基于改进粒子群算法的微电网优化调度

基于MATLAB的量子粒子群优化算法及其应用

38　　　　　计算机与数字工程　　　　　　　　　　　　　　　　　　　第35卷

基于MATLAB的量子粒子群优化算法及其应用

余　健　郭　平

1)

2)

)

(韩山师范学院数信学院1)　潮州　521041)(北京师范大学信息科学学院2　北京　100875)

3

摘　要　量子粒子群优化(QPSO)算法是在经典的粒子群优化(PSO)算法的基础上所提出的一种具有量子行为的粒子群优化算法,具有高效的全局搜索能力。通过求解J.D.Schaffer,方法具有良好的收敛性和稳定性。

关键词　QPSO　量子　粒子群中图分类号　TP301.6

1　引言

是一种基于

,但,易陷入局部极值。孙俊等人在文献[4]中给出了具有量子行为的粒子群优化算法,即QPSO算法。该算法简单有效,收敛速度快,全局搜索性能远优于PSO算法。

点,最后收敛于Pbest点。因此,在整个过程中,在Pbest点处实际上存在某种形式的吸引势能场吸引着粒子,这正是整个粒子能保持聚集性的原因

[7]

。但在经典PSO算法中,粒子是在经

典力学的状态下沿着确定的轨迹飞行,因此粒子搜索的空间是一个有限的区域,因而不能保证一定找到全局最优解。

2　粒子群优化算法

PSO算法首先初始化一群随机粒子,

电子信息专业本科生毕业设计题目,基于粒子群算法的图像增强,采用了归一化,BETA函数,反归一化,实现了图像增强

基于粒子群算法的图像增强

图像增强 粒子群研究的内容 粒子群的算法思想 粒子群算法的改进研究 粒子群研究展望 图像增强的原理 图像增强的方法 图像增强的应用

粒子群算法

电子信息专业本科生毕业设计题目,基于粒子群算法的图像增强,采用了归一化,BETA函数,反归一化,实现了图像增强

图像增强算法

图像增强

图像增强，即有目的地强调图像的整体或局 图像增强 部特性，将原来不清晰的图像变得清晰或强 调某些感兴趣的特征，扩大图像中不同物体 特征之间的差别，抑制不感兴趣的特征，使 之改善图像质量、丰富信息量，加强图像判 读和识别效果，满足某些特殊分析的需要。 因此图像增强的研究具有重要的理论价值和 现实意义。

电子信息专业本科生毕业设计题目,基于粒子群算法的图像增强,采用了归一化,BETA函数,反归一化,实现了图像增强

图像增强

图1 原始图像

图2 增强后的图像

图3原始的灰度直方图

图4增强后后的灰度直方图

电子信息专业本科生毕业设计题目,基于粒子群算法的图像增强,采用了归一化,BETA函数,反归一化,实现了图像增强

图像增强算法

用matlab实现图像对比度增强 算法

1 粒子群优化算法 计算车辆路径问题

摘要

粒子群优化算法中,粒子群由多个粒子组成,每个粒子的位置代表优化问题在D 维搜索空间中潜在的解。根据各自的位置,每个粒子用一个速度来决定其飞行的方向和距离,然后通过优化函数计算出一个适应度函数值(fitness)。粒子是根据如下三条原则来更新自身的状态:(1)在飞行过程中始终保持自身的惯性;(2)按自身的最优位置来改变状态;(3)按群体的最优位置来改变状态。本文主要运用运筹学中粒子群优化算法解决车辆路径问题。车辆路径问题 由Dan tzig 和Ram ser 于1959年首次提出的, 它是指对一系列发货点(或收货点) , 组成适当的行车路径, 使车辆有序地通过它们, 在满足一定约束条件的情况下, 达到一定的目标(诸如路程最短、费用最小, 耗费时间尽量少等) , 属于完全N P 问题, 在运筹、计算机、物流、管理等学科均有重要意义。粒子群算法是最近出现的一种模拟鸟群飞行的仿生算法, 有着个体数目少、计算简单、鲁棒性好等优点, 在各类多维连续空间优化问题上均取得非常好的效果。本文将PSO 应用于车辆路径问题求解中, 取得了很好的效果。

针对本题，一个中心仓库、7个需求点、中心有3辆车，容量均为1，由这三辆车向7

基于改进粒子群算法的WSN节点定位技术研究

（郑州大学 电气工程学院，河南 郑州 450001）

摘 要：针对传感器节点定位技术存在定位不准确和使用局限性等问题，采用一种改进的粒子群算法来对基于TOA的极大似然估计法进行优化处理，以提高定位精度。自适应变异的粒子群算法是依照群体适应度变化率自适应调节惯性权重值，根据当前种群的平均粒距对种群中部分粒子进行变异处理。通过仿真分析测距误差、未知节点个数和节点通信半径对定位精度的影响，结果表明，相同测试条件下，改进的算法定位更加精确，并且能够提升粒子群算法跳出局部最优的能力，有效的避免了标准粒子群优化算法易早熟、陷入局部最优的缺点，最大概率的寻找到全局最优解。

关键字：节点定位；改进粒子群算法；极大似然估计；全局最优 中图分类号：TP391.9 文献标志码：A

WSN Node Localization Technology Research Based On Improved

PSO

FENG Dong-qing，JIANG Xiao-xiao

(School of Engineering,Zhengzhou University,Zhengzhou Henan 450001,China)

ABSTRACT

分类号：X169 U D C：D10621-408-(2011)0261-0 密 级：公 开 编 号：2007042029

XXX 学位论文

PSO-PPR颗粒物源解析技术研究

论文作者姓名： 申请学位专业： 申请学位类别： 指导教师姓名（职称）： 论文提交日期：

XXX 环境工程 工科学士 XXX（副教授） 2011年06月 日

PSO-PPR颗粒物源解析技术研究

摘 要

针对投影寻踪回归法（PPR）在实现大气颗粒物源解析过程中中需要调整的参数较多、程序编辑工作量大的问题，应用粒子群算法（PSO）将PPR模型的参数优化，得到各污染源对大气颗粒物的优化贡献率。这种新方法应用于成都市大气颗粒物的源解析结果与其他多种源解析法得出的结果基本一致，理论分析和应用实践表明该方法应用于大气颗粒物源解析研究具有可行性并且具有方便、准确和实用性强等特点。

关键词：大气颗粒物；源解析；投影寻踪回归；粒子群算法

Technology Research of Projection Pursuit Regression Source Apportionment of Atmosp

一种求解多目标柔性作业车间调度的改进粒子群算法

白俊杰 王宁生 唐敦兵

（南京航空航天大学 CMS工程研究中心 江苏 南京 210016）

摘要：针对具有高纬搜索空间的多目标柔性作业车间调度问题，提出了一种基于偏好的多目标粒子群优化算法（PMOPSO）。算法引入了决策者的偏好信息，用以指导算法的搜索过程，使算法在决策者感兴趣的区域进行搜索，不但缩小了算法的搜索空间，提高了算法的效率，而且一次运算只求得偏好区域内若干个折中解，避免了决策者要在众多非劣解中做出困难的选择。在算法中，采用了新的偏好信息给定方法，即采用目标间重要关系、目标数值或目标权重大致取值范围来表示偏好信息。采用该方法，不但便于决策者给定偏好信息，而且还可以根据决策者的需求，对搜索区域的范围进行适当的调整。针对偏好信息的特点，提出了一种模拟人类社会组织“投票选举”的偏好信息处理方法，该方法直观简便并易于实现。最后，通过实例仿真，对算法性能进行比较分析和评价，结果表明了算法的有效性和可行性。 关键词：柔性作业车间调度；粒子群优化算法；多目标优化；偏好信息 中图分类号：TH16；TP278 文献标识码：A

Improved PSO Algorithm for the Multi-O

基于改进粒子群算法的WSN节点定位技术研究

（郑州大学 电气工程学院，河南 郑州 450001）

摘 要：针对传感器节点定位技术存在定位不准确和使用局限性等问题，采用一种改进的粒子群算法来对基于TOA的极大似然估计法进行优化处理，以提高定位精度。自适应变异的粒子群算法是依照群体适应度变化率自适应调节惯性权重值，根据当前种群的平均粒距对种群中部分粒子进行变异处理。通过仿真分析测距误差、未知节点个数和节点通信半径对定位精度的影响，结果表明，相同测试条件下，改进的算法定位更加精确，并且能够提升粒子群算法跳出局部最优的能力，有效的避免了标准粒子群优化算法易早熟、陷入局部最优的缺点，最大概率的寻找到全局最优解。

关键字：节点定位；改进粒子群算法；极大似然估计；全局最优 中图分类号：TP391.9 文献标志码：A

WSN Node Localization Technology Research Based On Improved

PSO

FENG Dong-qing，JIANG Xiao-xiao

(School of Engineering,Zhengzhou University,Zhengzhou Henan 450001,China)

ABSTRACT

百度文库-张曦元

粒子群优化算法及其参数设置

专 业：信息与计算科学 学 生： 指导教师：

摘 要

粒子群优化是一种新兴的基于群体智能的启发式全局搜索算法，粒子群优化算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。它具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已经成为发展最快的智能优化算法之一。论文介绍了粒子群优化算法的基本原理，分析了其特点。论文中围绕粒子群优化算法的原理、特点、参数设置与应用等方面进行全面综述，重点利用单因子方差分析方法，分析了粒群优化算法中的惯性权值，加速因子的设置对算法基本性能的影响，给出算法中的经验参数设置。最后对其未来的研究提出了一些建议及研究方向的展望。

关键词：粒子群优化算法；参数；方差分析；最优解

I

百度文库-张曦元

目 录

摘 要................................................................................................................................... I Abstract ......

百度文库-张曦元

粒子群优化算法及其参数设置

专 业：信息与计算科学 学 生： 指导教师：

摘 要

粒子群优化是一种新兴的基于群体智能的启发式全局搜索算法，粒子群优化算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。它具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已经成为发展最快的智能优化算法之一。论文介绍了粒子群优化算法的基本原理，分析了其特点。论文中围绕粒子群优化算法的原理、特点、参数设置与应用等方面进行全面综述，重点利用单因子方差分析方法，分析了粒群优化算法中的惯性权值，加速因子的设置对算法基本性能的影响，给出算法中的经验参数设置。最后对其未来的研究提出了一些建议及研究方向的展望。

关键词：粒子群优化算法；参数；方差分析；最优解

I

百度文库-张曦元

目 录

摘 要................................................................................................................................... I Abstract ......

分类号：X169 U D C：D10621-408-(2011)0261-0 密 级：公 开 编 号：2007042029

XXX 学位论文

PSO-PPR颗粒物源解析技术研究

论文作者姓名： 申请学位专业： 申请学位类别： 指导教师姓名（职称）： 论文提交日期：

XXX 环境工程 工科学士 XXX（副教授） 2011年06月 日

PSO-PPR颗粒物源解析技术研究

摘 要

针对投影寻踪回归法（PPR）在实现大气颗粒物源解析过程中中需要调整的参数较多、程序编辑工作量大的问题，应用粒子群算法（PSO）将PPR模型的参数优化，得到各污染源对大气颗粒物的优化贡献率。这种新方法应用于成都市大气颗粒物的源解析结果与其他多种源解析法得出的结果基本一致，理论分析和应用实践表明该方法应用于大气颗粒物源解析研究具有可行性并且具有方便、准确和实用性强等特点。

关键词：大气颗粒物；源解析；投影寻踪回归；粒子群算法

Technology Research of Projection Pursuit Regression Source Apportionment of Atmosp