位置:成果数据库 > 期刊 > 期刊详情页
基于粒子群优化算法的广义累加灰色模型
  • ISSN号:1001-506X
  • 期刊名称:系统工程与电子技术
  • 时间:0
  • 页码:1437-1440
  • 分类:N941[自然科学总论—系统科学]
  • 作者机构:[1]南京航空航天大学经济与管理学院,江苏南京210016
  • 相关基金:国家自然科学基金(70901041); 教育部博士学科点专项科研基金(200802870020 20093218120032)资助课题
  • 相关项目:具有灰色不确定信息特征的GM拓展预测模型及其应用研究
作者: 张可|刘思峰|
中文摘要:

探讨定性分析与定量计算相结合的广义累加生成技术,讨论基于粒子群优化算法(particl swarm optimization algorithm,PSOA)的累加矩阵求解方法和间接灰色模型的优化算法。首先分析和总结4类典型序列的累加生成矩阵模式与参数结构,然后根据实际问题选择合适的累加生成矩阵模式,并用模式中的参数与背景值修正向量共同构成待求粒子。借助粒子群优化算法,以间接灰色模型的平均相对误差为适应度函数,以其最小为目标,通过迭代求解累加生成矩阵和背景值修正向量。实例计算表明,该优化模型不仅具有较高的模拟和预测精度,而且能够较好地跟踪波动序列和高增长序列的变化趋势。

英文摘要:

This paper discusses the extended accumulated generating technology combined qualitative analysis with quantitative evaluation,and researches the solving method of extended accumulated generating matrix and the optimized algorithm of the extended accumulated generating grey model.Firstly,the accumulated generating modes and its structures of parameters are summed up for four classical sequences.Then,an appropriate generating mode should be chosen according to actual problem,and a particle including parameters of the mode and the modified vector of background value is constructed.Furthermore,the particle swarm optimization algorithm(PSOA) is adopted to solve the generating matrix and the modified vector of background value.The fitness function of PSOA is the absolute of mean relative error,and objective function is the minimization of the fitness.The practical examples show that the optimized model not only improves the simulation and prediction accuracy,but also can track the trend of fluctuate and fast increase sequences.

同期刊论文项目
期刊论文 77 会议论文 1 获奖 4 著作 4
同项目期刊论文
期刊信息
  • 《系统工程与电子技术》
  • 北大核心期刊(2011版)
  • 主管单位:中国航天科工集团公司
  • 主办单位:中国航天科工防御技术研究院 中国宇航学会 中国系统工程学会
  • 主编:施荣
  • 地址:北京142信箱32分箱
  • 邮编:100854
  • 邮箱:xtgcydzjs@126.com
  • 电话:010-68388406
  • 国际标准刊号:ISSN:1001-506X
  • 国内统一刊号:ISSN:11-2422/TN
  • 邮发代号:82-269
  • 获奖情况:
  • 全国中文核心期刊,全国优秀科技期刊,中国科技论文统计用刊,中国期刊方阵“双百”期刊
  • 国内外数据库收录:
  • 德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:34341