论文研究基于粒子群优化的NLOS环境的节点定位算法 .pdf

粒子群优化算法的改进 常见粒子群优化算法的改进 1模糊惯性权重(fuzzy inertia weight ) 法 Shi 等提出用模糊控制器来动态自适应地改变惯性权重的 技术控制器的输入是当前惯性权重

粒子群优化( PSO: Particle Swarm Op timization) 算法是一种有效的全局优化技术。对于PSO算法, 很容 易陷入局部极值。针对上述缺点, 提出了两点改进: 对基本PSO

针对综合学习粒子群算法后期收敛速度慢、一旦所有粒子陷入局部最优，则无法跳出等缺陷，提出免疫综合学习粒子群优化（ICLPSO）算法。ICLPSO算法引入人工免疫系统中的克隆选择机制，利用克隆复制、高频变

针对粒子群优化算法的“早熟”问题，提出了一种新型分阶段粒子群优化算法。该算法通过调整惯性权重和加速系数使粒子自组织地跟踪局部吸引域和全局吸引域来扩大粒子的搜索空间和提高粒子的收敛精度，同时根据粒子处于

针对粒子群算法容易早熟收敛和后期收敛速度慢的缺点，结合进化论中小生境技术，提出了小生境粒子群优化算法。通过粒子之间的距离找到具有相似距离的粒子个体组成小生境种群，然后在该种群里面利用粒子群优化算法进化

针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷,将梯度粒子群算法的基本思想引入细菌觅食算法中,改进原算法的收敛速度和收敛能力,并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO

提出了一种有效的k近邻分类文本分类算法，即SPSOKNN算法，该算法利用粒子群优化方法的随机搜索能力在训练集中随机搜索.在搜索k近邻的过程中，粒子群跳跃式移动，掠过大量不可能成为k近邻的文档向量，并且

针对约束优化问题的求解，提出一种改进的粒子群算法（CMPSO）。在CMPSO算法中，为了增加种群多样性，提升种群跳出局部最优解的能力，引入种群多样性阈值，当种群多样性低于给定阈值时，对全局最优粒子位置

论文研究-求解TSP 问题的离散粒子群优化算法.pdf,

提出Vague集（值）之间的新相似度量，给出一个区间值数据向Vague值数据的转化公式。农业领域的应用实例进一步表明这些公式是实用的。