Pso算法

智能优化方法作业

PSO算法实验报告

课程名称： 智能优化方法 作者姓名： 专 业： 控制工程

目录

第一章 问题描述 ...................................................................................... 1 第二章 算法设计 ...................................................................................... 1

2.1解及目标函数的表达................................................................................ 1

2.1.1种群的编码............................................................................

求解约束优化的模拟退火PSO算法

第３２卷第７期

系统工程与电子技术

Ｖ０１．３２Ｎｏ．７

２０１０年７月

ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ

Ｊｕｌｙ２０１０

文章编号：１００１—５０６Ｘ（２０１０）０７—１５３２—０５

求解约束优化的模拟退火ＰＳＯ算法

焦

巍，刘光斌，张艳红

（第二炮兵工程学院，陕西西安７１００２５）

摘

要：针对有约束最优化问题，提出了基于模拟退火的粒子群优化（ｐａｒｔｉｃｌｅ

ｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ－ｓｉｍｕｌａｔｅｄ

ａｎ—

ｎｅａｌｉｎｇ，ＰＳＯ－ＳＡ）算法。该算法利用模拟退火算法以一定概率接受较差点的概率突跳特性，克服粒子群优化算法易陷入局部最优的缺陷。采用可行性原则进行约束处理，并在模拟退火算法产生新粒子的过程中保留最优不可行解的信息，弥补了可行性原则处理最优点位于约束边界附近时存在的不足。４个典型工程优化设计的实验结果表明，该算法能够寻得更优的约束最优化解。

关键词：粒子群优化；模拟退火；约束优化，可行性原则中图分类号：ＴＰ

１８

文献标志码：ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－５０６Ｘ．２０１０．０７．０４２

Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄｏｎ

ｓｉｍｕｌａｔｅ

采用PSO算法的S波段EDFA的优化设计

光纤与电缆及其应用技术2011年第1期产品设计

采用PSO算法的S波段EDFA的优化设计

曹 毅, 魏 淮

(北京交通大学光波技术研究所,北京100044)

[摘 要] 成功地使用粒子群优化(PSO)算法优化设计了多级S波段EDFA,仿真结果表明,输入信号功率为-20dBm时在1486~1520nm可实现平坦增益,两级泵浦总功率为380mW,平均增益可达10dB以上,增益平坦度小于0.1dB,噪声系数小于5dB,满足WDM/DWDM系统的需求。另外,还重点对插入长波长ASE滤波器以改善S波段EDFA系统性能的分配方案及优化方法进行了分析和讨论。

[关键词] 掺铒光纤放大器;S波段;粒子群优化算法;长波长ASE滤波器;波分复用 [中图分类号] TN253 [文献标识码] B [文章编号] 1006 1908(2011)01 0013 04

OptimizedDesignofS BandEDFAUsingPSOAlgorithm

CAOYi, WEIHuai

(InstituteofLightwaveTechnology,BeijingJiaotongUnive

中国高等学校电力系统及其自动化专业第29届学术年会，湖北宜昌：三峡大学，2013

基于PSO优化算法的无偏灰色模型

赵诗雅，李咸善2

1

1

三峡大学电气与新能源学院 2三峡大学电气与新能源学院

Email: mickeyzsy2@，lixianshan@

摘 要：在无偏灰色模型的基础上，结合粒子群优化算法，通过对无偏灰色数据序列模型中的系数直接求解，提出了基于PSO的无偏灰色预测模型。用四种不同增长率的负荷去验证基于粒子算法优化的无偏灰色模型特性优于无偏灰色模型，预测算例的结果也显示了优化后的无偏灰色模型有很好的预测精度和适用性。

关键词：无偏灰色模型；粒子群算法（PSO）；电力负荷预测

PSO-based Unbiased Grey Model

Zhao Shiya, Li Xianshan2

1

1 College of Electrical Engineering and New Energy 2 College of Electrical Engineering and New Energy

Email: mickeyzsy2@，lixianshan@

Abstract：In this paper, on the basis of unbiase

1. 2. 3. 4. 5. 6. 7.

利用PSO参数寻优函数(分类问题):psoSVMcgForClass [bestCVaccuracy,bestc,bestg,pso_option]=

psoSVMcgForClass(train_label,train,pso_option) 输入：

train_label:训练集的标签，格式要求与svmtrain相同。 train:训练集，格式要求与svmtrain相同。

pso_option:PSO中的一些参数设置，可不输入，有默认值，详细请看代码的帮助说明。 8. 输出：

9. bestCVaccuracy:最终CV意义下的最佳分类准确率。 10. bestc:最佳的参数c。 11. bestg:最佳的参数g。

12. pso_option:记录PSO中的一些参数。

13. ========================================================== 14. 利用PSO参数寻优函数(回归问题):psoSVMcgForRegress 15. [bestCVmse,bestc,bestg,pso_option]=

16. psoSVMcgForRegre

function psobp

% BP neural network trained by PSO algorithm % Copyright by Deng Da-Peng @ 2005 % Email: rexdeng@163.com

% You can change and distribute this code freely for academic usage % Business usage is strictly prohibited clc clear all

AllSamIn=...; % Add your all input data AllSamOut-...; % Add your all output data

% Pre-processing data with premnmx, you can use other functions global minAllSamOut; global maxAllSamOut;

[AllSamInn,minAllSamIn,maxAllSamIn,AllSamOutn,minAllSamOut,maxAllSamOut] premnmx(AllSamIn,AllSa

function psobp

% BP neural network trained by PSO algorithm % Copyright by Deng Da-Peng @ 2005 % Email: rexdeng@163.com

% You can change and distribute this code freely for academic usage % Business usage is strictly prohibited clc clear all

AllSamIn=...; % Add your all input data AllSamOut-...; % Add your all output data

% Pre-processing data with premnmx, you can use other functions global minAllSamOut; global maxAllSamOut;

[AllSamInn,minAllSamIn,maxAllSamIn,AllSamOutn,minAllSamOut,maxAllSamOut] premnmx(AllSamIn,AllSa

实验一、直线生成算法

DDA画线算法

一 .名称：DDA画线算法； 二 . 算法分析：

1.设直线两端点为:P1(x1,y1)及 P0(x0,y0),

k??yy1?y0??xx1?x02.则直线斜率 3.则直线方程为

yi?kxi?B4.当 k<1 , x每增加1，y 最多增加1(或增加小于1)。

yi?1?kxi?1?B?k?xi??x??B?kxi?B?k?x yi?1?yi?k?xlet?x?1yi?1?yi?k yi

5.当 k>1 ,y每增加1,x 最多增加1 (或增加小于1) 。

?k?1?

yi+1 xi xi+1 yByB?yxi?1?i?1??i??kkkkklet?y?1xi?1?xi?1k

?k?1?三．算法实现：

void CHuayahuaView::OnDda() //DDA画直线 {

ReleaseDC(pdc1);

// TODO: Add your command handler code here CDC* pdc1 = GetDC(); int color = RGB(255,0,0); int x1=10,y1=20,x2=200,y2=200; double k=(y2-y1)*1.0/(x2-x1);/

启发式搜索：启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无畏的搜索路径，提到了效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。

估价函数：从当前节点移动到目标节点的预估费用；这个估计就是启发式的。在寻路问题和迷宫问题中，我们通常用曼哈顿（manhattan）估价函数（下文有介绍）预估费用。

A*算法与BFS：可以这样说，BFS是A*算法的一个特例。对于一个BFS算法，从当前节点扩展出来的每一个节点（如果没有被访问过的话）都要放进队列进行进一步扩展。也就是说BFS的估计函数h永远等于0，没有一点启发式的信息，可以认为BFS是“最烂的”A*算法。 选取最小估价：如果学过数据结构的话，应该可以知道，对于每次都要选取最小估价的节点，应该用到最小优先级队列（也叫最小二叉堆）。在C++的STL里有现成的数据结构priority_queue，可以直接使用。当然不要忘了重载自定义节点的比较操作符。

A*算法的特点：A*算法在理论上是时间最优的，但是也有缺点：它的空间增长是指数级别的。 IDA*算法：这种算法被称为迭代加深A*算法，可以有效的解决A*

20120531102129加密算法之BLOWFISH算法加密算法之BLOWFISH算法加密算法之BLOWFISH算法

加密算法之BLOWFISH算法加密算法之BLOWFISH算法

加密信息
　　BlowFish算法用来加密64Bit长度的字符串。
　　BlowFish算法使用两个“盒”——ungignedlongpbox[18]和unsignedlongsbox[4,256]。
　　BlowFish算法中，有一个核心加密函数:BF_En(后文详细介绍）。该函数输入64位信息，运算后，以64位密文的形式输出。用BlowFish算法加密信息，需要两个过程：
　　1.密钥预处理
　　2.信息加密
　　分别说明如下：
　　密钥预处理：
　　BlowFish算法的源密钥——pbox和sbox是固定的。我们要加密一个信息，需要自己选择一个key，用这个key对pbox和sbox进行变换，得到下一步信息加密所要用的key_pbox和key_sbox。具体的变化算法如下：
　　1)用sbox填充key_sbox
　　2)用自己选择的key8个一组地去异或pbox，用异或的结果填充key_pbox。key可以循环使用。
　　比如说：选的key是"abcdefghi