论文研究标准粒子群优化算法收敛性能分析与参数选择 .pdf

提出一种混合粒子群优化算法用于求解约束优化问题。新算法的主要特点是：在搜索机制方面，利用混沌初始化种群以提高初始群体的质量。为了扩大粒子的搜索范围，引入柯西变异算子。利用单形交叉算子对种群进行局部搜索

为了避免粒子群优化算法（PSO）早熟收敛，提出了一种自适应扰动的PSO算法（ADPSO），以帮助停滞的粒子跳出局部最优。为了验证算法的有效性，实验测试了九个多峰函数，包括四个旋转函数。仿真结果表明，该

提出Vague集（值）之间的新相似度量，给出一个区间值数据向Vague值数据的转化公式。农业领域的应用实例进一步表明这些公式是实用的。

为了提高粒子群优化(PSO)算法的优化性能,提出了一种多策略协同进化PSO(MSCPSO)算法。该方法引入了多策略进化模式和多子群协同进化机制,将整个种群划分为多个子群,每个子群中的粒子按照不同的进化

为了解决标准粒子群优化算法（particleswarmoptimization，PSO）收敛速度慢和容易陷入局部极小值的问题，提出了一种改进的方法。算法针对PSO算法在搜索过程中常处于一个相对稳定的阶

多目标最优化的混合粒子群算法，马金玲，唐普英，论文提出了一种基于拥挤度和动态惯性权重聚合的多目标粒子群优化算法，该算法采用Pareto支配关系来更新粒子的个体最优值，用外部存

基于改进粒子群优化算法的手势跟踪，王霞，夏海轮，针对优化算法在高维人手参数空间中求解复杂的目标函数时出现的局部搜索能力不足、早熟收敛和精度低等问题，本文提出一种基于自适

提出了一种基于粒子群优化的消除微弱信号采集过程中工频干扰的算法。通过人工构造观测信号，使系统模型符合盲源分离的数学模型要求。使用信号的四阶累积量作为信号独立性的判据，利用粒子群优化算法寻找使判据最大化

粒子群优化算法（ParticleSwarmOptimization，PSO）应用于高光谱影像端元提取时，由于影像中存在端元的像元数所占比例极小且分布零散，导致粒子群的搜索空间破碎，存在收敛性能低、容易

针对全向变异易使粒子失去已有的有利搜索信息的问题, 提出了一种并行定向变异的混合粒子群优化算法。该算法以当前群体最优位置为基准, 用变异信息矩阵和混沌位置变异矩阵对群体进行并行定向扰动, 有效利用了现