云模型的自适应粒子群算法

为了克服粒子群优化算法在解决复杂问题时易陷入局部最优的缺陷, 提出了一种新的自适应动态文化粒子群优化算法。该算法引入评价粒子群早熟收敛程度的指标来判断种群空间粒子群状态, 以确定影响函数对种群空间粒子

粒子群优化算法是一种进化计算技术。提出一种基于混沌思想的模糊自适应参数策略的粒子群优化算法，它利用模糊策略较强的适应能力及混沌运动遍历性、随机性等特点，对标准粒子群优化算法进行了改进，并证明了算法的收

针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷，提出一种新的基于面向对象的自适应粒子群优化算法(OAPSO)用于神经网络的训练。该算法通过改进PSO的编码方式和自适应搜索策略以提高网络的训练速

利用云模型云滴的随机性和稳定倾向性的特点，提出了一种云模型云滴机制的量子粒子群优化算法，该算法在量子粒子群优化的基础上，由云模型的X，Y条件发生器产生杂交操作，由基本云发生器产生变异操作，用于求解具有

利用遗传，模拟退火以及粒子群算法来求解TSP问题

基于粒子群算法的优化模型，利用matlab运行此文件内的代码，针对你的问题，更改其中相应参数即可。

对于RBF神经网路模型，利用粒子群优化算法进行对权值优化，达到准确的预测效果！

为提高粒子群算法的寻优精度，提出一种将单纯形法(SM)与粒子群(PSO)算法相结合的自适应混合粒子群优化(AHPSO)算法。该算法根据进化需要动态调整粒子的惯性权重，并在进化停滞时使用SM优化。通过仿

提出了自适应免疫量子粒子群优化并行算法。为了克服粒子群优化算法早熟收敛以及粒子在进化过程中缺乏很好的方向指导的问题，采用了量子技术以及免疫机制，从而获得了一个自适应免疫量子粒子群优化算法。同时，针对该

Matlab粒子群优化算法-粒子群优化算法.rar粒子群优化算法