暂无评论
粒子群优化算法是一种基于群智能的随机优化算法,具有简单易实现、设置参数少、全局 优化能力强等优点. 着重对粒子群优化算法中的基本算法、改进算法、应用领域和研究热点等方 面做了较为详细的论述.
针对目前多峰函数优化问题较难找到全部局部最优解的情况，提出了一种粒子群Memetic算法。算法结合了粒子群优化的全局搜索能力和爬山法的局部搜索能力，增强了算法搜索最优解的能力。实验结果表明，该算法求解
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
针对种群多样性对粒子群算法的性能影响, 提出了一种基于差异进化思想的粒子群算法。该算法采用多生态子群社会结构, 利用一种新的全信息粒子作为信息交互的渠道, 通过进化过程中的种群衰落监控指导子群间的差异
改进的粒子群优化算法及其应用研究论文，对于研究并应用粒子群算法的人员应该会有帮助
将粒子群优化算法应用到到二维Toy模型中进行蛋白质折叠结构预测，提出了一种随机扰动粒子群优化算法，并与爬山算法、模拟退火算法融合，给出了在Fibonacci测试序列及真实蛋白质序列上的测试结果，取得了
Research on Multi-objective Particle Swarm Optimization Algorithm
基于粒子群算法的模糊控制规则优化的研究，贾立新，蔡文文，为了避免模糊控制设计中比例因子和量化因子的复杂调试，以及模糊控制规则一旦确定就无法改变的缺点，采用基于规则修改的模糊控制
基于粒子群算法的遗传算法研究，秦广军，王欣艳，针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,基于粒子群算法,对传统遗传算法作了改进,提出了一种基于粒子群
暂无评论