期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自适应量子粒子群算法的FIR滤波器设计
被引量:
15
1
作者
方伟
孙俊
须文波
《系统工程与电子技术》
EI
CSCD
北大核心
2008年第7期1378-1381,共4页
针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impu...
针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impulse response,FIR)数字滤波器的优化设计实质,即多参数优化问题,通过适当的编码方式将改进的QPSO算法(adaptive QPSO,AQPSO)应用在其优化设计中,设计了低通和带通FIR数字滤波器。实验结果表明,AQPSO在收敛速度、鲁棒性及优化效果等方面都优于遗传算法(genetic algorithm,GA)、PSO算法及QPSO算法,说明了AQPSO算法的有效性和可行性。
展开更多
关键词
滤波器设计
FIR数字滤波器
粒子群优化算法
优化设计
下载PDF
职称材料
基于微分进化算子的量子粒子群优化算法及应用
被引量:
15
2
作者
方伟
孙俊
须文波
《系统仿真学报》
EI
CAS
CSCD
北大核心
2008年第24期6740-6744,共5页
分析了量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)的进化方程,指出其存在的局部收敛问题,通过将微分进化(Differential Evolution,DE)的基本操作思想引入到QPSO中,提出了改进的QPSO算法(QPSO-DE);算法改进...
分析了量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)的进化方程,指出其存在的局部收敛问题,通过将微分进化(Differential Evolution,DE)的基本操作思想引入到QPSO中,提出了改进的QPSO算法(QPSO-DE);算法改进的方法是在粒子搜索过程中,以一定的概率对粒子的每一维执行微分进化操作,以增加粒子的随机性,从而减少了粒子群体因多样性缺失而易于陷入局部最优或停滞的情况,增强了粒子群体的搜索能力,提高了算法的优化性能;对多个标准测试函数及在IIR数字滤波器优化设计中的仿真实验结果表明,与PSO算法和QPSO算法相比,QPSO-DE算法能够取得更好的优化结果。
展开更多
关键词
粒子群优化
微分进化
IIR数字滤波器
滤波器设计
原文传递
题名
基于自适应量子粒子群算法的FIR滤波器设计
被引量:
15
1
作者
方伟
孙俊
须文波
机构
江南大学信息工程学院智能与高性能计算研究所
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2008年第7期1378-1381,共4页
基金
国家自然科学基金项目(NSF60474030)资助课题
文摘
针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impulse response,FIR)数字滤波器的优化设计实质,即多参数优化问题,通过适当的编码方式将改进的QPSO算法(adaptive QPSO,AQPSO)应用在其优化设计中,设计了低通和带通FIR数字滤波器。实验结果表明,AQPSO在收敛速度、鲁棒性及优化效果等方面都优于遗传算法(genetic algorithm,GA)、PSO算法及QPSO算法,说明了AQPSO算法的有效性和可行性。
关键词
滤波器设计
FIR数字滤波器
粒子群优化算法
优化设计
Keywords
filter design
FIR digital filters
particle swarm optimization
optimization design
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TN911.7 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于微分进化算子的量子粒子群优化算法及应用
被引量:
15
2
作者
方伟
孙俊
须文波
机构
江南大学信息工程学院智能与高性能计算研究所
出处
《系统仿真学报》
EI
CAS
CSCD
北大核心
2008年第24期6740-6744,共5页
基金
国家自然科学基金资助项目(60474030)
文摘
分析了量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)的进化方程,指出其存在的局部收敛问题,通过将微分进化(Differential Evolution,DE)的基本操作思想引入到QPSO中,提出了改进的QPSO算法(QPSO-DE);算法改进的方法是在粒子搜索过程中,以一定的概率对粒子的每一维执行微分进化操作,以增加粒子的随机性,从而减少了粒子群体因多样性缺失而易于陷入局部最优或停滞的情况,增强了粒子群体的搜索能力,提高了算法的优化性能;对多个标准测试函数及在IIR数字滤波器优化设计中的仿真实验结果表明,与PSO算法和QPSO算法相比,QPSO-DE算法能够取得更好的优化结果。
关键词
粒子群优化
微分进化
IIR数字滤波器
滤波器设计
Keywords
particle swarm optimization
differential evolution
IIR digital filter
filter design
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TP911.7 [自动化与计算机技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于自适应量子粒子群算法的FIR滤波器设计
方伟
孙俊
须文波
《系统工程与电子技术》
EI
CSCD
北大核心
2008
15
下载PDF
职称材料
2
基于微分进化算子的量子粒子群优化算法及应用
方伟
孙俊
须文波
《系统仿真学报》
EI
CAS
CSCD
北大核心
2008
15
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部