中国博士后科学基金(20090451171)
- 作品数：2 被引量：3H指数：1
- 相关作者：梅从立刘国海张静更多>>
- 相关机构：江苏大学更多>>
- 发文基金：中国博士后科学基金江苏高校优势学科建设工程项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于不确定知识的粒子群优化算法被引量：3
- 2011年
- 针对标准粒子群优化算法(PSO)速度更新方程存在随机参数,使得粒子获取知识存在不完备性的问题,将不确定知识引入PSO算法中,并对个体知识、群体知识和不确定知识随机参数进行了归一化,保证算法在每一步演化中都能获得完备知识.理论分析给出了PSO-UK算法局部收敛参数条件,并证明了其具有全局优化性能.经典测试函数实验表明,所提出的PSO-UK算法具有全局搜索能力,且局部收敛精度明显优于PSO算法.
- 梅从立刘国海
- 关键词：粒子群优化算法不确定知识收敛性分析
- 基于小波神经网络的飞机故障诊断
- 本文利用小波神经网络较强的学习能力和泛化特点对飞机的常见故障进行在线故障诊断,同时有相似结构的BP神经网络进行故障诊断作为对照,以此验证小波神经网络在飞机故障诊断中的可行性、有效性和优越性。
- 侯霞张军峰刘国海
- 关键词：小波神经网络故障诊断BP神经网络
- 文献传递
- 基于周期性演化策略的粒子群优化算法
- 2012年
- 针对标准粒子群优化算法(PSO)在寻优过程中容易出现早熟的问题,提出一种基于周期性演化策略的粒子群优化算法,该策略通过在速度更新方程中构建基于粒子群能量的粒子群最优值扰动项,使得粒子群能量在演化过程中可以周期性变化,相比标准PSO算法,当粒子群能量较大时,能够增强局部搜索能力;当粒子群能量较小时,能够增强全局搜索能力,典型优化问题的仿真结果表明,所提出的算法与线性下降惯性权重粒子群优化(LWPSO)和PSO算法相比,优化性能得到了显著提高。
- 梅从立张静刘国海
- 关键词：粒子群优化算法群体智能
