论文研究基于离散粒子群算法的复杂网络重叠社团检测 .pdf

为了改善无线传感网络的性能，提高网络的覆盖率，在粒子进化的多粒子群算法的基础上，提出了一种无线传感网络覆盖的优化策略。该策略通过多个粒子群彼此独立地搜索解空间, 提高了算法的寻优能力，有效地避免了基本

资源受限的项目进度问题是经典的NP-hard问题，在研究以往求解方法的基础上，应用一种新的群智能算法——粒子群算法，对粒子群优化算法的搜索能力进行改进，结合Gbest模型与Pbest模型的优点，提出使

航班降落调度是多约束的整数规划问题，也是组合优化中的典型NP难题之一。针对传统粒子群算法易陷入局部最优和求解组合优化问题能力不强的缺点，提出改进策略。改进的算法通过禁忌搜索策略生成初始粒子群以满足航班

针对资源受限项目调度问题中的干扰情况进行了界定, 面向几种干扰问题建立了相应的资源受限项目调度干扰模型和混沌粒子群求解算法, 对项目网络图干扰、任务干扰和资源干扰三种干扰问题进行仿真计算, 验证了算法

提出了一种基于Kmeans 聚类算法的复杂网络社团结构划分方法。算法基于Fortunato等人提出的边的信息中心度，定义了节点的关联度，并通过节点关联度矩阵来进行聚类中心的选择和节点聚类，从而将复杂

无线传感器网络通过少数确定锚节点计算到其他节点距离,确定节点坐标。其中DV-Hop定位算法通过最小二乘法求解坐标,累计误差随节点平均距离误差呈指数增长,定位精度较低。提出了用粒子群PSO离散算法替代D

离散粒子群算法（DPSO）自学使用，适用于学生自学，教师教学。

社团结构分析是复杂网络研究的一项重要内容,基于群体智能思想提出了一种自组织的重叠社团结构分析算法SO2CSA2。把网络视为一个群体,网络节点是其中的一个个具有简单智能的个体,每个个体依据定义的社团连接

经典粒子群算法是在连续的解空间里进行的,粒子的方向、速度的确定采用的是二维空间的运算法则,不适合在N维空间里进行,而3D-NOC映射问题面对的是N维离散解空间。对此,提出一种改进的粒子群算法以及相应的

随着射频功放非线性对射频前端的影响日益增大，使得功放建模变得越来越重要。提出了一种自适应模糊小波神经网络模型结构，并利用改进的粒子群优化算法，建立有记忆的功放模型。将小波函数融入到自适应模糊推理系统的