针对基本粒子群优化(basicparticleswarmoptimization,简称bPSO)算法容易陷入局部极值、进化后期的收敛速度慢和精度低等缺点,采用简化粒子群优化方程和添加极值扰动算子两种
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
针对目前多峰函数优化问题较难找到全部局部最优解的情况,提出了一种粒子群Memetic算法。算法结合了粒子群优化的全局搜索能力和爬山法的局部搜索能力,增强了算法搜索最优解的能力。实验结果表明,该算法求解
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。
针对结构化环境中移动机器人路径规划问题,提出一种基于粒子群的路径规划算法。该算法利用适应度函数描述环境约束及路径的距离信息,适应度函数通过神经网络计算;由路径节点构成粒子,通过混合粒子群算法进行寻优。
分析了基本粒子群算法(PSO)全局搜索能力与收敛速度的矛盾,提出了粒子群相似度的概念.根据每个粒子与全局最优粒子的不同相似度,对基本PSO算法的惯性权重进行动态调整.同时提出一种根据相似度计算聚集度的
一种求解函数优化的新型混合优化算法,谭立静,栾丽君,本文提出了一种基于粒子群优化算法(PSO)和差分进化算法(DE)的新型混合全局优化算法PSODE。PSODE模型基于一种双种群协同进化策略,
针对传统模糊C均值聚类算法(FCM)存在对初值敏感和易陷入局部收敛的缺陷,利用改进的粒子群算法对FCM进行优化,提出一种新的模糊C均值聚类算法ImprovedPSOFCM,并建立基于熵的聚类有效性函数
针对物流领域降低配送成本、提升配送效率的需求,文中对物流路径的优化方法进行了研究。通过数学建模的方式,将物流路径优化问题转化为数学研究领域经典的旅行商问题(TSP),然后使用粒子群优化算法(PSO)进
基于动态特性的改进粒子群优化算法,苗爱敏,施心陵,针对现有粒子群算法缺乏优化问题的先验信息,粒子搜索具有盲目性的问题,提出了一种基于邻域粗糙集模型的改进粒子群优化算法。该