检索范围:
排序: 展示方式:
丁雷,吴敏,佘锦华,段平
《中国工程科学》 2010年 第12卷 第2期 页码 101-107
针对铅锌烧结过程综合透气性、烧结终点的优化具有强非线性、计算复杂等特点,提出了一种有效的多目标粒子群协同优化算法。首先,建立了有综合透气性、烧结终点两个目标的优化模型。接着,通过改进的约束比较方法、粒子极值选取方法,以及利用不同的粒子群来分别优化相应的变量,提出了一种改进的多目标粒子群协同优化算法。最后,利用提出的多目标优化算法进行综合透气性、烧结终点的优化。仿真结果表明,所提出的多目标优化算法能较好地解决综合透气性、烧结终点的优化问题。
关键词: 铅锌烧结过程 综合透气性 烧结终点 多目标粒子群协同优化算法
董前进,曹广晶,王先甲,戴会超,赵云发
《中国工程科学》 2010年 第12卷 第1期 页码 81-85
介绍了粒子群算法的标准算法及流程,探讨了粒子群算法在水库优化调度、水电站经济运行、参数优选等水文领域中的研究成果和存在的问题,指出未来应该加强粒子群算法改进机理和收敛性能的研究,并与其他算法技术相比较、结合,拓展其在水文科学领域的应用范围,为解决水文领域中大量优化问题提供新途径。
高尚,杨静宇
《中国工程科学》 2006年 第8卷 第11期 页码 94-98
经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出的混合粒子群算法来解决背包问题,经过比较测试,6种混合粒子群算法的效果都比较好,特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法对于目前还没有好的解法的组合优化问题,很容易地修改此算法就可解决。
使用基于多目标粒子群算法多层自适应模糊推理系统晶闸管控制串联电容器补偿技术的互联多源电力系统动态稳定性增强器 Article
null
《信息与电子工程前沿(英文)》 2017年 第18卷 第3期 页码 394-409 doi: 10.1631/FITEE.1500317
关键词: 分层自适应神经模糊推理系统控制器;晶闸管控制串联电容器补偿技术;自动发电控制(AGC);多目标粒子群优化算法;电力系统动态稳定性;相互联系的多源电力系统
应用完备集合固有时间尺度分解和混合差分进化和粒子群算法优化的最小二乘支持向量机对柴油机进行故障诊断 Article
俊红 张,昱 刘
《信息与电子工程前沿(英文)》 2017年 第18卷 第2期 页码 272-286 doi: 10.1631/FITEE.1500337
一种基于高斯过程与粒子群算法的CNN超参数自动搜索混合模型优化算法 Research Article
闫涵,仲崇权,吴玉虎,张立勇,卢伟
《信息与电子工程前沿(英文)》 2023年 第24卷 第11期 页码 1557-1573 doi: 10.1631/FITEE.2200515
张连营,徐畅,吴琼
《中国工程科学》 2012年 第14卷 第11期 页码 107-112
寻求工程项目各目标之间的均衡最优是工程项目管理的重要方面,近年来相关研究发展迅速,已取得了较为丰硕的研究成果。分别从确定条件下的工程项目多目标均衡优化模型和不确定条件下的工程项目多目标均衡优化模型两个方面,对该领域的研究现状进行了分析,并展望了该领域的研究趋势和发展方向。旨在总结当前工程项目多目标均衡优化领域中的研究成果并揭示当前的热点研究问题,为今后研究提供一定的参考和建议。
谢涛,陈火旺
《中国工程科学》 2002年 第4卷 第2期 页码 59-68
近年来,多目标优化与决策问题求解已成为演化计算的一个重要研究方向。为使演化算法的种群解 能尽快收敛并均匀分布于多目标问题的非劣最优域,多目标演化算法的研究热点集中在基于Pareto最优概念的 种群个体的比较与排序、适应值賦值与小生境技术等方面。介绍了多目标优化与决策技术的发展历史与分类方 法,分析了基于Pareto最优概念与不基于Pareto最优概念两大类的多目标演化算法,并详细比较与分析了几种 典型多目标演化算法。其次,论述了与多目标演化算法研究紧密相关的一些问题,如多目标问题解的性质,测 试函数集设计,算法性能评估技术,算法收敛性,并行实现以及实际多目标优化问题的处理等。
基于竞争的二进制多目标灰狼算法的快速紧凑天线拓扑优化 Research Article
董健,袁霞,王蒙
《信息与电子工程前沿(英文)》 2022年 第23卷 第9期 页码 1390-1406 doi: 10.1631/FITEE.2100420
ECGID:一种基于自适应粒子群优化算法和双向LSTM网络的个体身份识别模型 Research Article
张烨菲,赵治栋,邓艳军,张晓红,张钰
《信息与电子工程前沿(英文)》 2021年 第22卷 第12期 页码 1551-1684 doi: 10.1631/FITEE.2000511
刘晓峰,陈通,吴绍艳
《中国工程科学》 2010年 第12卷 第3期 页码 90-94
将微粒群算法(particle swarm optimization,PSO)引入工程项目多目标协同优化领域,研究工程项目的质量、费用、资源和工期的协同优化问题文章首先系统介绍微粒群算法原理、流程以及算法的改进发展,然后研究了工程项目质量、费用、工期和资源的协调功效系数,并建立了质量、费用、工期和资源的多目标协同优化模型,接下来介绍了应用微粒群算法编码解决工程项目多目标优化的方法步骤最后,通过一个应用实例,计算表明微粒群算法可以准确快速地解决工程项目多目标协同优化问题。
基于改进粒子群算法优化的PID控制器在协同碰撞避免系统中的应用 Article
Xing-chen WU, Gui-he QIN, Ming-hui SUN, He YU, Qian-yi XU
《信息与电子工程前沿(英文)》 2017年 第18卷 第9期 页码 1385-1395 doi: 10.1631/FITEE.1601427
标题 作者 时间 类型 操作