论文研究动态引入第三参考点的微粒群算法研究 .pdf

蚁群算法（ACS）是一种新型的分布式模拟进化算法，它有较强的解搜索能力、很好的适应性和鲁棒性等，但如果算法中各参数选择不当，则会使算法的运行时间变长，或者陷于局部最优，达到停滞状态。恰当的参数选择，可

论文研究-基于蚁群算法的海洋工程群项目资源调度研究.pdf,

当每个人只有一个训练样本时，最大散度差鉴别分析在人脸识别中的识别性能会降低，为了解决这一问题，提出了基于模糊决策和最大散度差鉴别分析的单样本人脸识别算法。通过对每个训练样本进行适当的分块，从而获得较多

提出了一种实现移动机器人在复杂动态环境下进行实时路径规划的新方法。该方法首先利用模糊逻辑来描述机器人局部环境模型；然后采用改进的蚁群系统算法快速地搜索出局部最优路径，并在此路径的引导下，结合机器人滚动

论文研究-基于动态聚类邻域分区的并行蚁群优化算法.pdf, 本文算法体现"分而治之"的思想,首先采用动态K均值聚类快速邻域分解,其次应用蚁群算法同时对分区并行优化计算,最后基于分区重心进行邻域全局连接

针对动态路径诱导中寻优算法收敛速度慢,易陷入局部最优解的不足,提出了一种改进的量子蚁群算法(IQACA).首先,建立了考虑交叉口和路段耗费的动态路网模型,并建立了时间最优路径模型.借鉴量子蚁群算法的寻

为了对MFJSSP进行优化，给出了改进的基于蚁群算法的MFJSSP解决方法。改进后的算法根据工件数量确定子集数量。给出了可选工作集的构建方法及在寻优过程中的邻域搜索策略，并对蚁群算法的参数选择问题进行

在介绍蚁群算法的原理和特点后，着重分析了当前一些有代表性的蚁群算法的改进机制和应用成果，并采用比较的方式指出了这些方法的特点和主要应用范围等，最后总结了好的蚁群算法应具有的特点以及将来的研究策略与发展

任务调度策略是网格计算的核心问题。在系统任务调度和资源分配中，提出一种基于量子蚁群算法的任务调度策略。算法将量子计算与蚁群算法相融合，通过对蚁群进行量子化编码并采用量子旋转门及非门操作，实现对任务自适

协作学习中根据学习者的特征进行有效分组对于提高学习者的学习效率具有重要的作用。基于学习者的学习能力、兴趣爱好和理解水平，在基于蚁群算法的协作学习分组中，以学习者特征相似度值作为启发信息，并针对蚁群算法