辽宁省自然科学基金(2004F100)
- 作品数：9 被引量：30H指数：3
- 相关作者：刘国志苗晨赵晓颖姜凤利苗臣更多>>
- 相关机构：辽宁石油化工大学中国民航大学更多>>
- 发文基金：辽宁省自然科学基金天津市自然科学基金中国民航大学科研基金更多>>
- 相关领域：自动化与计算机技术化学工程理学更多>>
- 箱型约束变分不等式的微粒群算法被引量：2
- 2010年
- 对箱型约束变分不等式的简单光滑价值函数,给出了求解箱型约束变分不等式的微粒群算法。该算法具有计算简单、快速收敛到全局最优解和较高的计算精度等优点。数值计算结果表明,提出的算法可靠性高、有效性强,在计算精度上,都优于阻尼牛顿法和正则半光滑牛顿法。
- 刘国志
- 关键词：变分不等式问题价值函数微粒群优化算法
- 求解一类不可微优化问题极大熵微粒群混合算法被引量：6
- 2007年
- 针对一类不可微优化问题,本文提出了一个新的算法—极大熵微粒群混合算法.首先利用极大熵方法把带约束的不可微优化问题转换成无约束的单目标最优化问题,然后利用微粒群算法对其进行求解.利用4个测试函数对其进行测试并于其它算法进行比较,计算结果表明,本文提出算法在求解的准确性和有效性方面均优于其它算法.
- 赵晓颖刘国志姜凤利
- 关键词：微粒群算法极大熵方法不可微优化
- Powell搜索法和局部收缩微粒群算法的混合算法被引量：5
- 2008年
- 提出一个求解无约束最优化问题的新的混合算法——Powell搜索法和惯性权重线性调整的局部收缩的微粒群算法的混合算法。该算法不需要计算梯度,容易应用于实际问题中。通过对微粒群算法的修正,使混合算法具有更加精确和快速的收敛性。主要目的是通过加入混合策略证明标准微粒群算法是能够被改进的。首先利用20个基准测试函数进行仿真计算并比较,计算结果表明,新混合算法在求解质量和收敛速率上都优于其它的3种算法(PSO,GPSO和NM-PSO算法)。同时将新混合算法和最新的各种协同的PSO算法进行分析比较,比较结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性都远优于其他的进化算法。仿真结果证明了新算法是求解无约束最优化问题的一个高效的算法。
- 刘国志苗臣
- 关键词：POWELL搜索法微粒群算法无约束最优化
- 标准的微粒群优化算法的收敛性分析被引量：2
- 2009年
- 利用矩阵理论对具有随机数的标准微粒群优化算法进行了收敛性分析,给出了c=d=1和c=1两个收敛性结果。
- 刘国志
- 关键词：微粒群优化
- Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法被引量：10
- 2008年
- 提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对微粒群算法的修正,使混合算法具有更加精确和快速的收敛性.首先利用20个基准测试函数进行仿真计算比较,计算结果表明,新混合算法在求解质量和收敛速率上都优于其他算法(PSO,GPSO和NM-PSO算法).其次,将新混合算法和最新的各种协同PSO算法进行分析比较.结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都远优于其他算法.
- 刘国志苗晨
- 关键词：POWELL搜索法微粒群算法无约束最优化
- Hook-Jeveese搜索法和改进的微粒群算法的混合算法被引量：2
- 2009年
- 提出一个求解无约束最优化问题的新的混合算法Hooke-Jeeves搜索法和惯性权重线性调整的局部收缩的微粒群算法的混合算法。该算法不需要计算梯度,容易应用于实际问题中。通过对微粒群算法的修正,使混合算法具有更加精确和快速的收敛性。主要目的是通过加入混合策略证明标准微粒群算法是能够被改进的。利用6个基准测试函数进行仿真计算比较,计算结果表明,新混合算法在求解质量和收敛速率上都优于其它的两种算法(PSO和与混沌相结合的PSO算法)。仿真结果表明,新算法是求解无约束最优化问题的一个高效的算法。
- 苗晨刘国志
- 关键词：微粒群算法无约束最优化
- 动态投入产出最优化控制模型的微粒群算法被引量：3
- 2009年
- 对于动态投入产出最优控制模型的以往求解方法,只能求出其局部最优解,而不能求出全局最优解。提出了一个新的动态投入产出最优控制模型,给出一个新的算法-微粒群算法,该算法计算结构简单,具有较强的全局寻优能力、收敛速度快和较高的计算精度。数值实验表明:提出算法的计算结果优于用传统的最优化方法计算的结果,同时也验证了微粒群算法对求解动态投入产出最优控制模型的有效性。
- 苗晨刘国志
- 关键词：微粒群算法
- 惯性权重线性调整的局部收缩微粒群算法被引量：1
- 2008年
- 针对微粒群优化算法存在陷入局部极小点和搜索效率低的问题,给出一个新的速度更新策略——局部收缩策略,并提出一种改进的微粒群优化算法,该算法保持微粒群优化算法结构简单的特点,改善了微粒群优化算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,改进的算法性能优于混沌微粒群优化算法、微粒群优化算法和带有收缩因子的微粒群算法.
- 田明刘国志
- 关键词：微粒群优化算法
- 基于信赖域技术的局部收缩的微粒群算法被引量：2
- 2008年
- 为了改善标准的微粒群优化算法(SPSO)的性能,给出一个新的速度更新策略——局部收缩策略,且把信赖域技术引入PSO算法中进行惯性权重的动态调整,提出一个新的微粒群优化算法——基于信赖域技术的局部收缩的微粒群算法.新算法(NPSO)保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.利用10个测试函数测试新算法的性能,并分别与SPSO、与混沌相结合的微粒群算法(PSOC)、具有被动聚集的微粒群算法(PSOPC)、SPSO的全局版本及带有收缩因子的微粒群算法(CPSO)比较,实验结果表明,新算法(NPSO)大大地改善了实例测试函数的表现.
- 刘国志
- 关键词：微粒群优化算法
