针对神经网络权值选取不精确的问题,提出改进的粒子群优化算法结合BP神经网络动态选取权值的方法。在改进的粒子群优化算法中,采用动态惯性权重,并且认知参数与社会参数相互制约。同时,改进的粒子群优化算法结合
针对量子粒子群优化算法(QPSO)存在着保持种群多样性差、容易陷入局部最优等缺陷,将耗散操作算子引入到QPSO量子角度更新中,提出了改进的耗散量子粒子群优化算法(DQPSO)。为验证算法的有效性,将D
0-1背包问题是组合优化中经典的NP难题,在蚁群算法的基础上结合量子计算提出一种求解0-1背包问题的量子蚁群算法。算法采用量子比特表示信息素,用量子旋转门来更新信息素。大量数据实例的比较测试表明,算法
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
通过引入量子行为来增强粒子的全局收敛能力,提出了量子粒子群优化算法(QPSO),并用于求解整数规划问题。测试函数的仿真结果表明,通过适当的参数设置,并将每次迭代所生成的实数值截至整数值后进行下一次迭代
给出了对解决图像匹配问题的一种新尝试,即基于改进并行粒子群算法的彩色图像匹配。提出和建立对彩色图像匹配问题的匹配策略和数学模型,应用改进并行粒子群算法(基于.NET任务并行库(TPL)/PLINQ实现
论文研究-基于改进粒子群算法的滑模控制方案.pdf,
针对一类非线性系统,提出了一种新的滑模控制方案.将改进粒子群算法与
螺旋粒子群优化算法的研究简报,滕弘飞,张英男,本文提出了一种螺旋粒子群优化(SPSO)算法。传统PSO算法的搜索路径,对于全局版PSO,以一只鸟(粒子i)的飞行来比喻,其空间的飞行
针对基本粒子群优化算法对复杂函数优化时难以获得最优解的缺陷,提出了一种复形粒子群优化算法。该算法采用复形法来提高粒子的局部搜索能力,从而保证了算法能够跳出局部最优,获得全局最优解。实验结果表明,与文献