[1]唐俊.PSO算法原理及应用[J].计算机技术与发展,2010,(02):213-216.
　TANG Jun.Principle and Application of PSO Algorithm[J].,2010,(02):213-216.
点击复制

PSO算法原理及应用()

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2010年02期
页码:
213-216
栏目:
应用开发研究
出版日期:
1900-01-01

文章信息/Info

Title:
Principle and Application of PSO Algorithm
文章编号:
1673-629X（2010）02-0213-04
作者:
唐俊
同济大学软件学院
Author(s):
TANG Jun
School of Software Engineering,Tongji University
关键词:
粒子群算法; PSO应用; 电网规划; 结构损伤检测
Keywords:
particle swarm optimization;  PSO applieations; network planning;  structural damage detection
分类号:
TP181
文献标志码:
A
摘要:
粒子群优化（Particle swarm optimization，PSO）算法在众多的优化问题上都表现出有益的性能，已经开始广泛应用于实际工程项目中。回顾了PSO算法的发展过程，介绍了PSO算法的基本原理，在标准PSO算法的基础上，介绍了tsP—SO、EOPSO和MPSO等扩展算法，对几种改进算法的性能和改进效果进行了总结。并对PSO算法在电网规划和建筑结构损伤中的应用进行了仿真实验。实验结果表明，改进的PSO算法能够在一定时间内给出令人满意的优化方案，符合工程应用的实际要求，具有推广意义。
Abstract:
PSO （Particle swarm optimization） algorithm in a large number of optimization problems have shown the beneficial properties, have been extensively used in practical projects. Reviewed the development process of PSO algorithm, introduced the basic principl

相似文献/References:

[1]张爱华 江中勤 张华.基于粒子群优化算法的分形图像压缩编码[J].计算机技术与发展,2010,(02):21.
　ZHANG Ai-hua,JIANG Zhong-qin,ZHANG Hua.Fractal Image Compression Coding Based on PSO[J].,2010,(02):21.
[2]张捍东 廖天红 岑豫皖.用模拟退火思想的粒子群算法实现图像分割[J].计算机技术与发展,2010,(05):83.
　ZHANG Han-dong,LIAO Tian-hong,CEN Yu-wan.Image Segmentation Through Particle Swarm Optimization Based on Simulated Annealing[J].,2010,(02):83.
[3]廖锋 高兴宝.差分演化算法在约束优化问题中的应用[J].计算机技术与发展,2010,(05):187.
　LIAO Feng,GAO Xing-bao.Application of Differential Evolution Algorithms on Constraint Optimization Problems[J].,2010,(02):187.
[4]来磊 卢文科 邓开连.基于二维Tsallis交叉熵直线型图像阈值分割方法[J].计算机技术与发展,2010,(06):105.
　LAI Lei,LU Wen-ke,DENG Kai-lian.New Image Thresholding Segmentation Methods Based on Two-Dimensional Tsallis Cross-Entropy Liner-Type[J].,2010,(02):105.
[5]邹毅 朱晓萍 王秀平.一种基于混沌优化的混合粒子群算法[J].计算机技术与发展,2009,(11):18.
　ZOU Yi,ZHU Xiao-ping,WANG Xiu-ping.A Hybrid PSO Algorithm Based on Chaos Optimization[J].,2009,(02):18.
[6]王为为 程家兴 贺晟.基于佳点集交叉的粒子群算法[J].计算机技术与发展,2009,(12):32.
　WANG Wei-wei,CHENG Jia-xing,HE Sheng.Particle Swarm Algorithm Based on Good Point Set Crossover[J].,2009,(02):32.
[7]贾瑞玉 黄义堂 邢猛.一种动态改变权值的简化粒子群算法[J].计算机技术与发展,2009,(02):137.
　JIA Rui-yu,HUANG Yi-tang,XING Meng.A Modified Simple Particle Swarm Optimization Using Dynamically Decreasing Inertia Weight[J].,2009,(02):137.
[8]卢珊萍 于盛林.基于粒子群算法的细胞神经网络模板参数设计[J].计算机技术与发展,2009,(04):83.
　LU Shan-ping,YU Sheng-lin.A Template Design Method for Cellular Neural Network Based on Particle Swarm Optimizer Algorithm[J].,2009,(02):83.
[9]王艳玲 李龙澍 胡哲.群体智能优化算法[J].计算机技术与发展,2008,(08):114.
　WANG Yan-ling,LI Long-shu,HU Zhe.Swarm Intelligence Optimization Algorithm[J].,2008,(02):114.
[10]邓璐娟 卢华琦 孙义坤 刁海港.改进的粒子群算法在测试数据生成中的应用[J].计算机技术与发展,2010,(07):216.
　DENG Lu-juan,LU Hua-qi,SUN Yi-kun,et al.Improved Adaptive PSO Application on Automatic Test Data Generation[J].,2010,(02):216.

备注/Memo

备注/Memo:
湖南省自然科学基金项目（09JJ3116）;湖南省教育厅科研基金项目（0813031）唐俊（1980-），男，讲师，高级工程师，硕士，CCF会员，系统分析师，研究方向为SOA、人工智能、信息系统安全。
更新日期/Last Update: 1900-01-01