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
为进一步缓解粒子群优化算法在后期收敛速度慢、早熟等问题,提出了一种挂载式的、依赖自适应阈值和已知全局最优解的压缩搜索空间策略。在此基础上对粒子重新分配初始位置、调整速度权值来提升算法的后期探索能力。实
基于属性加权的ML-KNN算法改进,高文鹏,张彬,ML-KNN是应用朴素贝叶斯分类到KNN算法中解决多标记学习问题的一种算法,算法简洁、分类准确率高,相较其他成熟的多标记算法性能更优
针对粒子群优化算法(PSO)容易出现早熟收敛的问题,提出一种改进的粒子群优化算法(IMPSO)。该算法通过引入粒子群聚合度和变异的思想,能很好避免早熟,提高粒子全局搜索能力。将此改进的粒子群优化算法用
基于改进粒子群算法的水电站短期经济调度研究,刘婧瑶,,水电系统已经成为电力系统的主要组成部分,水能资源的有效利用显得越发的重要。本文通过对梯级水电站的短期经济调度研究,建立模
? 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) ,
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
聚类分析是数据挖掘的重要技术之一,它能够通过无监督的学习过程发现隐藏的模式,具有独立发现知识的能力。对现有文献中基于粒子群优化算法的聚类分析技术作了全面的介绍,对几种主要的粒子群聚类算法的基本原理及其
提出退火熵、生长函数和VC维等概念,构建基于VC维的学习过程一致收敛速度的界。以这些界为基础,给出基于双重随机样本的结构风险最小化原则。最后证明该原则是一致的并且推导出了关于渐近收敛速度的界。
针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况,提出了一种改进的算法。通过构造单个粒子的多个进化方向和类似于蚂蚁群算法信息素表的选择机制,保留了粒子的多种可能进化方向。提高了粒子
