论文研究基于粒子群优化的入侵特征选择算法.pdf

针对全向变异易使粒子失去已有的有利搜索信息的问题, 提出了一种并行定向变异的混合粒子群优化算法。该算法以当前群体最优位置为基准, 用变异信息矩阵和混沌位置变异矩阵对群体进行并行定向扰动, 有效利用了现

首先分析了影响MPI组通信性能的各方面因素,提出了一种衡量算法性能的模型。基于这种分析及模型,提出了一种将邻居交换和递归倍增两种算法结合的新的MPI_ALLGATHER实现算法。新的算法比邻居交换算法

通过对具有量子行为的粒子群优化（Quantum-behaved Particle Swarm Optimization，QPSO）算法深入分析，把协作机制引入到QPSO算法中，提出了协作的具有量子行为

标准的粒子群算法在进化后期常易于陷入局部最优。为提高粒子群算法的寻优性能，首先对学生学习-考试机制进行分析，得到学习-考试机制的基本原则，然后，利用该原则和粒子局部最优的信息，在粒子陷入局部最优时，对

首先对传统的模拟退火算法进行改进，然后由独立变量分析方法对纯相位复波的数字全息图进行零级项消除，得到其共轭项，获取未解压的共轭复波相位，最后利用改进的模拟退火算法对未解压的共轭复波相位进行了相位恢复。

标准粒子群优化算法收敛性能分析与参数选择，林川，冯全源，基于离散时间线性动态系统理论，推导了确定性标准粒子群优化（PSO）算法收敛，临界稳定与发散的充分必要条件，并用若干个粒子运动

针对最近提出的具有极强全局搜索能力的加速粒子群算法，为改善早熟收敛问题并提高收敛精度，提出一种融合混沌理论的混沌增强加速粒子群算法。该算法引入混沌序列来调节全局学习因子，使算法进一步增加全局搜索能力。

针对粒子群优化算法易陷入局部极值的缺点，提出一种改进粒子群算法，该算法借鉴贪婪算法的思想初始化种群，利用两个种群同时寻优，并将遗传算法中交叉和变异操作引入其中，实现种群间的信息共享。用14点TSP标准

论文研究-量子连续粒子群优化算法及其应用.pdf,

针对传统线性判别分析方法存在的问题，在研究现有理论成果的基础上，提出一种新的LDA实现方法。该方法首先对原有的Fisher准则进行修正，然后通过迭代搜寻最佳鉴别矢量，最后对获取的鉴别矢量进行比较分析。