XiaoMi-AI文件搜索系统
World File Search System子群
融合粒子群优化和统计算法的混合模型拟合方法∗
软件可靠性增长模型 [1] 适用于与测试期间经历的故障相关的时间序列数据，以预测达到所需故障强度或故障间隔时间等指标。从历史上看，人们采用了牛顿法等数值算法，这些算法需要良好的初始参数估计，因此应用 SRGM 需要高水平的专业知识。最近克服传统数值方法不稳定性的方法包括群体智能 [2] 等技术，它表现出强大的全局搜索能力。然而，这些技术可能需要大量的计算资源和时间来收敛到精确的最优值，这对 SRGM 很重要，因为一些模型参数对其他参数的精确估计非常敏感。此外，过去大多数应用群体智能的研究
用于充电的粒子群优化模糊控制器...
为了降低电网的功耗和成本，本文讨论了基于粒子群优化 (PSO) 的模糊逻辑控制器 (FLC) 的开发，用于微电网 (MG) 应用中电池储能系统 (ESS) 的充电 - 放电和调度。最初，FLC 被开发用于控制储能系统的充电 - 放电，以避免传统系统的数学计算。然而，为了改进充电 - 放电控制，使用 PSO 技术优化 FLC 的隶属函数，同时考虑可用功率、负载需求、电池温度和充电状态 (SOC)。调度控制器是根据负载实现低成本不间断可靠电源的最佳解决方案。为了降低电网电力需求和消耗成本，还引入了最佳二进制 PSO 来在一天中的不同时间在各种负载条件下调度 ESS、电网和分布式电源。得到的结果证明了所开发的基于 PSO 的模糊控制的鲁棒性，可以有效地管理电池充电和放电，同时将电网功耗降低 42.26%，将能源使用成本降低 45.11%，这也证明了该研究的贡献。© 2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
研究文章 使用多级粒子群优化进行基于运动想象的 BCI 系统的通道和特征选择
脑机接口 (BCI) 是连接人脑和计算机或其他电子设备的通信和控制系统。然而，无关通道和与任务无关的误导性特征限制了分类性能。为了解决这些问题，我们提出了一种基于粒子群优化 (PSO) 的高效信号处理框架，用于通道和特征选择、通道选择和特征选择。改进的 Stockwell 变换用于特征提取，多级混合 PSO-贝叶斯线性判别分析用于优化和分类。这里使用 BCI 竞赛 III 数据集 I 来确认所提方案的优越性。与未优化方法（89%准确率）相比，基于PSO的方案在使用不到10.5%的原始特征时，最佳分类准确率达到99%，测试时间减少90%以上，Kappa值和F-score分别达到0.98和98.99%，信噪比更好，优于现有算法。结果表明，通道和特征选择方案可以加快收敛到全局最优的速度，减少训练时间。由于该框架可以显著提高分类性能，有效减少特征数量，大大缩短测试时间，可以为相关实时BCI应用系统研究提供参考。
多目标帕累托前沿与粒子群优化...
微电子技术的进步使得更高的集成密度成为可能，并且目前正在进行机载系统的大规模开发，这种增长遇到了功耗的限制因素。更高的功耗将导致产生的热量立即扩散，从而导致热问题。因此，随着系统温度的升高，系统的总消耗能量将增加。微处理器的高温和计算机系统的大量热能对系统信心、性能和冷却费用产生巨大的问题。处理器消耗的功率主要来自内核数量和时钟频率的增加，这些功率以热量的形式消散，给芯片设计人员带来了热挑战。随着纳米技术中微处理器性能的显着提高，功耗变得不可忽略。为了解决这个问题，本文使用多目标帕累托前沿 (PF) 和粒子群优化 (PSO) 算法来解决高性能处理器的功耗降低问题，以实现功耗作为优先计算，从而减少目标微处理器单元的实际延迟。仿真验证了概念基础以及关节体和电源电压（V th- V DD ）的优化，并显示出令人满意的结果。
粒子群优化的飞机配平分析
在本研究中，首先开发了 F-16 飞机全动力学的详细非线性模型，并用 MATLAB 进行编码。该模型包括重力模型、可变大气参数、表格气动函数、推进模型、非线性控制面驱动模型和六自由度运动方程。然后开发了一种使用上述模型计算所有可能配平值的数值工具。该工具可以计算不同操作点的配平值。在开发的算法中，使用了粒子群优化 (PSO) 方法，这是一种在连续搜索空间上具有高收敛速度的元启发式方法。然后使用开发的模型围绕计算出的配平值进行模拟。模拟结果证实，基于 PSO 的配平算法可以高精度地找到所有配平值。
飞机配平粒子群优化分析
在本研究中，首先开发了 F-16 飞机全动力学的详细非线性模型，并用 MATLAB 编写了代码。该模型包括重力模型、可变大气参数、表格气动函数、推进模型、非线性控制面驱动模型和六自由度运动方程。然后开发了一种使用上述模型计算所有可能配平值的数值工具。该工具可以计算不同操作点的配平值。在开发的算法中，使用了粒子群优化 (PSO) 方法，这是一种在连续搜索空间上具有高收敛速度的元启发式方法。然后使用开发的模型围绕计算出的配平值进行模拟。模拟结果证实，基于 PSO 的配平算法可以高精度地找到所有配平值。引用本文：I. Gumusboga、A. Iftar，“粒子群优化飞机配平分析”《航空航天技术杂志》，第12，第2，第185-196，7 月2019.分段优化和配平分析
如何引用本文：Murat Arican，Kemal Polat（2020）。基于二进制粒子群优化（BPSO）的EEG信号通道选择及其
近年来，国家支持的项目试图提高残疾人的社会参与度。然而，即使是患有运动神经元疾病 (MND)、全滑行状态 (TSD) 等神经肌肉疾病的人，其沟通能力也会受到干扰。脑机接口 (BBA) 已有几十年的历史，研究数量呈指数级增长，目前正在开发中，以使患有此类疾病的人能够与周围环境进行交流。拼写系统是 BBA 系统，它可以检测人们在屏幕上的字母和数字矩阵上关注的字母，并通过应用程序将其转换为文本。在这种情况下，通过屏幕上字母的随机闪烁，它旨在检测由于刺激而导致大脑中发生的电变化。研究表明，个体遇到的刺激会导致 EEG 信号中出现一个振幅，称为 P300，介于 250 到 500 毫秒之间。脑机接口通过 EEG 信号为因中风或神经退行性疾病而行动受限的个体提供环境互动。 EEG 信号的多通道结构既增加了系统成本，又降低了处理速度。因此，通过在过程中检测更多活动电极来降低系统成本，可以提高人们的可访问性。在此背景下，在电极选择中使用优化技术，通过随机选择方法确定最有效的通道。在研究中，使用基于群体的优化技术之一的粒子群优化算法与两个分类器（SVM 和 Boosted Tree）一起使用，并确定了八个最常选择的通道，以提高系统在速度和准确性方面的性能。