为解决柔性资源受限多项目的调度问题,有效实行资源分配和工作时间安排,采用混沌粒子群算法结合混合优先规则,形成优先规则序列。针对多项目问题,避免了传统方法将多个项目合并为一个项目,而是形成一个链表在项目
应用混沌粒子群算法解决关键链项目管理的优化调度问题,并利用了混沌运动遍历性、随机性等特点,对传统粒子群算法进行改进,摆脱了粒子群算法后期易陷入局部极值点的缺点,并保持了前期搜索的快速性。通过实例证明,
针对传统神经网络收敛速度慢,收敛精度低,以及用于模式识别泛化能力差的问题。提出了将量子神经网络与小波理论相结合的量子小波神经网络模型。该模型隐层量子神经元采用小波基函数的线性叠加作为激励函数,称之为多
提出一种双种群粒子群算法,在粒子进化过程中,具有当前最优位置的种群侧重于局部搜索,而不具有当前最优位置的种群侧重于全局搜索。两个种群在进化过程中受共同的群体最优位置影响进行进化,从而实现信息共享,协调
针对量子粒子群优化算法存在早熟收敛的问题,提出一种基于Logistics混沌映射变异的多种群量子粒子群优化算法(CMQPSO),采用分段Logistics混沌映射生成初始粒子群,根据适应度值将群体分为
研究了一种全新的基于自适应混沌变异粒子群的路径规划算法。该方法首先进行环境建模,利用改进的粒子群算法获得一条较优路径。在改进的粒子算法中为防止早收敛,加入自适应混沌变异操作,在加强算法局部搜索能力的同
基于混沌粒子群算法的微带天线优化设计,刘建霞,朱秀敏,粒子群优化算法中引入混沌序列可以增加粒子的多样性,提高算法的搜索性能。本文在前人的基础上改进了一种新的自适应双混沌粒子群
粒子群优化算法参数少,寻优速度快,但其寻优效率低且在寻优后期易早熟收敛。为改善其寻优性能,在标准粒子群优化算法中,通过引入混沌映射和自适应变异策略,提出具有自适应变异的混沌粒子群优化(ACPSO)算法
针对基本粒子群优化算法(PSO)算法易陷入局部最优的缺点,提出混沌自适应粒子群-序列二次规划算法(CAPSO-SQP)。在基本PSO算法的基础上,加入混沌搜索和自适应惯性权重提高全局收敛能力,并在PS
为了有效提高粒子群优化算法的收敛速度和搜索精度,增强算法跳出局部最优,寻得全局最优的能力,提出了一种改进的简化粒子群优化算法。该算法考虑了粒子惯性、个体经验和全局经验对于位置更新影响力的不同,改进了位