算法介绍,粒子运动轨迹的分析,实例讲解,分析,TSP应用。
粒子群优化(PSO)是一种演化计算技术,它模拟了微粒群在解空间中的搜索行为。PSO最初是由Kennedy和Eberhart于1995年开发的,灵感来源于对社会行为的观察和模拟。本文将对PSO算法的原理
代码解释的很详细,可以直接用,已经测试过了,很好用。
根据已测定的煤中收到基全水、收到基灰分、干燥基灰分和收到基挥发分的含量,建立了基于BP神经网络的煤炭发热量预测模型,并采用粒子群优化算法优化BP神经网络的权值和阈值,实现了对煤炭发热量的快速预测。仿真
针对暂态电能质量扰动信号阈值去噪方法的缺陷及不足,提出了基于改进粒子群的最优阈值法,采用基于SURE无偏估计的自适应最优阈值选择方法对阈值进行选取。在引入粒子群进化速度因子、聚集度因子的基础上加入参数
针对TSP,提出一种混合粒子群优化算法IHPSO,将种群划分成若干子种群,在子种群内部实施遗传策略。算法在PSO-GA的基础上,引入克隆免疫机制,通过计算粒子间的亲和度来进行复制和变异,从而保留最佳粒
粒子群算法对系统的依赖程度低,不要求被优化函数具有可微、可导、连续的特性。应用理论推导的方法,证明了粒子群算法在多极值目标函数下的全局收敛和局部收敛的条件,并且分析了粒子群算法中各参数对算法局部收敛速
针对基本粒子群算法全局寻优能力弱,容易陷入局部最优等缺陷,提出了一种改进的算法,并将该算法应用到车辆配送路径中。并通过实验进行验证,文中提出的算法明显的优于标准粒子群算法,有效的解决了矿山配送车辆路径
针对目前线性化和非线性化算法在面波频散曲线反演中的局限性问题,分析了一种新的非线性全局优化算法——粒子群算法(PSO)及其基本原理和算法流程,并且采用了细化分层理论与粒子群算法相结合的方法,在求解横波
改进粒子群算法在共同配送中的应用研究.docx