1) discrete penalty particle swarm optimization
离散惩罚粒子群算法
1.
Bellow optimum design based on discrete penalty particle swarm optimization;
基于离散惩罚粒子群算法的波纹管优化设计
2) 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。
3) 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。
4) discrete particle swarm optimization(DPSO)
离散粒子群算法
1.
The simulation to traveling salesman problem proves that CSO is superior to Discrete Particle Swarm Optimization(DPSO).
以TSP问题为例对算法进行仿真测试,实验证明算法有效且优于存在的离散粒子群算法(Discrete Particle Swarm Optimization,PSO)。
5) 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
6) 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。
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