博士科研启动基金(200332581106)
- 作品数：8 被引量：126H指数：7
- 相关作者：刘舒燕李宁王少梅付国江王飞洲更多>>
- 相关机构：武汉理工大学更多>>
- 发文基金：博士科研启动基金更多>>
- 相关领域：自动化与计算机技术经济管理自然科学总论交通运输工程更多>>
- 改进的速度变异粒子群算法被引量：21
- 2006年
- 论文提出了一种新的PSO算法——改进的速度变异粒子群算法(iPSOVMO)。其变异策略是:在每次迭代循环中,对具有m个粒子的粒子群的每一维d上的速度的绝对值｜v1,d｜,｜v2,d｜,…,｜vm,d｜最小的速度vTd,d以一定的概率进行变异:使vTd,d随机而均匀地分布于[-vmax,vmax]上。对四个多峰的测试函数所做的对比实验表明,无论是全局版还是局部版,iPSOVMO都大大优于原始的PSO和传统变异PSO,也优于速度变异PSO(PSOVMO)。
- 付国江王少梅刘舒燕李宁
- 关键词：粒子群优化算法
- B2B电子集市在发展中国家的现状和前景被引量：3
- 2006年
- 刘舒燕刘彬彬
- 关键词：B2B市场电子集市电子数据交换商业信息资本投入EDI
- 含速度变异算子的粒子群算法被引量：14
- 2005年
- 提出了一种新型的PSO算法———含速度变异算子的粒子群算法(PSOVMO).该算法在进行变异时的变异对象是搜索速度(v),而不是通常情况下的位置(x).其方法是,设置一个随迭代的进行按指数级数减小的临界速度.在变异开始到整个搜索循环结束之间的每一次迭代中,只要第i个粒子在d维上的搜索速度的绝对值|vi,d|大于此时的临界速度,就以一定的概率重新初始化vi,d:让vi,d随机分布在区间[-vmax,vmax]上,从而通过位置迭代公式将原本聚集的粒子均匀地“驱赶”到前一位置的周围,达到变异的目的.通过对4个多峰测试函数所做的对比实验,表明PSOVMO优于原始的PSO,也优于按传统方法变异的PSO.
- 付国江王少梅刘舒燕李宁
- 关键词：粒子群优化算法
- 含维变异算子的粒子群算法被引量：31
- 2005年
- 提出了一种新型的PSO算法———含维变异算子的粒子群算法(PSODMO),该算法在变异开始后到迭代结束之前的每一次迭代中,计算每一维的收敛度,以一定的概率对收敛度最小的维进行变异:让所有粒子在该维上的位置重新均匀分布在可行区域上.通过对4个多峰的测试函数所做的对比实验,表明所提出的PSODMO增强了全局搜索能力,搜索成功率大为提高,克服了原始的PSO算法易于收敛到局部最优的缺点.也明显优于对原始PSO进行传统变异的方法.
- 付国江王少梅刘舒燕李宁
- 关键词：粒子群优化算法全局最优
- 基于增长曲线模型的高速公路发展研究被引量：7
- 2004年
- 高速公路的发展具有单调性、阶段性和有限性等特征 ,其发展过程可分为缓慢发展期、快速发展期和饱和发展期 ,可用 Logistic和龚柏茨增长模型描述其发展过程 。
- 刘舒燕艾书超
- 关键词：高速公路LOGISTIC
- 含边界变异的粒子群算法被引量：21
- 2005年
- 提出了一种新的粒子群优化算法(PSO)———带边界变异的PSO,其原理是:在迭代的过程中,当粒子的位置超出可行域时,带边界变异的PSO让粒子的位置重新均匀分布在边界附近;当粒子的速度超出可行域时,则使其均匀分布到整个可行区间,而不是像原始PSO那样在这2种情况下都只是简单地取边界值。从理论和实验2个方面论证了这种引入了边界变异的PSO可以获得更快的寻优速度和更好的解精度,有一定的推广价值。
- 付国江王少梅刘舒燕李宁
- 关键词：PSO
- 第四方物流核心竞争力研究被引量：22
- 2004年
- 在论述第四方物流发展现状及存在的问题的基础上,对第四方物流核心竞争力的组成要素进行了分析,并给出了第四方物流核心竞争力构建的对策及建议。
- 刘舒燕王飞洲
- 关键词：第四方物流核心竞争力物流管理
- 一种新型的粒子群算法被引量：14
- 2005年
- 针对原始PSO算法存在的各种缺点,论文提出了一种新型的PSO算法。该算法在搜索的中期进行变异,并依据搜索开始后的收敛情况来决定首次变异的时机、依据每次变异后的收敛情况来决定下次变异的时机,以便最大限度地增加变异次数,并充分利用每次变异带来的避免局部最优、求得全局最优的机会,从而提高搜索成功的概率;在后期则在一定的循环次数内不变异,以确保搜索精度。每次变异只选择那些收敛程度相对比较大的维来进行,这样可以在不破坏粒子群的结构的情况下扩大搜索空间、提高收敛速度。通过对四个多峰的测试函数和一个问题空间为非凸集的实例所做的对比实验,表明改进的PSO算法增强了全局搜索能力,搜索成功率大为提高,克服了原始的PSO算法易于收敛到局部最优点的缺点。
- 付国江王少梅李宁
- 关键词：粒子群优化算法全局最优
