论文研究一种新的改进粒子群算法研究 .pdf

针对传统粒子滤波算法中粒子匮乏以及粒子多样性丧失的问题,提出了一种基于蚁群优化的改进粒子滤波算法。该算法利用蚁群算法优化粒子滤波的重采样过程,使粒子在更新权值后,利用转移概率向权值较优粒子的位置移动,

提出一种基于粒子群算法的改进多目标文化算法并用于求解多目标优化问题. 算法中群体空间采用多目标 粒子群优化算法进行演化; 信念空间通过对形势知识、规范化知识和历史知识的重新定义使之符合多目标优化问题;

:通过分析数据关联的特点和已有的关联规则挖掘算法,在定量描述的准确性和算法高效性方面作了进一步研究,提出了更准确的支持度和置信度定量描述方法和关联关系强弱的定量描述方法。同时,改进了FP-growth

数据挖掘关联规则Apriori算法的一种新改进，白东玲，郭庆平，关联规则算法的研究在数据挖掘算法的研究中占有相当重要的地位。关联规则算法的核心是Apriori算法，但随着对关联规则研究的深入，�

针对粒子群优化算法易陷入局部极值的缺点，提出一种改进粒子群算法，该算法借鉴贪婪算法的思想初始化种群，利用两个种群同时寻优，并将遗传算法中交叉和变异操作引入其中，实现种群间的信息共享。用14点TSP标准

量子粒子群改进算法TPHQPSO，杨传将，刘清，量子粒子群算法（QPSO）是最近提出的基于量子行为的粒子群优化算法,该算法的收敛性能远远优于标准粒子群算法。本文针对量子粒子群�

针对惯性权重改进策略大多采用同代粒子使用相同权重,忽略了粒子本身特点以及不同维上的有效信息,提出一种基于不同粒子不同维的动态自适应惯性权重粒子群算法(AWPSO)。在该算法中利用矢量运算分析粒子进化公

基于一种改进粒子群算法的SVM参数选取,主要介绍一种新的优化算法

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

针对粒子群算法易于过早收敛的不足，通过引入粒子间新的相似度的概念来度量粒子群的多样性程度，并用自适应变化阈值手段来控制调整粒子群算法的收敛速度，使其缓缓趋向于全局最优，在粒子群算法迭代过程中以相似度为