混沌粒子群算法

混沌粒子群优化算法代码

混沌粒子群算法概述及应用

混沌粒子群算法

基于混沌技术的粒子群算法源码

混沌粒子群算法C语言编制

混沌粒子群优化算法代码与实现。混沌优化算法代码粒子群

混沌粒子群算法是将混沌搜索策略与粒子群相结合，提高种群的多样性，防止陷入局部最优

混沌理论与粒子群优化算法的结合，提升优化的性能和效果

混沌粒子群算法的改进，多目标优化的例子，EI论文

PSO算法是一种基于群智能（SwarmIntelligence）方法的演化计算技术。最早由Kennedy和Eberhart于1995年提出，受到人工生命的研究结果启发，PSO的基本思想源于对鸟群捕食行

无功优化算法，为进一步解决寻优后期粒子可能陷入早熟收敛的问题，利用混沌优化具有“奇异吸引子”的特性，在解空间进一步搜索，两者的结合可以更有效地搜索到全局最优解。

针对粒子群优化算法稳定性较差和易陷入局部极值的缺点，提出了一种新颖的混沌粒子群优化算法。一方面，在可行域中应用逻辑自映射函数初始化生成均匀分布的粒群，提高了初始解的质量和增加了算法的稳定性；另一方面，

混沌粒子群混合优化算法，王大均，李华平，粒子群优化算法（PSO）具有收敛速度快但易陷入局部最优点的特点，因此本文将在结合混沌运动的遍历性、伪随机性和对初值的敏感性等

混沌粒子群优化算法 计算机科学2004V0131N-o8 高鹰h2谢胜利1 (华南理工大学电子与信息学院 广州510641)1 (广州大学信息机电学院计算机科学与技术系 广州510405)2 摘要粒子

提出一种多目标自适应混沌粒子群优化算法(MACPSO). 首先, 基于混沌序列提出一种新型动态加权方法选择全局最优粒子; 然后, 改进NSGA-II 拥挤距离计算方法, 并应用到一种严格的外部存档更新