搜索资源列表
离散粒子群实例
- 离散粒子群算法解决网络重构问题
cs-code
- 一个正弦波利用DCT，FFT变换后稀疏化，然后应用压缩感知实现压缩，并有仿真图例说明重构效果。重构算法采用线性规划和OMP算法等，是一个初学CS入门的好例子。-A sine wave using DCT, FFT transform sparse, and then apply compressed sensing to achieve compression, and a legend reconstruction simulation results. Reconstruction algo
Distribution-network-reconfiguration
- 这是应用于配电网重构的改进二进制粒子群算法，能够取得比较理想的效果-Distribution network reconfiguration
Multi-Agent-Particle-Swarm-Algorithm
- 结合多智能体的学习、协调策略及粒子群算法，提出了一种基于多智能体粒子群优化的配电网络重构方法。该方法采用粒子群算法的拓扑结构来构建多智能体的体系结构，在多智能体系统中，每一个粒子作为一个智能体，通过与邻域的智能体竞争、合作。能够更快、更精确地收敛到全局最优解。粒子的更新规则减少了算法不可行解的产生，提高了算法效率。实验结果表明，该方法具有很高的搜索效率和寻优性能。-Combining the study of multi-agent technology，coordinating strateg
Dynamic-Search-Algorithm
- 提出一种基于改进粒子群动态搜索算法的网络重构方法，算法把初始粒子群按照适应度的大小分为两个互不交叉，且具有不同分工的子群，并进行动态搜索。通过引入了交叉和禁忌思想，减少了解陷入局部最优的可能性．与遗传、禁忌搜索算法重构的结果进行比较，表明本文算法具有更高的搜索效率，更容易找到全局最优解．-：An improved method based on improved particle swarm optimization dynamic search algodthm networkrcconfig
dianwang
- 粒子群算法在电力系统的应用，如电网重构，供电恢复-Particle swarm optimization in power system applications, such as network reconfiguration, power is restored
PSO
- 用智能算法的粒子群算法进行压缩感知稀疏信号的重构-PSO is used for signal reconstruction
Wind-Speed-Combined-Prediction
- 针对风电场短期风速的预测提出一种基于小波变换的组合预测方法。首先利用Mallat 算法对短期风速时间序列进行db3 小波三层分解与重构，得到短期风速时间序列的近似分量和细节分量。针对近似分量和细节分量的不同特性，对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测，对细节分量利用自回归求和滑动平均模型进行预测。最后各预测模型预测值组合叠加得到最终的短期风速预测值。仿真结果表明该方法具有较高的预测准确度。-In order to improve short-term wind speed pr
33bpso_ploss
- 以减小网损为目标的配电网重构问题求解，利用二进制粒子群优化算法(To solve the problem of distribution network reconfiguration with reduced network loss, binary particle swarm optimization algorithm is used.)
配电网络重构matlab代码
- 基于粒子群算法的配电网重构，可得到网损最小。(Based on the particle swarm optimization algorithm, the network loss can be minimized.)