“粒子优化”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果564783个，建议您升级VIP下载更多相关专利

[发明专利]一种基于粒子分裂的SPH计算优化方法及系统-CN202210165215.3在审
发明人：强洪夫;张林涛;刘虎;王学仁;汪杜豆;刘玉祥 -专利权人：中国人民解放军火箭军工程大学
申请日： 2022-02-23 - 公布日： 2022-03-22 - 主分类号： G06F30/25 文献下载
摘要：一种基于粒子分裂的SPH计算优化方法及系统，属于粒子优化领域，包括大粒子、小粒子和代理粒子；所述代理粒子指在优化过程中发生作用的大粒子与小粒子；所述代理粒子与在优化过程中和小粒子发生作用的大粒子相关联；根据粒子优化准则，将满足优化准则的大粒子分裂为小粒子，将大‑小粒子的接触区域定义为过渡域，引入代理粒子的概念，利用代理粒子代替大粒子与小粒子进行作用。保持了SPH方法在大‑小粒子的接触区域的空间插值精度，避免了由于大‑小粒子的直接接触而造成的插值误差和数值震荡，在保证计算精度的同时有效提高了数值模拟效率。
一种基于粒子分裂 sph 计算优化方法系统

[发明专利]自适应粒子群优化粒子滤波运动目标跟踪方法-CN201510019086.7在审
发明人：胡栋;王佩思;魏巍;曹金山 -专利权人：南京邮电大学
申请日： 2015-01-14 - 公布日： 2015-04-29 - 主分类号： G06T7/20 文献下载
摘要：本发明公开了一种自适应粒子群优化粒子滤波运动目标跟踪方法，属于图像处理与智能视频监控技术领域。本发明方法在用粒子滤波方法进行运动目标的跟踪过程中，利用粒子群优化方法对粒子的位置进行优化；在利用粒子群优化方法对粒子的位置进行优化时，根据全局最优粒子的位置变化情况对粒子的数量进行自适应调整。相比现有技术，本发明不但可有效减轻粒子群优化中的局部最优现象，提高目标跟踪的准确度，同时又具有算法复杂度低，实时性好的优点。
自适应粒子优化滤波运动目标跟踪方法

[发明专利]一种基于改进粒子群优化算法的任务调度方法-CN202211218829.X在审
发明人：张登银;季毛毛;赵莹 -专利权人：南京邮电大学
申请日： 2022-10-07 - 公布日： 2022-12-09 - 主分类号： G06F9/48 文献下载
摘要：本发明公开了一种基于改进粒子群优化算法的任务调度方法，包括如下步骤，获取待调度的任务数据，根据所述任务数据进行粒子编码；通过粒子群优化算法对所述粒子进行迭代计算；其中，若所述粒子群优化算法未陷入局部最优解，则直接输出调度方案；若所述粒子群优化算法陷入局部最优解，则采用粒子群优化算法融合布谷鸟搜索算法的方式，输出调度方案。在粒子群优化算法陷入局部最优解时引入布谷鸟搜索算法，解决了粒子群优化算法陷入局部最优解的困境，同时提高了算法的全局搜索能力。
一种基于改进粒子优化算法任务调度方法

[发明专利]一种基于PSO-GWO算法的资源编排的方法-CN202210131411.9在审
发明人：杨一波 -专利权人：北京秒如科技有限公司
申请日： 2022-02-11 - 公布日： 2022-05-13 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于PSO‑GWO算法的资源编排的方法，该方法包括以下步骤：将业务抽象为粒子群优化算法模型，并对算法模型中参数和实质问题的对应关系进行设定；对粒子群优化算法的粒子进行编码及对粒子群进行初始化处理；对每个粒子的速度进行计算，并使用粒子任务的总完成时间对粒子群优化算法的适应度函数进行定义；通过对粒子的当前位置和粒子之前经历的最优位置进行比较，并更新粒子的历史最优位置以及粒子群体的全局最优位置；对每个粒子的位置和速度进行更新，减少粒子任务的总完成时间；通过引入灰狼优化算法优化惯性权重，并对每个粒子的位置和速度进行优化。
一种基于 pso gwo 算法资源编排方法

[发明专利]一种基于改进粒子群算法的EIT成像算法优化方法-CN202310376801.7在审
发明人：许川佩;张宇涛;李腾飞;林泽姿;赵汝文;董庆贺 -专利权人：桂林电子科技大学
申请日： 2023-04-10 - 公布日： 2023-08-11 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于改进粒子群算法的EIT成像算法优化方法，所述方法包括：建立FEM模型，搭建广义回归神经网络作为EIT成像算法；提出了粒子自适应分解机制，与粒子群算法相结合，自适应的分解低质量粒子，保留和分裂高质量粒子；对自适应分解机制粒子群算法中的不同粒子以不同的方式施加动态Chebyshev混沌映射，得到自适应分解机制动态混沌粒子群优化算法；利用自适应分解机制动态混沌粒子群优化算法对EIT成像算法广义回归神经网络中的平滑因子进行寻优计算该方法基于粒子群优化算法，借鉴了生物体细胞的分解、保留和分裂机制，提出了粒子自适应分解机制，保证算法优化的精度，提高优化效率，再结合动态Chebyshev混沌映射，解决粒子群优化算法易于陷入局部最优的问题用自适应分解机制动态混沌粒子群优化算法优化EIT成像算法，得到更高的算法收敛精度，更好的优化EIT成像算法。
一种基于改进粒子算法 eit 成像优化方法

[发明专利]一种基于粒子群优化算法的呼叫中心排班方法-CN201510943189.2在审
发明人：徐荣龙 -专利权人：山东澳迪赛企业管理咨询有限公司;徐荣龙
申请日： 2015-12-16 - 公布日： 2016-05-11 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于粒子群优化算法的呼叫中心排班方法。本发明所述基于粒子群优化算法的呼叫中心排班方法，基于粒子群优化算法实现，由于粒子群优化算法需要调整的参数少，结构简单，没有交叉和变异运算，依靠粒子的速度完成搜索，搜索速度快，因此本发明排班方法继承了粒子群优化算法的优点
一种基于粒子优化算法呼叫中心排班方法

[发明专利]基于和声搜索算法的改进粒子滤波定位与建图方法-CN202211108246.1在审
发明人：李建微;黄欣;曹路洋;唐寰 -专利权人：福州大学
申请日： 2022-09-13 - 公布日： 2022-12-13 - 主分类号： H03H21/00 文献下载
摘要：本发明公开了一种基于和声搜索算法的改进粒子滤波定位与建图方法，包括初始化粒子和粒子权重；根据提议分布获取当前时刻的粒子集并计算粒子权重；利用和声搜索算法优化粒子位姿；利用小生境算法进一步优化；计算优化后的粒子权重并归一化；计算有效粒子数，基于偏差修正的EWA优化算法进行自适应优化组合重采样；基于粒子的运动轨迹，更新粒子的地图信息，建立实际地图。本发明所提供的粒子滤波方法，能够在使用更少粒子的同时获得更为准确的滤波估计；重采样改进策略在保证粒子多样性的同时解决了传统重采样引起的粒子贫化问题。多方面改进提高了定位与建图的效率和精度。
基于和声搜索算法改进粒子滤波定位方法

[发明专利]一种无线传感器结构设计优化方法、装置、设备及介质-CN202111029718.X在审
发明人：林凡;刘晨阳;李沐 -专利权人：广州杰赛科技股份有限公司
申请日： 2021-09-03 - 公布日： 2021-12-17 - 主分类号： G06F30/25 文献下载
摘要：本发明提供了一种无线传感器结构设计优化方法、装置、设备及介质，根据结构仿真模型确定待优化参数；构建待优化参数与粒子群中的粒子的关联关系；根据待优化参数确定优化目标，并根据优化目标确定粒子的适应度函数；根据适应度函数，利用改进的粒子群优化算法，对待优化参数进行优化，得到参数优化结果；判断参数优化结果是否满足预设优化目标条件，若是，则输出参数优化结果，若否，则利用贪心优化算法对待优化参数进行优化，得到并输出目标参数优化结果采用本发明实施例，能够通过对传统粒子群算法进行改进，并基于改进的粒子群算法和贪心算法，实现对传感器器件进行高效率的全局和局部寻优，提高了算法的准确性，优化了传感器的设计精度。
一种无线传感器结构设计优化方法装置设备介质

[发明专利]基于粒子群优化算法的个人贷款风险预测方法-CN202211307999.5在审
发明人：韩雨潇 -专利权人：中国农业银行股份有限公司重庆市分行
申请日： 2022-10-24 - 公布日： 2023-06-27 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于粒子群优化算法的个人贷款风险预测方法，将粒子群优化算法与BP神经网络结合，即选择粒子群优化算法来替代BP网络的梯度下降方法，不断优化网络的权重参数，直至最终收敛；所述粒子群优化算法对标准粒子群优化算法进行改进本发明通过将粒子群优化算法与BP神经网络结合，对神经网络的参数进行优化，从而加快网络的收敛速度并提高其预测的准确率。
基于粒子优化算法个人贷款风险预测方法

[发明专利]一种基于序列近似优化的粒子群优化方法-CN201910387063.X在审
发明人：高亮;胡钊;蔡习文;李培根 -专利权人：华中科技大学
申请日： 2019-05-10 - 公布日： 2019-09-17 - 主分类号： G06N3/00 文献下载
摘要：本发明属于设计优化相关技术领域，其公开了一种基于序列近似优化的粒子群优化方法，该方法包括以下步骤：(1)根据待优化实际工程优化问题确定待优化实际工程优化问题的设计空间，并针对该实际工程优化问题构建设计变量与目标响应值之间的仿真模型；(2)根据所述设计空间确定粒子群算法的种群数N，并在设计空间中选取N个样本点，同时采用所述仿真模型计算这N个样本点的真实响应值，进而将当前样本点设置为粒子群优化算法的当前种群；(3)对当前种群中的粒子进行更新；(4)判断该粒子群优化算法是否收敛，若收敛，则输出最优解；否则，转至步骤三直至该粒子群优化算法收敛。本发明提高了粒子群算法优化的效率，降低了时间成本。
粒子群优化算法设计空间实际工程优化问题样本点收敛优化种群粒子群算法粒子群优化仿真模型近似目标响应设计变量设计优化时间成本最优解构建粒子输出响应更新

[发明专利]基于动态局部进化的高斯粒子群优化算法-CN202210402230.5在审
发明人：郭佳;田浩 -专利权人：湖北经济学院
申请日： 2022-04-18 - 公布日： 2022-07-15 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了技术领域的，基于动态局部进化的高斯粒子群优化算法，具体的步骤为，S1、对标准粒子群算法进行优化，选择粒子群优化算法的宏观方向参数，表示粒子构造及种群规模，加快算法寻优的速度，避免算法陷入局部极值：S2、设置粒子群优化算法的微观方向参数，根据社会搜索和认知搜索更新粒子自身运动，对粒子群算法的权重参数按照构建的非线性函数进行更新优化，以此加快收敛的速度，并且保证较高的精度；解决了传统粒子群算法搜索精度低，容易陷入局部最优的问题，为单目标优化问题提供高精度搜索结果。
基于动态局部进化粒子优化算法

[发明专利]一种基于AMCL的机器人定位方法、装置和机器人-CN202010777182.9在审
发明人：宁越 -专利权人：歌尔股份有限公司
申请日： 2020-08-05 - 公布日： 2020-12-11 - 主分类号： G05D1/02 文献下载
摘要：本申请的方法包括：获取机器人在当前时刻采集的激光数据，以及获取当前时刻的地图图片；利用所述激光数据与所述地图图片，对由AMCL算法预测得到的初始粒子群中的粒子分布进行优化处理，得到优化后的粒子群，优化后的粒子群中粒子分布较初始粒子群中粒子分布集中；采用AMCL算法对优化后的粒子群进行处理，实现机器人的实时定位。本申请的技术方案能够对AMCL算法预测的初始粒子群进行优化处理，使优化后的粒子群中粒子的分布更为集中，从而可以使用数量更少的粒子来表示机器人位置的概率分布，降低机器人定位所需的计算资源与计算代价。
一种基于 amcl 机器人定位方法装置

[发明专利]一种基于混沌粒子群算法的多目标无功优化方法-CN201810232994.8在审
发明人：凌玉华;刘峰 -专利权人：中南大学
申请日： 2018-03-21 - 公布日： 2018-09-04 - 主分类号： H02J3/18 文献下载
摘要：一种基于混沌粒子群算法的多目标无功优化方法，本发明涉及多目标无功优化方法。本发明是要解决多目标无功优化控制变量可能陷入局部最优解，并求解最优值的速度慢的问题。一、输入粒子群的原始数据到自适应混沌粒子群算法程序；二、根据适应度值的大小从中择优选取前m个作为粒子群的初始位置；三、由计算惯性权重系数公式得出各粒子的惯性权重w，择优选取前M个较优粒子进行混沌优化算；四、根据粒子群无功优化算法更新粒子的速度和位置即控制变量的迭代修正量和数值；五、判断是否满足迭代终止条件，即完成了基于混沌粒子群算法的多目标无功优化方法，本发明应用于电力系统领域。
无功优化多目标混沌粒子群粒子群算法粒子惯性权重控制变量电力系统领域迭代终止条件迭代修正混沌优化算法程序算法更新系数公式原始数据适应度自适应最优解求解应用

[发明专利]深度学习应用的超参数优化方法、装置、设备及存储介质-CN202111151286.X在审
发明人：王超 -专利权人：苏州浪潮智能科技有限公司
申请日： 2021-09-29 - 公布日： 2022-01-07 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种深度学习应用的超参数优化方法、装置、设备及存储介质，该方法包括：获取多个粒子；基于多目标优化函数计算各粒子在目标组上的适应度值，并删除适应度值小于适应度阈值的粒子；如果当前粒子数量大于数量阈值，则删除势能最大的N个粒子，以使得粒子数量不大于数量阈值，否则，选择势能最小的粒子作为引导粒子，引导其他粒子移动；基于粒子的移动更新各粒子的位置，并返回执行基于多目标优化函数计算各粒子在目标组上的适应度值的步骤，直至达到预设要求为止，确定最终保留的各粒子均为优化所得参数数值。本申请利用基于数据场的多目标优化算法来寻求各项超参数与深度学习应用的最佳组合，有效加速深度学习部署效率。
深度学习应用参数优化方法装置设备存储介质

[发明专利]一种信号降噪的方法、系统及计算机存储介质-CN201910355048.7有效
发明人：陈汉新;方璐;张光宇;柯耀;黄瑾珉;曹承昊;黄文健;杨柳 -专利权人：武汉工程大学
申请日： 2019-04-29 - 公布日： 2022-11-29 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种信号降噪的方法、系统及计算机存储介质，其方法包括，将连续待降噪信号进行离散化，得到每个时刻的粒子样本集；利用初始化后的信号降噪模型对粒子样本集进行迭代优化，得到优化粒子样本集；计算优化粒子样本集中每个粒子的权值；根据每个粒子的权值对优化粒子样本集进行重采样，得到采样粒子样本集；利用状态估计公式对采样粒子样本集进行计算，得出采样粒子样本集的状态估计值。在本发明中，信号降噪模型基于带变异算子的粒子群优化算法和粒子滤波算法构建而成，信号降噪模型使后期的粒子滤波采样降噪过程更快速，更准确，避免算法陷入局部最优解，加快收敛速度，提高收敛精度，从而可以提高滤波算法的滤波速度和降噪性能
一种信号方法系统计算机存储介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条