Parallel APSO自适应粒子群算法的并行化

为求解大规模的空车调配方案的最优解，提出了一种混沌自适应变异粒子群算法。该算法利用混沌的遍历性来初始化粒子群以增强群体的多样性，根据群体适应度方差调整变异概率的大小，并通过调整惯性权重因子以提高整个群

针对粒子群优化算法中出现早熟和不收敛问题，分析了基本PSO算法参数对其优化性能的影响，提出了基于非线性权重的自适应粒子群优化算法（NWAPSO）。在优化过程中，惯性权重随迭代次数非线性变化，改进的算法

为了提高传统自适应粒子群优化算法的鲁棒性，由[X]条件云发生器自适应调整粒子的惯性权重，提出云自适应粒子群优化算法。由于云滴具有随机性和稳定倾向性的特点，使得惯性权重既具有传统的趋向性，满足快速寻优能

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

利用遗传，模拟退火以及粒子群算法来求解TSP问题

自适应二值化算法,在传统的算法上进行优化

C#项目，能够自定义块大小的自适应直方图均衡化算法。两种彩色图像处理方式。能手动调节块的长度和宽度。

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