研究论文粒子群优化算法在TDOA定位中的应用

为克服粒子群优化算法早熟收敛，提出一种基于子群变异的改进粒子群优化算法（SsMPSO）。该算法提出一种具有随机定向振荡式搜索的子群对主群的全局最优位置进行变异，改变了完全随机的变异方式，为算法提供局部

通过设计一种Pareto解集过滤器，并在此基础上给出多目标优化条件下的微粒群算法群体停滞判断准则，基于该准则提出了一种多目标微粒群优化算法。算法利用Pareto解集过滤器提高了候选解的多样性，并使用图

针对量子粒子群优化算法(QPSO)存在着保持种群多样性差、容易陷入局部最优等缺陷，将耗散操作算子引入到QPSO量子角度更新中，提出了改进的耗散量子粒子群优化算法(DQPSO)。为验证算法的有效性，将D

基本粒子群优化算法对于离散的优化问题处理不佳,容易陷入局部最优。针对基本粒子群优化算法处理离散型优化问题时的缺陷,提出了一种融合可行基规则的改进型粒子群优化算法,并用该算法求解车辆路径问题。实验结果表

针对神经网络权值选取不精确的问题，提出改进的粒子群优化算法结合BP神经网络动态选取权值的方法。在改进的粒子群优化算法中，采用动态惯性权重，并且认知参数与社会参数相互制约。同时，改进的粒子群优化算法结合

针对传统粒子群算法优化黑箱模型过程中存在巨大计算开销的问题，提出一种基于PRS元模型的改进粒子群优化算法——PPSO算法。在该算法迭代过程中，构建PRS元模型，利用其最优值点辅助粒子种群的更新，此外仅

根据电力系统实际运行中负荷不断变化的情况,提出了动态无功优化问题的完整数学描述和计算方法。从负荷曲线的特点出发,结合设备动作次数约束,提出利用遗传算法进行智能化负荷分段的方法。利用引入免疫系统的免疫信

改进粒子群算法在共同配送中的应用研究.docx

?U Gi min ? U Gi ? U Gi max ? ?QCi min ? QCi ? QCi max ? ?Tti min ? Tti ? Tti max ?Q ? QGi ? QGi max

提出一种双种群粒子群算法，在粒子进化过程中，具有当前最优位置的种群侧重于局部搜索，而不具有当前最优位置的种群侧重于全局搜索。两个种群在进化过程中受共同的群体最优位置影响进行进化，从而实现信息共享，协调