1) discrete particle swarm optimization
离散粒子群优化算法
1.
The discrete particle swarm optimization algorithm is improved and a clone selection particle swarm optimization algorithm is proposed.
对离散粒子群优化算法(DPSO)进行了改进,提出一种克隆选择粒子群算法(CSDPSO)。
2.
According to discrete particle swarm optimization(DPSO) and combining DPSO with the mutation operator of the genetic algorithm,a new discrete particle swarm optimization(NDPSO) algorithm is proposed.
在离散粒子群算法的基础上,结合遗传算法中的变异算子,提出了一种新的离散粒子群优化算法,进而设计了一种使用新的离散粒子群优化算法和并行干扰抵消算法相结合的垂直分层空时系统检测方法。
2) discrete particle swarm optimization algorithm
离散粒子群优化算法
1.
Solving Rectangular Packing Problem Based on Discrete Particle Swarm Optimization Algorithm;
基于离散粒子群优化算法求解矩形件排样问题
3) discrete binary version of particle swarm optimization algorithm
离散二进制粒子群优化算法
4) discrete particle swarm optimization
离散粒子群优化
1.
A discrete particle swarm optimization algorithm was designed to tackle the permutation flowshop scheduling problem(PFSP).
提出了一种求解置换流水车间调度问题的离散粒子群优化算法。
2.
A new improved discrete particle swarm optimization algorithm is designed to tackle the Traveling Salesman Problem.
针对旅行商问题,提出了一种改进的离散粒子群优化算法,根据优化问题及离散量的特点,对粒子的速度、速度的相关运算规则和粒子的运动方程进行了重新定义,为防止算法的早熟停滞现象,提出用扰动速度来增加粒子群的多样性,为提高算法的求精能力,设计了一种高效的近邻搜索算子来提高粒子的适应值,使算法在空间探索和局部精化间取得了很好的平衡。
3.
A discrete particle swarm optimization algorithm is designed to tackle the Traveling Salesman Problem.
以旅行商问题为例,提出了一种离散粒子群优化算法,根据优化问题及离散量的特点,对粒子的位置、速度等量及其运算规则进行了重新定义,为抑制早熟停滞现象,为粒子和粒子群分别定义了个体多样性和微观多样性,算法中定义了排斥算子来保持粒子群的多样性,使用高效的学习算子来提高算法的局部求精能力,使算法在空间探索和局部求精间取得了很好的平衡,与领域中的其它典型算法进行了仿真比较,结果表明,离散粒子群优化算法具有很好的性能。
5) discrete particle swarm optimization
离散粒子群算法
1.
To deal with the problem of premature convergence and slow search speed of DPSO(discrete particle swarm optimization),this paper proposes a novel hybrid discrete particle swarm optimization (HDPSO),which integrates the disturbance methods to help the particle escape from the local minima and the local algorithm PSEC to speed up the reach.
重新定义了离散粒子群算法DPSO的速度和位置公式,使其适宜求解离散问题。
2.
A discrete particle swarm optimization(DPSO) algorithm was put forward for multi-UCAV cooperation mission assignment problem.
针对多UCAV协同目标分配问题,提出了一种基于离散粒子群算法的多UCAV协同目标分配方法。
3.
This paper introduces a modified discrete particle swarm optimization(DPSO) which deals with linear order problem(LOP).
提出一种优化线性顺序问题的简便的离散粒子群算法。
6) dispersed particle swarm optimization
离散粒子群算法
1.
In order to improve the performance of Multi-User Detection technology and the local search capability of particle swarm optimization (PSO), clone selection algorithm (CS) is combined with traditional dispersed particle swarm optimization (DPSO), and a new advanced self-adaptation clone selection particle swarm optimization (ACSPSO) is proposed and used in Multi-User Detection.
为了提高多用户检测技术的性能,改善粒子群算法的局部搜索能力,将克隆选择算法(CS)和传统离散粒子群算法(DPSO)相结合,文中提出一种改进的自适应克隆选择粒子群优化算法(ACSPSO),并用于多用户检测。
补充资料：离散PID控制算法
分子式：
CAS号：
性质：在用计算机等作为控制装置进行数字控制时实现PID控制作用的数学表示式。在数字控制中，控制装置只取各个采样时刻的输入变量值进行运算，如偏差值e(k)为第k个采样时刻的设定值r(k)与被控变量测量值y(k)的差值。离散PID控制有位置算法、增量算法与速度算法三种形式。(1)位置算法直接给出各采样时刻的控制作用量2J(是)，具体算法是:式中，Kc为比例增益，Ti为再调时间，Td为预调时间，Δt为采样周期。这里用叠加代替积分，差分代替微分。位置算法的输出可直接送往数字式执行器，或经数字/模拟转换送往模拟式执行器，并须用保持器将该信号保持到下一次采样为止。在手动一自动切换和防止积分饱和问题上，位置算法不像另两类算法那样方便。(2)增量算法给出每个采样时刻控制装置输出应改变的数值Δu(k)，即第k个采样时刻的控制作用量u(k)与前一采样时刻的控制作用量u(k-1)之间的差值，具体算法是： 增量算法的输出一般通过步进电机等累积机构，化为模拟量，操纵控制阀。该种算法具有手动一自动切换方便，和避免引起积分饱和等优点，应用最广。(3)速度算法给出在各个采样时刻控制装置输出应采取的变化速v(k)，该速度用Δu(k)/Δt近似表示，具体算式为:速度算法的输出应送往积分式执行机构。速度算法也有手动一自动切换方便和避免引起积分饱和的优点。
CAS号：
性质：在用计算机等作为控制装置进行数字控制时实现PID控制作用的数学表示式。在数字控制中，控制装置只取各个采样时刻的输入变量值进行运算，如偏差值e(k)为第k个采样时刻的设定值r(k)与被控变量测量值y(k)的差值。离散PID控制有位置算法、增量算法与速度算法三种形式。(1)位置算法直接给出各采样时刻的控制作用量2J(是)，具体算法是:式中，Kc为比例增益，Ti为再调时间，Td为预调时间，Δt为采样周期。这里用叠加代替积分，差分代替微分。位置算法的输出可直接送往数字式执行器，或经数字/模拟转换送往模拟式执行器，并须用保持器将该信号保持到下一次采样为止。在手动一自动切换和防止积分饱和问题上，位置算法不像另两类算法那样方便。(2)增量算法给出每个采样时刻控制装置输出应改变的数值Δu(k)，即第k个采样时刻的控制作用量u(k)与前一采样时刻的控制作用量u(k-1)之间的差值，具体算法是： 增量算法的输出一般通过步进电机等累积机构，化为模拟量，操纵控制阀。该种算法具有手动一自动切换方便，和避免引起积分饱和等优点，应用最广。(3)速度算法给出在各个采样时刻控制装置输出应采取的变化速v(k)，该速度用Δu(k)/Δt近似表示，具体算式为:速度算法的输出应送往积分式执行机构。速度算法也有手动一自动切换方便和避免引起积分饱和的优点。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条