粒子群优化算法机器在运筹调度领域的应用研究

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

在基本粒子群优化算法的理论分析的基础上, 提出一种加速收敛的粒子群优化算法, 并从理论上证明了该算法的快速收敛性, 同时对该算法中的参数进行了优化. 为了防止其在快速收敛的同时陷入局部最优, 采用依赖

? 1 o 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将口当前最好性能评 价值(CBPE) ,

一本关于最新的粒子群方面的文章集，里面包括了一些对粒子群的改进和新的应用，较好的反应了粒子群的研究现状！

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

粒子群优化算法的简单例子，实现对非线性函数的极值寻优

本ZIP文件中包括粒子群优化算法的matlab实现代码，另外提供了机遇PSO算法的图像聚类code。粒子群优化算法作为群智能优化算法领域的经典、重要算法，由于算法的高效性，应经在全局优化领域占有重要地

该脚本实现了PSO和GWO优化算法的混合。不仅包含matlab源代码，还有PSO-GWO和GWO的matlab运行结果对比图。

对粒子群算法的代码进行编写，简单介绍了算法的每步代码的意思

针对飞行器健康状况难以准确预测的问题，提出了一种基于小波包变换与自适应多变量灰色预测模型对飞行器健康状况进行预测的新方法。采用先进的声发射技术监测飞行器关键部件的健康状态，运用小波包对由声发射监测系统