论文研究一种多目标优化问题的理想灰色粒子群算法.pdf

为提高粒子群算法的寻优精度，提出一种将单纯形法(SM)与粒子群(PSO)算法相结合的自适应混合粒子群优化(AHPSO)算法。该算法根据进化需要动态调整粒子的惯性权重，并在进化停滞时使用SM优化。通过仿

针对K-中心点算法对初始化敏感和容易陷入局部极值的缺点，提出一种基于粒子群算法和密度初始化改进的K-中心点聚类算法。该算法初始化时选择距离较远的k个候选范围作为k个聚类中心的选择范围，即粒子的初始值都

为了提升粒子群优化算法(particleswarmoptimization,PSO)的性能，提出了一种基于网格划分的自适应粒子群优化(grid-basedadaptiveparticleswarmop

为解决粒子群优化算法前期搜索盲目，后期搜索速度慢且易陷入局部极值的问题，对算法中粒子更新方式和惯性权重进行了改进，提出了一种基于引导策略的自适应粒子群优化算法（improvedparticleswar

在分析图像模糊增强算法对于隶属函数及其模糊区域选择方法不足的基础上,提出一种新的基于粒子群算法的模糊隶属函数优化方法。该方法给出一个新模糊熵的定义,这个新模糊熵定义不仅考虑到图像在模糊域中划分区域时随

针对粒子群多模优化问题中存在的易早熟、收敛速度慢及寻优精度低等问题，提出了一种快速多种群的粒子群多模优化算法。首先采用动态半径及种群划分策略，避免了多种群区域重叠问题；然后引入拓扑机制，使种群内粒子在

针对粒子群优化算法中出现早熟和不收敛问题，分析了基本PSO算法参数对其优化性能的影响，提出了基于非线性权重的自适应粒子群优化算法（NWAPSO）。在优化过程中，惯性权重随迭代次数非线性变化，改进的算法

针对NP-hard性质的作业车间调度问题,设计了一种改进的离散粒子群优化算法。引入遗传算法交叉算子和变异算子来实现粒子的更新,并将变异思想和模拟退火算法思想融入该算法中对全局最优粒子的邻域进行局部搜索

为了克服粒子群优化算法在解决复杂问题时易陷入局部最优的缺陷, 提出了一种新的自适应动态文化粒子群优化算法。该算法引入评价粒子群早熟收敛程度的指标来判断种群空间粒子群状态, 以确定影响函数对种群空间粒子

针对粒子群优化算法容易出现早熟收敛和稳定性低的现象,提出一种自适应调节的粒子群算法。算法中通过自适应调节适应度值的均匀分布保持种群的多样性,该策略能够提高算法的全局搜索能力,同时可避免阈值对算法稳定性