2) parameter self-optimizing
参数自寻优
1.
Intelligent sampling with parameter self-optimizing in power frequency measuring;
工频信号测量中参数自寻优智能采样法的研究
3) Self-optimizing Parameters of PID Controller
参数自寻优PID
4) parameter optimization
参数寻优
1.
Application of genetic algorithm to parameter optimization of fuzzy controller;
遗传算法在模糊控制器参数寻优中的应用研究
2.
Based on the single plane infinity system model,this paper uses particle swarm optimization(PSO) on generator power system stabilizer(PSS) for parameter optimization to curb low frequency vibration.
介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率。
3.
As an important step,a practical parameter optimization method for SVM classifier which is based on "Grid-search"and "Cross-validation"algorithm is presented then.
针对现有支持向量机诊断模型构造复杂、参数设计困难等问题,建立了基于多类支持向量机的变压器故障诊断模型,并提出一种实用的支持向量机参数寻优方法。
5) automatic optimization
自动寻优
1.
According to the parameters of the system operation are constantly changing, on the basis of existing filter design, using the capacity of capacitor as variable, considering synthetically install capacity, reactive compensation and filtering effect, utilizing automatic optimization function of genetic algorithm, the optimal sets of filters was defined.
由于电网运行过程中各参数是不断变化的,电网的运行方式不断改变,所以本文在原有滤波器设计的基础上,以电容器的电容量为自变量,综合考虑安装容量、无功补偿和滤波效果,利用遗传算法的自动寻优功能,确定需要安装的最佳滤波器组数,进而提出多运行方式下滤波器的参数设计,并通过某配电网的实测数据验证了该方法的实用性和稳定性。
6) self-optimizing
自动寻优
1.
A self-optimizing fuzzy control with an immune correction coefficient was proposed.
讨论了实时仿真基础上,采用遗传算法对模糊控制参数的自动寻优。
补充资料：动力学系统参数寻优
在一组约束条件下,寻找动力学系统的一组参数,使给定的指标达到最优值（极大或极小值）的方法。它广泛应用于系统的分析、综合与设计中。在实际的动力学系统寻优问题中，给出指标的解析式很困难或者给出的解析式很复杂，一般只能针对具体参数，通过仿真来计算系统的指标。为了寻求使指标达到最优值的参数，必须进行多次运行仿真。因此，动力学系统寻优是多次运行仿真的一个重要方面。
动力学系统参数寻优方法的基本步骤是：①给定一组初始参数，并用仿真的方法计算出系统在这一参数下所达到的指标。②按照一定的规则在某一个寻优方向上找到一组新的参数，它和初始参数之间的距离称为寻优步长。新参数必须满足约束条件。③再用仿真的方法计算出系统在新参数下所达到的指标。④判断新参数是否已使指标达到最优值;如果尚未达到,则继续由这组新参数出发再重新寻找，直到使指标达到最优值为止。寻优的效率不仅取决于确定寻优方向和寻优步长的规则，还取决于仿真的效率。
动力学系统参数寻优的算法大多来源于非线性规划的迭代数值解法，如区间消去法、插值法、单纯形法、共轭梯度法等（见非线性规划）。为了解决多极值指标和泛函限制条件的问题，80年代出现了一些新算法，如自适应随机法，它能在寻优过程中自适应地选择寻优步长分布的最优方差，并周期地探测局部最优的寻优步长方差，从而找到改进的新区域，降低落入局部极值的概率。
动力学系统参数寻优方法的基本步骤是：①给定一组初始参数，并用仿真的方法计算出系统在这一参数下所达到的指标。②按照一定的规则在某一个寻优方向上找到一组新的参数，它和初始参数之间的距离称为寻优步长。新参数必须满足约束条件。③再用仿真的方法计算出系统在新参数下所达到的指标。④判断新参数是否已使指标达到最优值;如果尚未达到,则继续由这组新参数出发再重新寻找，直到使指标达到最优值为止。寻优的效率不仅取决于确定寻优方向和寻优步长的规则，还取决于仿真的效率。
动力学系统参数寻优的算法大多来源于非线性规划的迭代数值解法，如区间消去法、插值法、单纯形法、共轭梯度法等（见非线性规划）。为了解决多极值指标和泛函限制条件的问题，80年代出现了一些新算法，如自适应随机法，它能在寻优过程中自适应地选择寻优步长分布的最优方差，并周期地探测局部最优的寻优步长方差，从而找到改进的新区域，降低落入局部极值的概率。
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