论文研究蚁群算法与粒子群算法结合的图像配准 .pdf

粒子群优化算法是一种新颖的仿生、群智能优化算法。该算法原理简单、需调整的参数少、收敛速度快而且易于实现，因此近年来粒子群算法引起了广大学者的关注。然而到目前为止粒子群算法的在理论分析和实践应用方面尚未

Python粒子群和遗传解决函数最值，模拟退火和蚁群解决TSP。

景区多点路径规划问题是一个NP-hard问题,相当于寻找经过起始点和特定节点的最短路径。针对多点路径规划问题,提出了回溯蚁群-粒子群混合算法,该算法运用弗洛伊德(Floyd-Warshall)算法将图

蚁群算法是一种应用广泛、性能优良的智能优化算法, 其求解效果与参数选取息息相关. 鉴于此, 针对现有 基于粒子群参数优化的改进蚁群算法耗时较大的问题, 提出一种新的解决方案. 该方案给出一种全局异步与

基于蚁群算法的LEACH协议研究，王静，胡彧，针对LEACH协议中簇头节点与汇聚节点之间采用单跳通信造成能量损耗过快的问题，提出了一种基于蚁群算法的LEACH协议，该算法利用蚁群��

聚类分析是数据挖掘的重要技术之一，它能够通过无监督的学习过程发现隐藏的模式，具有独立发现知识的能力。对现有文献中基于粒子群优化算法的聚类分析技术作了全面的介绍，对几种主要的粒子群聚类算法的基本原理及其

提出退火熵、生长函数和VC维等概念，构建基于VC维的学习过程一致收敛速度的界。以这些界为基础，给出基于双重随机样本的结构风险最小化原则。最后证明该原则是一致的并且推导出了关于渐近收敛速度的界。

针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况，提出了一种改进的算法。通过构造单个粒子的多个进化方向和类似于蚂蚁群算法信息素表的选择机制，保留了粒子的多种可能进化方向。提高了粒子

利用变异机制可以增加遗传算法全局寻优能力的特性，结合惯性权值线性递减PSO算法具有较快收敛速度的优点，提出了一种双种群变异PSO算法，对该算法与其他PSO算法进行了比较，仿真结果表明其性能优越。

0-1背包问题是组合优化中经典的NP难题，在蚁群算法的基础上结合量子计算提出一种求解0-1背包问题的量子蚁群算法。算法采用量子比特表示信息素，用量子旋转门来更新信息素。大量数据实例的比较测试表明，算法