辽宁石油化工大学学报
首页
期刊简介
期刊简介
组织机构
联系我们
政策制度
编辑政策
伦理政策
开放获取
管理制度及其他规定
作者中心
投稿指南
下载中心
编委会
转到高校学报
学校首页
English
期刊
出版年
关键词
结果中检索
(((刘国志[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
一类非线性二阶常微分方程边值问题的解析解
刘国志,刘倩囡
辽宁石油化工大学学报 2012, 32 (
3
): 88-90.
摘要
(
259
)
PDF
(139KB)(
262
)
可视化
收藏
在计算胶粒间双电层相互作用能时,需要计算胶粒间的电位分布,而两个胶粒间的电位分布满足Poisson-Boltzmann方程d
2
y/dt
2
=sinhy,这是一个二阶非线性常微分方程,无法求出其解析解。但是当y>>1时,sinhy≈e
y
/2,故求解Poisson-Boltzmann方程近似解问题转化为求d
2
y/dt
2
=e
y
/2解析解。因此,寻找常微分方程解解的问题是工程实际的需要。通过对二阶非线性常微分方程边值问题的研究,给出了一类二阶非线性常微分方程d
2
y/dt
2
=e
y
/a在等边值条件下的解析解表达式。
相关文章
|
多维度评价
Select
基于改进微粒群优化的电力负荷生长曲线预测模型
刘国志,何鹏清
辽宁石油化工大学学报 2011, 31 (
2
): 62-64. DOI:
10.3696/j.issn.1672-6952.2011.02.017
摘要
(
448
)
PDF
(216KB)(
237
)
可视化
收藏
在现有文献研究的基础上,对生长曲线预测法作了进一步改进,提出了基于改进微粒群优化的电力
负荷生长曲线预测模型,通过在电力负荷实例中的应用,并与基于微粒群优化的电力负荷灰色预测模型进行了效果
比较,验证了基于改进微粒群优化的电力负荷生长曲线预测模型具有很好的预测精度和通用性。
相关文章
|
多维度评价
Select
生长曲线参数估计的改进微粒群算法
刘国志, 何鹏清
辽宁石油化工大学学报 2010, 30 (
4
): 88-90. DOI:
10.3696/j.issn.1672-6952.2010.04.024
摘要
(
407
)
PDF
(129KB)(
212
)
可视化
收藏
在现有文献研究的基础上,对生长曲线参数估计问题作了进一步的研究,给出了生长曲线参数估计的一个新方法—改进的微粒群最优化方法。该算法不需要计算梯度,容易应用于实际问题中。通过对微粒群算法的修正,使改进算法具有更加精确和快速的收敛性。实例计算表明,这种参数估计发具有较高的精度。
相关文章
|
多维度评价
Select
箱型约束变分不等式的微粒群算法
刘国志
辽宁石油化工大学学报 2010, 30 (
2
): 81-84. DOI:
10.3696/j.issn.1672-6952.2010.02.023
摘要
(
414
)
PDF
(158KB)(
308
)
可视化
收藏
对箱型约束变分不等式的简单光滑价值函数,给出了求解箱型约束变分不等式的微粒群算法。该算
法具有计算简单、快速收敛到全局最优解和较高的计算精度等优点。数值计算结果表明,提出的算法可靠性高、有
效性强,在计算精度上,都优于阻尼牛顿法和正则半光滑牛顿法
相关文章
|
多维度评价
Select
Hook-Jeveese搜索法和改进的微粒群算法的混合算法
苗 晨,刘国志
辽宁石油化工大学学报 2009, 29 (
1
): 87-90.
摘要
(
460
)
PDF
(160KB)(
372
)
可视化
收藏
提出一个求解无约束最优化问题的新的混合算法Hooke-Jeeves搜索法和惯性权重线性调整的局部
收缩的微粒群算法的混合算法。该算法不需要计算梯度,容易应用于实际问题中。通过对微粒群算法的修正,使混
合算法具有更加精确和快速的收敛性。主要目的是通过加入混合策略证明标准微粒群算法是能够被改进的。利用
6个基准测试函数进行仿真计算比较,计算结果表明,新混合算法在求解质量和收敛速率上都优于其它的两种算法
(PSO 和与混沌相结合的PSO 算法)。仿真结果表明,新算法是求解无约束最优化问题的一个高效的算法。
相关文章
|
多维度评价
Select
Powell搜索法和局部收缩微粒群算法的混合算法
刘国志, 苗 臣
辽宁石油化工大学学报 2008, 28 (
3
): 70-74.
摘要
(
573
)
PDF
(203KB)(
261
)
可视化
收藏
提出一个求解无约束最优化问题的新的混合算法——Powell搜索法和惯性权重线性调整的局部收缩的微粒群算法的混合算法。该算法不需要计算梯度,容易应用于实际问题中。通过对微粒群算法的修正,使混合算法具有更加精确和快速的收敛性。主要目的是通过加入混合策略证明标准微粒群算法是能够被改进的。首先利用20个基准测试函数进行仿真计算并比较,计算结果表明,新混合算法在求解质量和收敛速率上都优于其它的3种算法(PSO,GPSO和NM-PSO算法)。同时将新混合算法和最新的各种协同的PSO算法进行分析比较,比较结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性都远优于其他的进化算法。仿真结果证明了新算法是求解无约束最优化问题的一个高效的算法。
相关文章
|
多维度评价