暂无评论
粒子群优化算法的寻优算法适用于非线性函数极值寻优
粒子群优化算法的改进 常见粒子群优化算法的改进 1模糊惯性权重(fuzzy inertia weight ) 法 Shi 等提出用模糊控制器来动态自适应地改变惯性权重的 技术控制器的输入是当前惯性权重
在基本粒子群优化算法的理论分析的基础上, 提出一种加速收敛的粒子群优化算法, 并从理论上证明了该算法的快速收敛性, 同时对该算法中的参数进行了优化. 为了防止其在快速收敛的同时陷入局部最优, 采用依赖
? 1 o 模糊惯性权重(fuzzy inertia weight)法 ?Shi等提出用模糊控制器来动态自适应地改变惯性权重的 技术控制器的输入是当前惯性权重将口当前最好性能评 价值(CBPE) ,
一本关于最新的粒子群方面的文章集,里面包括了一些对粒子群的改进和新的应用,较好的反应了粒子群的研究现状!
粒子群优化( PSO: Particle Swarm Op timization) 算法是一种有效的全局优化技术。对于PSO算法, 很容 易陷入局部极值。针对上述缺点, 提出了两点改进: 对基本PSO
粒子群优化算法的简单例子,实现对非线性函数的极值寻优
本ZIP文件中包括粒子群优化算法的matlab实现代码,另外提供了机遇PSO算法的图像聚类code。粒子群优化算法作为群智能优化算法领域的经典、重要算法,由于算法的高效性,应经在全局优化领域占有重要地
对粒子群算法的代码进行编写,简单介绍了算法的每步代码的意思
为使粒子群优化算法(PSO)优化过程的多样性与收敛性得到合理解决,以提高算法优化性能,基于种群拓扑结构与粒子变异提出两种粒子群改进算法RSMPSO和RVMPSO.改进算法将具有信息定向流动的闭环拓扑结
暂无评论