肖晓：基于改进人工蜂群算法的非线性系统参数辨识论文

本文主要研究内容

作者肖晓,王明春,张雨飞,吴君（2019）在《基于改进人工蜂群算法的非线性系统参数辨识》一文中研究指出：针对人工蜂群算法存在的收敛速度慢,易陷入局部最优等问题,提出一种结合遗传算法的交叉算子,并在算法后期引入高斯变异和混沌扰动的改进人工蜂群算法。为验证改进算法的性能和有效性,用典型测试函数进行对比测试,并将改进算法应用于非线性传递函数模型的参数辨识中。实验结果表明,改进的算法收敛速度快,收敛精度高,辨识效果好。

Abstract

zhen dui ren gong feng qun suan fa cun zai de shou lian su du man ,yi xian ru ju bu zui you deng wen ti ,di chu yi chong jie ge wei chuan suan fa de jiao cha suan zi ,bing zai suan fa hou ji yin ru gao si bian yi he hun dun rao dong de gai jin ren gong feng qun suan fa 。wei yan zheng gai jin suan fa de xing neng he you xiao xing ,yong dian xing ce shi han shu jin hang dui bi ce shi ,bing jiang gai jin suan fa ying yong yu fei xian xing chuan di han shu mo xing de can shu bian shi zhong 。shi yan jie guo biao ming ,gai jin de suan fa shou lian su du kuai ,shou lian jing du gao ,bian shi xiao guo hao 。

论文参考文献

[1].基于交叉算子的改进人工蜂群算法[J]. 王伟,龙文. 兰州理工大学学报.2015(01)

[2].一种改进的人工蜂群算法[J]. 袁亚杰. 中国科技信息.2011(24)

[3].基于错位突变策略的改进人工蜂群算法[J]. 蒋成,汪继文,邱剑锋. 赤峰学院学报(自然科学版).2015(02)

[4].一种针对约束问题改进的人工蜂群算法[J]. 李秀彦,刘敬浩,韩宏业. 信息技术.2015(05)

[5].基于变异机制的人工蜂群算法[J]. 夏真友,魏建香,安元. 电脑知识与技术.2013(33)

[6].一种改进的混沌局部搜索的人工蜂群算法[J]. 赵舒阳,刘伟,蔡耀河. 广东工业大学学报.2013(04)

[7].无选择策略的改进蜜蜂群算法[J]. 徐卫滨. 太原科技大学学报.2011(05)

[8].改进蜂群算法及其在圆度误差评定中的应用[J]. 罗钧,林于晴,刘学明,张平,周东,陈建端. 机械工程学报.2016(16)

[9].人工蜂群算法研究综述[J]. 包丽梅. 电脑知识与技术.2016(22)

[10].基于概率选择基向量的人工蜂群算法[J]. 葛芸. 电脑知识与技术.2016(26)

论文详细介绍

论文作者分别是来自工业控制计算机的肖晓,王明春,张雨飞,吴君，发表于刊物工业控制计算机2019年11期论文，是一篇关于人工蜂群算法论文,交叉算子论文,高斯变异论文,混沌扰动论文,参数辨识论文,工业控制计算机2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自工业控制计算机2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw00.cn/article/c5c710439fe200b6e6670e7d.html