搜索资源列表
粒子群聚类论文
- 几篇关于粒子群聚类的文章
求解非线性方程组的拟牛顿-粒子群混合算法
- 求解非线性方程组的拟牛顿-粒子群混合算法
基于粒子滤波算法的高速公路车辆停车检测
- 随着社会经济的发展，我国高速公路的通车里程和车流量增长迅速。然而高速公路交通事故数量和伤亡率也有逐年增加的趋势。如何降低高速公路的事故率和死亡率已成为交通管理部门亟待解决的问题。而车辆停车是高速公路交通中最关键的事件表现形式。其一是因为交通事故发生后，事故车辆最终会滞留在高速公路上，停车意味着事故已经发生，需要马上处理避免二次事故u。其二是因为车辆出了故障或者违规行驶时，也会出现停车或者慢行的现象，此时同样需要处理，以免引起交通事故。因此，对停车事件的实时检测是降低高速公路交通事故伤亡和损失的有
单纯形和人口迁移的混合全局优化算法
- 摘要：针对基本人口迁移算法具有易早熟和精度不高等缺陷，利用人口迁移算法随机产生的点采用单纯形法进行优化，提出了 一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer，验证了改进后算法的性能，并与10 种类型 的粒子群优化算法进行比较，结果表明，该文算法能获得比较好的解，收敛成功率高达100%。
基于混合粒子群的土壤水分特征曲线参数优化
- 摘要：土壤水分特征曲线是研究土壤水运动的重要参数。Van Genuchten 方程（简称VG方程）是目前运用最广泛的土壤水分特 征曲线方程。将VG方程参数计算问题转化为一个非线性优化问题，然后构建单纯形算法和基本粒子群算法相结合的混合粒子 群算法对其进行求解。仿真实验结果表明采用混合粒子群算法与普通遗传算法、混合遗传算法、基本粒子群算法相比，不但提高 了收敛成功率、降低了迭代次数，而且对参数的取值范围也放宽了；采用混合粒子群算法计算参数的精度比非线性单纯形法和阻 尼最小二乘法要高，且不需
求解机械优化的Pareto多目标中心粒子群算法
- 摘要：针对基于权重法的多目标算法无法求解约束多目标问题的缺陷，将中心粒子群算法与Pareto 解集搜索算法相结合，提出 一种Pareto 多目标中心粒子群算法。将此方法用来优化气门弹簧的模型，实验结果表明，该优化方法能够快速准确地收敛于Pareto 解集，并且使其对应的目标域均匀地分布于Pareto最优目标域。
求解药代动力学参数的自适应混合粒子群算法
- 摘要：针对传统方法具有初始值敏感和进化算法无法确定搜索范围等缺陷，将Nelder-Mead 单纯形与粒子群算法相结合，提出 了一种基于Nelder-Mead单纯形与粒子群算法的具有时变加速因子的自适应混合粒子群算法。将该混合算法用于血管外给药二 室模型参数优化的实验之中。仿真实验结果表明，算法计算精度高而且鲁棒性强，是一种新颖的解决药代动力学参数优化的较 好方法。
纳米氧化锰的制备及其电化学性能研究
- 用流变相-前驱物热分解法制备了纳米氧化锰粉末，用XRD、TEM和LPSA对粉末样品的组成、结构、粒度和形貌进行了表征。结果表明MnO和Mn3O4都属于立方晶系的球形粒子,平均粒径(d50)分别约为45.6nm和69.1nm。 对MnO和Li2Mn2O4（由Mn3O4制备）的电化学性能研究表明， Li2Mn2O4具有较高的充放电容量和较好的循环性能，其首次放电容量为128mAh/g，经过十次充放电循环之后电容量仍有117.5 128mAh/g。而MnO的电化学性能欠佳。