“粒子群算法”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431448个，建议您升级VIP下载更多相关专利

[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]一种新的混沌粒子群优化算法-CN201410630128.6在审
发明人：方雪静;杨晋博;刘晶 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2014-11-11 - 公布日： 2015-02-25 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了一种新的混沌粒子群优化算法，所述算法在混沌蚁群算法的基础上，结合粒子群算法，模拟粒子群混沌与稳定的交替运动过程，将混沌运动与粒子群运动结合到一起，并通过混沌因子来调节混沌程度。本发明算法将混沌融入到粒子运动过程中，不同于己有的混沌粒子群算法的简单粒子序列替换，使粒子群在混沌与稳定之间交替向最优点靠近，并提出了一种新的混沌粒子群数学模型，有效避免粒子群优化算法的早熟收敛问题，能跳出局部最优
一种混沌粒子优化算法

[发明专利]一种基于粒子群算法的寻找最优DRAM检测算法的方法及系统-CN202310634936.9在审
发明人：蒋洪湖;曾祥卫;刘石柱 -专利权人：深圳市章江科技有限公司
申请日： 2023-05-31 - 公布日： 2023-09-19 - 主分类号： G06F11/22 文献下载
摘要：本说明书实施例提供一种基于粒子群算法的寻找最优DRAM检测算法的方法及系统，其中，该方法包括：生成当前粒子群，每个粒子对应一个检测算法；计算当前粒子群的每个粒子的适应度值，判断当前粒子群是否满足预设终止条件；满足预设终止条件时，基于当前粒子群的每个粒子的适应度值确定最优DRAM检测算法；不满足预设终止条件时，重复执行基于当前粒子群的每个粒子的适应度值，生成更新后的当前粒子群，计算更新后的当前粒子群的每个粒子的适应度值，判断更新后的当前粒子群是否满足预设终止条件，直至更新后的当前粒子群满足预设终止条件，基于更新后的当前粒子群的每个粒子的适应度值确定最优DRAM检测算法，具有提高DRAM检测效果的优点。
一种基于粒子算法寻找最优 dram 检测方法系统

[发明专利]面向功耗的混合粒子群脉冲神经网络映射方法-CN201710319369.2有效
发明人：刘俊秀;黄星月;罗玉玲;莫家玲;丘森辉;闭金杰;彭慧玲 -专利权人：广西师范大学
申请日： 2017-05-09 - 公布日： 2020-08-07 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种面向功耗的混合粒子群脉冲神经网络映射方法，通过将粒子群算法与遗传算法的结合的神经元节点映射方式，得到神经元节点映射到硬件系统中的最佳映射结果，映射方法主体采用粒子群算法，在粒子群算法运行的过程中结合遗传算法的突变操作，对基本粒子群算法进行改进，循环算法至满足终止条件。本发明的技术方案克服了基本粒子群算法性能的缺陷，既能够发挥粒子群算法原有的搜索能力，也能克服因基本粒子群算法过早收敛，容易陷入局部最优缺点，使算法能够搜索到全局最优解，有效地降低了系统功耗，增强了映射方案的应用性
面向功耗混合粒子脉冲神经网络映射方法

[发明专利]电动汽车磁耦合无线充电系统的最大效率跟踪方法-CN201510559048.0有效
发明人：王萌;冯静;施艳艳;景建伟;孙长兴 -专利权人：河南师范大学
申请日： 2015-09-06 - 公布日： 2017-12-01 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了一种电动汽车磁耦合无线充电系统的最大效率跟踪方法，首先通过初始电源激励频率推导出发射和接收线圈之间的互感，将适应度函数变为只与频率有关的函数；将一般粒子群算法中的粒子群规模分开设定，分别为最大粒子群规模Nmax=30和最小粒子群规模Nmin=2，粒子群规模随着迭代次数增加而逐渐减小。本粒子群算法减去冗余粒子，改变粒子群规模，精简算法，加快了算法收敛速度。本发明粒子群算法不但使得粒子规模选取有据可依，且算法在搜索前期具有较大自我学习能力和社会学习能力，在搜索后期，加快收敛速度，算法搜索时间减小。
电动汽车耦合无线充电系统最大效率跟踪方法

[发明专利]一种基于变异型粒子群算法的图像分割方法及系统-CN201810297731.5在审
发明人：李鹏 -专利权人：四川斐讯信息技术有限公司
申请日： 2018-03-30 - 公布日： 2018-09-21 - 主分类号： G06T7/136 文献下载
摘要：本发明公开一种基于变异型粒子群算法的图像分割方法及系统，涉及图像处理技术领域，所述基于变异型粒子群算法的图像分割方法包括：利用粒子群算法求解用于图像分割的最优灰度阈值；并在粒子群算法进行迭代时，以变异概率调整粒子群的全局最优位置本发明基于变异型粒子群算法计算用于分割图像的灰度阈值，在粒子群算法进行迭代时，以变异概率调整粒子群的全局最优位置，以避免粒子群算法陷入局部最优解和低效率搜索，进而能够获得较优的用于分割图像的灰度阈值。
粒子群算法图像分割变异型灰度全局最优位置变异概率分割图像粒子群迭代图像处理技术图像自适应学习鲁棒性最优解求解搜索分割

[发明专利]一种基于混沌粒子群的光伏发电最大功率点跟踪算法-CN202010192151.7在审
发明人：肖文波;叶国敏;章文龙;金鑫;宋灵婷;夏情感;吴华明 -专利权人：南昌航空大学
申请日： 2020-03-18 - 公布日： 2020-07-17 - 主分类号： G06Q50/06 文献下载
摘要：本发明公开了一种基于混沌粒子群的光伏发电最大功率点跟踪算法，由于粒子群算法的随机性极大地降低搜索效率，因此在粒子群算法中引入混沌运动来改善算法的性能，基于混沌粒子群的光伏发电最大功率跟踪主要是在粒子群算法中融入混沌运动，利用混沌运动的规律性和遍历性解决粒子群算法随机初始化粒子分布不均匀的问题，扩宽寻优范围，提高种群多样性，通过对比标准粒子群算法的结果，可以发现混沌粒子群算法能够更加精确跟踪外界环境变化下的光伏发电系统最大功率点
一种基于混沌粒子发电最大功率跟踪算法

[发明专利]基于教学和粒子群算法的主动配电网智能混合重构方法-CN201810234451.X在审
发明人：董萍;吴华仪;吴光辉;刘明波 -专利权人：华南理工大学;广州市微网智源科技有限公司;广州市恒创智通信息技术有限公司
申请日： 2018-03-21 - 公布日： 2018-09-04 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了基于教学和粒子群算法的主动配电网智能混合重构方法，以网损最小为寻优目标。包括：随机初始化粒子群；计算每个粒子的适应度函数；利用粒子群算法对每个粒子的位置和速度进行更新；再利用教学算法对每个粒子的位置进行更新；求每个粒子群的适应度函数并排除不可行解；更新粒子群的最优解和全局最优解本方法针将教学算法和粒子群算法与其结合，在保留粒子群算法全局寻优能力的同时，增强了算法的局部寻优能力和速度，从而实现算法在全局和局部寻优能力。本发明通过优化算法迭代更新网络结构，起到降低网损的作用。
粒子群算法算法寻优粒子群粒子配电网适应度函数教学重构更新全局最优解随机初始化迭代更新网络结构优化算法智能可行解再利用最优解迭代全局保留

[发明专利]频率分叉时电动汽车无线充电桩效率极值点跟踪方法-CN201510559055.0有效
发明人：王萌;孙长兴;施艳艳;梁洁 -专利权人：河南师范大学
申请日： 2015-09-06 - 公布日： 2017-12-15 - 主分类号： H02J7/02 文献下载
摘要：本发明公开了一种频率分叉时电动汽车无线充电桩效率极值点跟踪方法，将一般粒子群算法中的粒子群规模分开设定，分别为最大粒子群规模Nmax=30和最小粒子群规模Nmin=2，算法在运行中随着迭代次数的增加逐渐减小粒子群规模，精简了算法，加快了算法后期收敛速度。本发明粒子群算法使得粒子规模选取有据可依，在搜索后期，加快收敛速度，搜索时间减小。
频率分叉电动汽车无线充电效率极值跟踪方法

[发明专利]基于克隆免疫粒子群算法的多电机协同控制PID参数优化方法-CN201811365942.4在审
发明人：罗志勇;王淮;马国喜;李凯凯;赵杰;杨美美;郑焕平;韩冷 -专利权人：重庆邮电大学
申请日： 2018-11-16 - 公布日： 2019-04-02 - 主分类号： G05B11/42 文献下载
摘要：本发明请求保护一种基于克隆免疫粒子群算法的多电机协同控制PID参数优化方法，涉及到使用克隆免疫算法对粒子群算法的改进。PID控制是，过程控制中应用最广泛的控制方法，其关键在于PID参数的优化。在本发明中，首先使用克隆选择算法对粒子群算法进行优化：在粒子群算法的基础上加了克隆免疫操作，当粒子群算法陷入局部最优解时，对外部最优解集中的粒子进行克隆复制、克隆变异和克隆选择操作，提高粒子的多样性，帮助算法跳出局部最优解该方法与单独使用粒子群算法相比，能有效解决粒子群算法整定PID控制参数时出现的局部最优现象。
粒子群算法克隆最优解免疫粒子群算法协同控制多电机粒子克隆选择算法单独使用过程控制免疫操作免疫算法选择操作有效解决算法整定收敛优化早熟多样性复制跳出外部应用改进帮助

[发明专利]基于模拟退火粒子群算法的兴趣点推荐方法-CN202011298454.3在审
发明人：苗晓婷;程小宣 -专利权人：上海汽车集团股份有限公司
申请日： 2020-11-19 - 公布日： 2022-05-20 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种基于模拟退火粒子群算法的兴趣点推荐方法，包括根据用户预选的兴趣点类型、以及兴趣点类型的影响因素，生成属性信息列表；针对所有类型的兴趣点类型建立最优化求解算法目标函数的表达式；建立初始粒子群，并设置模拟退火粒子群算法的初始粒子群参数；更新粒子群，并对最优值形成记录；输出粒子群的目标函数最优值对应的粒子，并将其作为推荐兴趣点。本方案利用模拟退火算法与粒子群优化的方法，实现了在综合考虑多自变量影响因素的前提下，高效地进行兴趣点的推荐。在粒子群优化求解的迭代过程中，利用模拟退火算法的思想，伴随着退火温度的逐渐降低，使得粒子群的粒子群算法能够更快地收敛到全局最优解。
基于模拟退火粒子算法兴趣推荐方法

[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]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]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
基于动态局部进化粒子优化算法

[发明专利]一种基于多目标粒子群算法的船型优化方法-CN202010314618.0有效
发明人：张盛龙;王佳;冯是全 -专利权人：常熟理工学院
申请日： 2020-04-21 - 公布日： 2021-12-31 - 主分类号： G06F30/15 文献下载
摘要：本发明公开了一种基于多目标粒子群算法的船型优化方法，包括步骤根据多目标粒子群优化算法生成一组粒子群设计变量，每个设计变量粒子对应一组船型修改参数；采用任意曲面变形技术建立与船型修改参数对应的船体新几何；采用深度信念网络算法计算水动力性能；然后将目标函数输入到多目标粒子群算法中，根据多目标粒子群算法的变换规则生成一组新的粒子群设计变量，并返回步骤2继续下一次优化，直到多目标粒子群算法达到最大迭代次数，输出最佳粒子所对应的船体几何本发明采用深度信念网络算法预测船舶在波浪中的水动力性能，采用多目标粒子群算法进行全局优化，能够有效提高船型优化效率的同时，保证船型设计的精准性及实用性。
一种基于多目标粒子算法船型优化方法

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