为有效改进基本PSO算法的搜索能力,提出了一种基于遗传交叉和多混沌方式改进的粒子群算法。该算法为获得比当前群体更优的最优解,采用了以下四种措施:其一,对当前群体中的最优解和每个粒子最优解进行遗传交叉操
文化粒子群优化算法,艾景波,滕弘飞,为了提高粒子群优化(PSO)算法的计算精度和计算效率,避免“早熟”,本文给出文化粒子群优化算法。该算法模型将PSO纳入文化算法框
针对粒子群优化算法在处理高维复杂函数时存在收敛速度慢、易陷入早熟收敛等缺点,提出了混合粒子群优化算法。它借鉴群体位置方差的早熟判断机制,把基因换位和变异算子引入到算法中,构造出新的个体和个体基因的适应
结合小生境思想及灾变原理,提出了一种动态调整种群结构的粒子群算法(AGPSO)。该算法在获取局部最优区域后只留下部分粒子寻找局部最优点,同时将其他粒子进行灾变处理,然后约束在剩余区域进行新最优区域搜索
基于社会系统中普遍存在“分久必合,合久必分”的现象,提出了基于分合思想的粒子群优化算法。分策略提高了演化群体的多样性,克服了粒子群优化算法局部收敛的缺陷。合策略吸取了不同群体的优良特性,提高了算法的全
针对传统粒子群算法收敛速度慢、全局搜索能力差的缺点, 提出了一种新的最优交叉动量粒子群算法。该算法通过在粒子群算法中引入一种新的二进制交叉策略来加快粒子群算法的收敛速度, 通过设置新的惯性权重来改善新
改进的粒子群算法一篇论文进的粒子群算法一篇论文,改进的粒子群算法一篇论文,
针对粒子群优化算法(Particle Swarm Optimization,PSO)存在收敛速度慢、寻优精度低和早熟收敛的问题,提出一种最优粒子增强探索粒子群算法(Optimal particle E
针对粒子群优化算法稳定性较差和易陷入局部极值的缺点,提出了一种新颖的混沌粒子群优化算法。一方面,在可行域中应用逻辑自映射函数初始化生成均匀分布的粒群,提高了初始解的质量和增加了算法的稳定性;另一方面,
基于粒子群算法的大坝力学参数反演,徐宝松,李波,本文介绍了采用粒子群算法反演物理力学参数的基本步骤,然后结合通用的商业有限元软件MSC.Marc,并利用其与FORTRAN语言的接口,编写了