微粒群算法

提出一种简化的分类微粒群算法. 首先将微粒按适应值的差异划分成较好、普通和较差3 类; 然后对这3 类 微粒分别采用3 种对应的没有速度项的简化模型进行动态调整, 有效地增加了种群的多样性. 通过对4

基于微粒群的约束优化，胡鹏，王猛，微粒群算法在处理约束优化问题时，难以兼顾约束、优化之间的关系，针对这一问题提出了一种泛学习微粒群算法（ULPSO），该算法通过�

研究了多模式多资源均衡问题, 该问题需要动态选取每项任务的执行模式, 并综合考虑项目截止日期和资 源限额等约束. 将种群竞争模型嵌入到基于Pareto 的向量评价微粒群算法(VEPSO-BP) 中,

2009年第4期 文章编号:100622475(2009)0420055204 计算机与现代化 JISUANJIYUXIANDAIHUA 总第164期 一种基于支持向量数据域描述的改进微粒群算法 童子

针对近几年来MOPSO算法及其应用的进展进行了综述和评论。首先描述了MOPSO算法的基本框架；接着对MOPSO算法进行了分类和分析,并给出了MOPSO算法的一些改进策略；然后介绍了MOPSO算法的应用

针对多技能员工受限的多项目调度问题的特点，建立了以项目群的总工期及总费用最小为目标的调度模型；将云模型嵌入到基于Pareto的向量评价微粒群算法（VEPSO-BP）中，提出了一种新的云多目标微粒群算法

针对视网膜血管网络灰度分布特征与结构特征，提出了将灰度-梯度共生矩阵最大熵与微粒群算法相结合的视网膜血管提取方法。采用Gabor滤波以增强血管图像，获取增强后视网膜图像的灰度-梯度共生矩阵，利用微粒群

论文研究-基于种群年龄模型的动态粒子数微粒群优化算法.pdf,  针对微粒群优化算法的早熟停滞缺陷问题,提出了一种基于种群年龄模型的动态粒子数微粒群优化算法. 该算法建立了生物种群年龄模型,将每个粒子

提出了一种先版面行分类后符号识别的印刷体数学公式提取策略。策略中两次应用K-L变换，分别完成版面行特征的降维和公式符号特征的提取，并采用免疫克隆选择算法优化支持向量机的训练参数，以构建出最优的版面行分

提出了一种以软交换为核心完全遵循下一代网络分层结构特点的多媒体会议系统模型，实现了控制、业务与承载相分离。会议应用由业务层的应用服务器、Web服务器和媒体服务器实现，呼叫控制功能由软交换完成，业务媒体