动态优化问题的粒子群算法研究

Application of Particle Swarm Optimization in Multi-objective Optimization Problems

粒子群算法是一种模拟粒子行为的多目标优化方法。该算法通过设计一系列无质量的粒子来寻找问题的最优解。粒子在初始阶段随机分布，通过多次迭代过程，粒子逐渐靠近最优位置。基于标准粒子群算法的框架，我们可以编写

结合遗传算法、蚁群算法和模拟退火算法的思想, 提出用混合粒子群算法来求解著名的旅行商问题. 与模拟 退火算法、标准遗传算法进行比较, 24 种混合粒子群算法的效果都比较好, 其中交叉策略D 和变异策略

使用于潮流无功优化

利用粒子群算法优化bp网络,使得网络更加精确

一种进化粒子群优化算法,有助于新学习的同学学习!

本资料内包含自己编写的C语言源程序,希望对大家关于粒子群算法的学习研究有帮助~

PSO同遗传算法类似,是一种基于迭代的优化算法。系统初始化为一组随机解,通过迭代搜寻最优值。但是它没有遗传算法用的交叉(crossover)以及变异(mutation),而是粒子在解空间追随最优的粒子

受生物体免疫系统免疫机制的启发，论文把免疫系统的免疫信息处理机制引入到粒子群优化算法中，给出了免疫粒子群优化算法。这种免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理

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