“粒子群优化算法 ”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827919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，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]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

[发明专利]一种解决旅行商问题的自适应粒子群优化方法-CN201810585824.8在审
发明人：方娜;万畅 -专利权人：湖北工业大学
申请日： 2018-06-08 - 公布日： 2018-11-16 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了一种解决旅行商问题的自适应粒子群优化方法，在现有的标准粒子群算法的基础之上采用反向学习初始化粒子种群，并使粒子群优化算法的惯性权重w，学习因子c，随着迭代次数的增加自适应调整，从而提高粒子群优化算法的寻优能力，并在算法的后期引入混沌局部搜索避免算法陷入局部最优。用标准函数对改进后的算法进行测试，得到的结果明显优于标准PSO优化算法，并将改进后的粒子群优化算法应用到旅行商问题的优化求解中，取得比较好的优化结果。
粒子群优化算法旅行商问题算法粒子群优化自适应标准粒子群算法自适应调整标准函数惯性权重局部搜索粒子种群优化结果优化求解初始化混沌迭代寻优改进测试学习引入应用

[发明专利]一种用于光伏阵列的优化方法-CN202010561808.2有效
发明人：陈政轩;郑晓莹 -专利权人：广东工业大学
申请日： 2020-06-18 - 公布日： 2022-08-19 - 主分类号： G05F1/67 文献下载
摘要：本发明涉及一种用于光伏阵列的优化方法，包括以下步骤：建立光伏阵列模型并输入电压和电流；通过粒子群算法对光伏阵列模型进行优化；粒子群中的粒子进行迭代，更新粒子的速度和位置；运用纵横交叉算法和细菌觅食算法对粒子群算法进行辅助优化建立光伏阵列模型，输入电压和电流，粒子群算法对光伏阵列模型进行优化，纵横交叉算法帮助粒子群算法跳出局部最优，细菌觅食算法的复制机制是淘汰掉弱势一半，留下优秀一半加以复制，帮助粒子群算法更快的收敛，更快找到个体最优值和全局最优值，通过粒子群算法、纵横交叉算法和细菌觅食算法找到光伏阵列模型的最大输出发电功率。
一种用于阵列优化方法

[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]一种基于强化学习和粒子群算法的智能寻优方法-CN202210362550.2在审
发明人：高润芳;赵云飞;陈豪;高军强;许馨月;王少冲;韩培俊;梁辉;魏建光;冯国宝;何浩东;魏庆栋;梁燕;王蒙 -专利权人：中国人民解放军96901部队
申请日： 2022-04-08 - 公布日： 2022-05-06 - 主分类号： G06N3/00 文献下载
摘要：本发明属于智能优化领域，特别涉及一种基于强化学习和粒子群算法的智能寻优方法。一种基于强化学习和粒子群算法的智能寻优方法，利用强化学习优化粒子群算法参数，通过强化学习的输入、输出和优化目标设计，自适应调整粒子群算法参数；输入即状态，以粒子群算法的优化进度表征；输出即动作，以粒子群算法速度更新公式参数表征，速度更新公式参数包括局部极值权重、全局极值权重和惯性因子；优化目标即回报，以当前粒子的适应度函数值作为正回报，当前迭代次数作为负回报。本发明实现了粒子群算法迭代步长的自适应调整，避免了因为参数设置不当导致的算法不收敛及迭代次数多的问题，实现了全局最优与求解速度的动态平衡，提升了算法的快速性。
一种基于强化学习粒子算法智能方法

[发明专利]一种基于粒子群优化的蚁群算法求解TSP问题的方法-CN201810742050.5在审
发明人：廖勇;赵萌轩 -专利权人：重庆大学
申请日： 2018-07-09 - 公布日： 2018-11-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于粒子群优化的蚁群算法求解TSP问题的方法。该方法在求解TSP问题时，利用粒子群优化的思想，对蚁群算法的参数取值进行优化并选择。在粒子群算法中，将蚁群算法的5个参数(q₀,α,β,ρ,m)看作粒子群算法中的一个粒子，经反复调用蚁群算法计算并更新后，可以优化蚁群算法的性能，使参数通过粒子自适应选取，而不再依靠人工经验选取这种基于粒子群优化的蚁群算法将计算出的5个参数组合反馈回蚁群算法后，对解决TSP问题有优异的效果。
蚁群算法粒子群优化求解粒子群算法粒子自适应选取参数组合人工经验调用优化反馈更新

[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]一种基于并行增强搜索粒子群优化算法的计算方法及系统-CN201910588283.9在审
发明人：杨震伦 -专利权人：广州番禺职业技术学院
申请日： 2019-06-28 - 公布日： 2019-10-15 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了一种基于并行增强搜索粒子群优化算法的计算方法及系统，该方法包括：获取待优化目标问题的函数模型；利用粒子群算法对所述函数模型进行全局搜索，同时，运行辅助算法对粒子群算法中的粒子以及粒子的个体最优位置pbest进行选择性更新；当所述粒子群算法达到最大的迭代次数时，根据最终代粒子群搜索到的最优解的相应变量值对所述待优化目标问题的参数进行对应设置，以获得所述待优化目标问题的解决方案。本发明通过采用两类算法并行运行的方式，以粒子群算法为主并以其他辅助算法作为补充，在充分保留粒子群算法快速收敛的能力的同时增强了算法的全局搜索能力，从而快速准确地计算出相应的控制变量以实现对目标问题的最优化求解要求
粒子群算法优化目标计算方法及系统粒子群优化算法辅助算法函数模型算法粒子并行搜索个体最优位置全局搜索能力粒子群搜索选择性更新并行运行控制变量快速收敛目标问题全局搜索最优化最优解迭代求解补充保留

[发明专利]基于多策略融合的粒子群优化算法-CN202010350716.X在审
发明人：程杉;王瑞;廖伟霖;汪业乔;赵子凯 -专利权人：三峡大学
申请日： 2020-04-28 - 公布日： 2020-08-14 - 主分类号： G06N3/00 文献下载
摘要：基于多策略融合的粒子群优化算法，包括：提出标准粒子群算法中粒子的速度和位置的更新公式；考虑标准粒子群优化算法存在易陷入局部最优的缺陷，引入三黑洞系统捕获策略和早熟扰动策略；引入多维随机扰动机制；调节算法的全局探索能力与局部开发能力；制定多策略融合的粒子群优化算法流程。本发明一种基于多策略融合的粒子群优化算法，增强了算法的全局搜索能力与局部搜索能力，降低了算法陷入局部最优的概率。仿真结果表明，与其他算法的测试结果进行比较分析，本发明算法具有更快的收敛速度、更高的收敛精度等优势。
基于策略融合粒子优化算法

[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

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