论文研究基于正切函数改进惯性权重的新型粒子群算法 .pdf

采用对基本粒子群优化算法引入遗传操作来提高种群多样性，这样虽能避免产生局部极小，但收敛速度会降低，通过加入收缩因子来达到两者的均衡。优化和仿真结果表明改进算法性能更优，能有效地解决公交车辆的智能排班问

改进的向心加速度粒子群算法，李一然，杨娟，CAPSO算法是近些年由Behesh改进的向心加速度粒子群算法ti和Zahra基于PSO算法和引力搜索算法提出来的一个新算法。本文在CAPSO算法的基础上�

提出了一种高效的改进的粒子群优化策略，把整个群体分为几个子群体，进行子群体的专业化社会分工与信息交换，该策略在提高算法局部搜索能力的同时也兼顾了全局搜索能力。测试表明，与现有方法比较，该方法全局寻优的

多车场车辆路径问题是一类实用性很高的NP难解问题。针对标准粒子群算法易早熟、收敛速度慢的缺陷，提出了一种新的改进算法，该算法采用协同进化思想，同时在搜索陷入局部最优的情况下引入了模式搜索方法。针对多车

在将超混沌系统的控制、同步及反同步问题统一处理的基础上，给出了一种可实现超混沌系统同步的非线性状态反馈方法。该方法以非线性系统的线性化方法和极点配置理论为基础，把控制律分解为非线性和线性两部分之和，使

针对传统线性判别分析方法存在的问题，在研究现有理论成果的基础上，提出一种新的LDA实现方法。该方法首先对原有的Fisher准则进行修正，然后通过迭代搜寻最佳鉴别矢量，最后对获取的鉴别矢量进行比较分析。

为了克服算法早熟收敛问题并提高算法精度,引入了膜计算理论。将PSO算法与P系统相结合,提出了一种基于P系统的粒子群优化算法(P-PSO),有效地平衡粒子群的全局搜索和局部寻优。采用常用的三个测试函数对

改进的粒子群优化算法及其应用研究论文，对于研究并应用粒子群算法的人员应该会有帮助

基于量子势阱的粒子群优化算法的改进研究

针对反向粒子群优化算法存在的易陷入局部最优、计算开销大等问题,提出了一种带自适应精英粒子变异及非线性惯性权重的反向粒子群优化算法(OPSO-AEM&NIW),来克服该算法的不足。OPSO-AE