粒子群算法
文獻(xiàn)四、基于改進(jìn)粒子群算法的三維路徑規(guī)劃
摘要路徑規(guī)劃是無人機(jī)任務(wù)目標(biāo)的重要組成部分,針對粒子群(PSO)算法早期收斂速度快,后期易陷入局部最優(yōu)的缺點(diǎn),提出一種結(jié)合天牛須搜索(BAS)算法的改進(jìn)粒子群算法,并將其應(yīng)用于無人機(jī)三維空間路徑規(guī)劃。在改進(jìn)的粒子群算法中,利用天牛個體的優(yōu)勢,在每次迭代中都有自己對環(huán)境空間的判斷,使路徑更加合理,搜索效率更高。仿真結(jié)果表明,與粒子群算法相比,使用改進(jìn)的粒子群算法進(jìn)行無人機(jī)三維路徑規(guī)劃效果更好、代價(jià)更小。
關(guān)鍵詞無人機(jī) 路徑規(guī)劃 粒子群算法 天牛須搜索算法
文獻(xiàn)五、粒子釋放與速度動態(tài)變化的改進(jìn)粒子群算法
摘要本文為了改善標(biāo)準(zhǔn)粒子群算法常見的收斂較慢、搜索易陷入局部最優(yōu)、搜索精度較低的缺點(diǎn),提出粒子釋放與速度動態(tài)變化的改進(jìn)粒子群算法。粒子釋放的目的是增加粒子的種群多樣性,促使陷入局部最優(yōu)的粒子跳出局部最優(yōu),粒子速度動態(tài)度變化是來引導(dǎo)釋放后的粒子再次快速收斂到全局最優(yōu),避免粒子釋放后造成的收斂變慢或者結(jié)果發(fā)散。算法改善之后使用三種測試函數(shù)對新算法進(jìn)行驗(yàn)證,并與其他改進(jìn)型粒子群算法優(yōu)化結(jié)果進(jìn)行了對比,結(jié)果表明改進(jìn)策略在改善標(biāo)準(zhǔn)粒子群算法收斂慢、易陷入局部最優(yōu)、搜索精度低等缺點(diǎn)的可行性與有效性。
關(guān)鍵詞粒子釋放 速度動態(tài)變化 粒子群優(yōu)化
以上是精選的粒子群算法論文，作者發(fā)表論文可作為參考，更多這方面的文獻(xiàn)，您也可以隨時(shí)咨詢在線學(xué)術(shù)顧問，或者是推薦粒子群算法期刊，投稿人員可作為參考。
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///nishuo/27867.html
