国家自然科学基金(61261039)
- 作品数：16 被引量：122H指数：7
- 相关作者：孙辉赵嘉朱德刚吴润秀王晖更多>>
- 相关机构：南昌工程学院安徽医科大学第一附属医院南昌航空大学更多>>
- 发文基金：国家自然科学基金江西省自然科学基金江西省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术水利工程电子电信更多>>
- 具有二级搜索和高斯学习的粒子群优化算法被引量：1
- 2014年
- 针对微粒群算法(particle swarm optimization)收敛速度慢和早熟收敛的问题,提出一种基于二级搜索(Two steps search)和高斯学习(Gauss learning)相结合的粒子群优化算法(TGPSO).该算法借鉴人工蜂群算法能有效地进行局部搜索和全局搜索,并能在陷入局部极值时跳出局部极值的特点,从两方面对微粒群算法进行改进:通过二级搜索,强化较优粒子的局部搜索能力,可加快收敛速度;应用高斯学习的自适应逃逸能力,可有效地逃离局部最优点.在典型测试函数集上的仿真实验结果表明本文算法有较好的寻优性能并能快速地找到最优解.
- 吴润秀孙辉
- 关键词：粒子群优化算法人工蜂群算法
- 基于高斯扰动的粒子群优化算法被引量：24
- 2014年
- 针对标准粒子群优化(PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于高斯扰动的粒子群优化算法。该算法采用对粒子个体最优位置加入高斯扰动策略,有效地防止算法陷入局部最优,加快收敛并提高收敛精度。在固定评估次数的情况下,对8个常用的经典基准测试函数在30维上进行了仿真。实验结果表明,所提算法在收敛速度和寻优精度上优于一些知名的粒子群优化算法。
- 朱德刚孙辉赵嘉余庆
- 关键词：粒子群优化算法全局搜索
- 自适应子空间高斯学习的粒子群优化算法被引量：7
- 2015年
- 为了克服粒子群优化算法在复杂优化问题上易出现早熟收敛、多样性缺失等问题,提出了自适应子空间高斯学习的粒子群优化算法。该方法提出了适应值离散度和子空间高斯学习的概念,以自适应地调整参数和搜索策略,帮助粒子逃离局部最优。同时,该方法还提出邻域学习策略,引入了邻域最优粒子。当前粒子的邻域在进化过程中通过动态构建,以增强种群的多样性。实验对19个常用的经典基准测试函数在30和100维进行了测试,结果表明该算法在收敛速度和寻优精度上优于一些知名的PSO算法。最后,将改进的算法应用于无线传感器网络覆盖优化问题,获得了较好的结果。
- 孙辉朱德刚王晖赵嘉
- 关键词：粒子群优化算法子空间无线传感器网络
- 自适应人工蜂群算法在梯级水库优化调度中的应用被引量：8
- 2016年
- 针对人工蜂群算法全局搜索能力强、局部搜索能力弱的缺点,提出了自适应人工蜂群算法,即先在搜索策略中引入自适应全局最优学习,以增强算法局部搜索能力;其次,个体使用改进策略进行全维搜索产生进化体,通过自适应交叉概率因子,将进化体与原个体进行交叉构建候选个体,以平衡算法搜索能力。在经典基准测试函数的仿真试验表明,与一些最新的改进人工蜂群算法相比,所提算法具有较大优势;在清江梯级水库优化调度应用中的测试,也证明了所提算法具有更好的适用性。
- 李冰孙辉王坤赵嘉王晖
- 关键词：人工蜂群算法自适应局部搜索水库优化调度
- 具有高斯扰动的最优粒子引导粒子群优化算法被引量：7
- 2016年
- 针对粒子群算法(particle swarm optimization,PSO)收敛速度慢和早熟收敛的问题,提出一种具有高斯扰动的最优粒子引导粒子群优化算法(OGPSO).该算法通过在粒子的速度更新公式上移除自我认知部分,增加局部最优粒子控制的高斯扰动项来实现改进PSO算法.通过移除自我认知部分,使种群中的粒子主要受当前全局最优粒子引导;通过增加高斯扰动项,又提供了一种防止粒子陷入局部最优点的机制.两种改进措施相结合,既加快了收敛速度,又避免了早熟收敛的问题.在典型测试函数集上的仿真实验结果和与其它经典及新近改进PSO算法的对比实验结果,均表明本文算法有较好的寻优性能及稳定性.
- 吴润秀孙辉朱德刚赵嘉
- 关键词：粒子群优化算法
- 基于改进人工蜂群算法的高光谱图像端元提取方法
- 2015年
- 针对高光谱图像中端元提取的问题,提出了一种基于改进人工蜂群算法的提取方法。首先,为平衡人工蜂群算法全局和局部搜索能力,研究了加权构造蜂引导的搜索策略,构造了改进人工蜂群算法。在8个基准测试函数中进行实验,验证了新算法的性能有明显提升。然后,介绍了基于IABC端元提取的核心思想与主要步骤,与ABC和常规提取算法在模拟和真实高光谱遥感数据中进行实验对比,结果表明了新算法具有更好的适用性。
- 李冰孙辉孙宁王坤
- 关键词：混合像元端元提取人工蜂群算法组合优化
- 异维学习人工蜂群算法被引量：6
- 2016年
- 针对人工蜂群算法局部搜索能力弱及易陷入局部最优的缺点,提出了一种改进的人工蜂群算法。首先,雇佣蜂使用全局最优引导的搜索策略,且引导程度随个体试验次数(trial)自适应减小,以此平衡算法的全局和局部搜索能力;其次,观察蜂采用变异的异维学习策略,使算法的搜索具有跳跃性,以提高跳出局部最优的概率。对八个经典基准测试函数和CEC2013中八个复合基准函数的测试结果表明,与多种最近提出的类似算法相比,新算法在收敛速度和解的精度上均具有显著优势。
- 李冰孙辉赵嘉王晖吴润秀
- 关键词：人工蜂群算法自适应
- 一种结合DS证据理论的改进KNN分类算法被引量：2
- 2015年
- 传统KNN及其改进算法在处理当状态空间是近似连续数值时,其分类的结果可能会随着数据的微小变动产生状态的飞跃,而影响分类的结果。文章提出了一种结合DS证据理论的改进KNN分类方法.该方法首先将连续属性离散化,然后建立基于mass函数的集值决策信息系统,最后在建立的系统上再进行KNN分类。实验结果表明,改进的算法不仅有效地解决了在状态分界处微小的变化所引起的状态跳跃现象,而且分类的准确率上比传统的KNN分类算法结果更好。
- 吴润秀
- 关键词：DS证据理论KNNMASS函数
- 基于FD-NOMA的无人机通信系统容量分析被引量：1
- 2022年
- 为了提高无人机与地面用户的通信质量,提出了一种基于全双工和非正交多址接入技术的无人机通信系统模型,并分析了城市和郊区两种场景下该系统模型的遍历容量。首先,推导出两种场景下该系统模型的精确容量表达式;然后,通过引入Q函数和利用截断方法解决了式中指数积分函数的计算问题,得到了容量的近似闭式表达式,并在城市场景下,采用取系数因子的方法得到了更精确的容量近似闭式表达式;最后,仿真和数值结果表明,莱斯因子对系统容量存在一定影响,增加无人机数量或非正交多址接入功率向量都可以获得更好的容量性能。
- 牛春雨贾向东贾向东万妮妮
- 关键词：全双工
- 基于异常数据驱动的WSN簇内数据融合方法被引量：21
- 2017年
- 引入数据驱动的思想,提出了一种基于异常数据驱动的簇内数据融合方法。在节点数据采集过程中,仅当异常数据发生时才发送给簇头,减少了监测网络的数据传输量。在簇头数据融合过程中,建立了各传感器之间的相互支持度矩阵,支持度值较低的监测数据将被剔除,支持度值较高的监测数据进行最优加权融合,从而保证了融合结果的准确性和有效性。仿真实验结果表明,与算术平均值法及自适应加权融合法相比,本文方法能有效去除冗余信息,在融合精度、能量消耗方面具有明显的优势。
- 谭德坤付雪峰赵嘉涂振宇
- 关键词：无线传感器网络数据融合
