论文研究 基于聚类分析的随机微粒群算法.pdf

基于改进型蚁群算法的研究，雷梦瑶，俎云霄，路由技术一直是智能光网络的研究核心之一。鉴于最大最小蚁群算法有很好的全局搜索能力，蚁群算法作为自适应动态选路的代表，被广

基于排序优化选择的蚁群算法研究，张心蕾，庄卫华，蚁群算法（ACA）是一种模拟昆虫王国中蚂蚁群体智能行为的仿生优化算法。标准蚁群算法搜索时间长、易陷于局部最优解是其最为突出的

通过对蚂蚁信息激素释放、路径转移的重新定义，并将图像空间的模糊连接关系引入蚂蚁的觅食过程中，进而转换为蚂蚁搜寻食物的准则，实现了医学影像图像的分割，并进一步分析了算法实现中相关影响因素参数选择的问题。

基于蚁群算法求解TSP问题的研究，吴璇，，蚁群算法(antcolonyoptimization,ACO)，是一种用来在图中寻找优化路径的机率型技术，其利用多样性和正反馈性机制能够进行分布式并行查找

针对复杂过程的参量聚类问题，提出一种基于粒子群优化算法的聚类方法，阐述了聚类算法的基本思路。通过对过程煅烧温度和煅烧转速二维数据的聚类仿真研究，证明该算法在类似过程参量聚类中的实用性能。对粒子群优化算

求解的局部性和计算速度慢是目前非线性波阻抗反演存在的主要缺陷。在与微粒群算法进行比较的基础上，研究了量子微粒群反演算法。数值实验结果表明，与微粒群反演相比，量子微粒群波阻抗反演在收敛速度和避免陷入局部

基于混沌序列的多峰函数微粒群寻优算法的目标就是找到多峰函数的所有局部优化峰值。在分析微粒群优化 算法中各个参数对微粒运动影响的基础上，对微粒群算法进行改造，让微粒运动从初始位置沿优化函数曲线向优化峰值

介绍了一种基于密度和网格的聚类分析算法——蚁群爬山法(ACH)，这种算法能自动获得簇数k的值和任意形状的簇的划分，并具有较好的并行性。通过对网格大小的控制可获得不同层次的聚类结果。

%%####################################################################%%####Particleswarmoptimizati

这里给出的是微粒群优化算法（pso）源程序c语言版的，对一个具体的函数进行了优化。