理学 >>> 数学 信息科学与系统科学 物理学 化学 天文学 地球科学总论 大气科学 地球物理学 地理学 地质学 水文学 海洋科学 生物学 科学技术史
搜索结果: 1-12 共查到理学 PSO相关记录12条 . 查询时间(0.062 秒)
本发明涉及基于可极化力场以及pso优化的蛋白质设计方法,包括以下步骤:通过蛋白质设计模板得到若干个蛋白质;对每一个蛋白质进行如下优化:在4n维空间中连续移动的每一个粒子的子向量在rotamerlib中寻找最近的rotamer;然后用这些找到的rotamer构造一个临时的粒子;计算每个临时粒子的适应度,并根据这些临时粒子的适应度更新局部最优粒子以及邻居最优粒子;并更新所有非临时粒子位置速度;通过比较...
鉴于目前鲜有研究关注P2P网贷市场收益率预测问题,针对已有金融市场收益率预测研究存在的不足,提出了一种基于两阶段分解技术和粒子群优化极限学习机的EWT-SSA-PSO-ELM预测模型。引入EWT经验小波分解算法对原始的收益率综指序列进行分解,进而提高原始序列的分解效率;采用Lempel-Ziv复杂度算法提升模式分量重构的科学性,避免以往分量重构过程的随意性;利用SSA奇异谱分解算法对高频重构分量进...
入侵检测可为计算机网络信息提供安全保障, 在其方法研究中, 由于相关向量机(RVM) 具有高稀疏性且预测中使用概率因素, 在网络入侵检测中优于支持向量机. 然而RVM的核函数参数是经验估计的, 为此, 提出一种基于云模型的粒子群优化算法的RVM方法, 即采用云粒子群算法确定RVM的核参数, 构建RVM分类模型, 再采用一对一分类方法进行多类检测分类. 经入侵检测实验研究, 所得结果表明所提出的方法...
实现大功率LED阵列在目标平面上的照度均匀分布对于照明系统具有十分重要的意义。不同于传统解析计算方法,本文采用粒子群(PSO)算法来优化平面随机分布的LED阵列结构,使其在目标光照平面上光照分布均匀。首先推导了LED阵列的照度分布函数,并在此基础上以光照函数的标准差构建一个评价函数,衡量光照分布均匀度。在Matlab中编程获得光照分布最优时候的LED阵列结构数据,并将几何模型导入光学仿真软件Tra...
实现大功率LED阵列在目标平面上的照度均匀分布对于照明系统具有十分重要的意义。不同于传统解析计算方法,本文采用粒子群(PSO)算法来优化平面随机分布的LED阵列结构,使其在目标光照平面上光照分布均匀。首先推导了LED阵列的照度分布函数,并在此基础上以光照函数的标准差构建一个评价函数,衡量光照分布均匀度。在Matlab中编程获得光照分布最优时候的LED阵列结构数据,并将几何模型导入光学仿真软件Tra...
An important problem in engineering is the unknown parameters estimation in nonlinear systems. In this paper, a novel adaptive particle swarm optimization (APSO) method is proposed to solve this probl...
针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM...
根据供水管网的实际水压监测数据, 采用粒子群算法优化反演管道的海曾-威廉斯系数, 并通过在管道中间加入虚节点来模拟爆管故障, 进而基于节点水压法建立了管网在爆管故障情况下的水力计算模型. 由计算模型计算出一组不同爆点、不同爆管程度组合下的监测点处的水压值, 以此反向训练支持向量机(SVM)模型, 并通过粒子群算法(PSO)对优化支持向量机模型的核参数, 建立了基于PSO-SVM方法的供水管网爆管诊...
粒子群算法(particle swarm optimization,PSO)是仿真于生物群体的社会行为的一种智能优化算法,其原始形式难以体现数学的直观性和本质性。然而,在简化算法原始模型的基础上,PSO算法的理论分析得到其数学模型,并且说明了其是一个迭代进化系统。利用PSO算法的数学模型代替标准PSO算法速度及位置的迭代公式,并选择适当的参数,从而构造了一种新的进化算法。新的进化算法形式更能直接体...
主要根据微生物间歇培养过程的特征、动态行为及实验数据,建立了能够更好反映间歇发酵过程的简化的多阶段参数辨识模型,然后证明了该模型中最优参数的存在性;最后结合模型特点构造了一种改进的粒子群优化(PSO)算法求得最优参数,并利用所得的参数进行过程仿真。结果表明该模型和算法大大减少了实验数据和计算数值之间的误差,能够更好地模拟微生物间歇发酵过程。
分析了粒子群优化算法 (PSO) 的全局收敛性. 在已有文献的假设前提下和随机系统理论基础上, 对 PSO 进行算法分析推导, 给出了其动力学系统依均方收敛的一个充分条件, 从而有效地避免了已有文献基于线性时变离散系统研究 PSO 收敛性的不足. 通过对所得的粒子运行轨迹图和已有文献相比较, 得到了更好的结果和判据. 通过仿真实验分析研究, 验证了该结论的有效性.
A branch and bound-PSO hybrid algorithm for solving integer separable concave programming problems is proposed, in which the lower bound of the optimal value was determined by solving linear programmi...

中国研究生教育排行榜-

正在加载...

中国学术期刊排行榜-

正在加载...

世界大学科研机构排行榜-

正在加载...

中国大学排行榜-

正在加载...

人 物-

正在加载...

课 件-

正在加载...

视听资料-

正在加载...

研招资料 -

正在加载...

知识要闻-

正在加载...

国际动态-

正在加载...

会议中心-

正在加载...

学术指南-

正在加载...

学术站点-

正在加载...