螺旋粒子群优化算法的研究简报,滕弘飞,张英男,本文提出了一种螺旋粒子群优化(SPSO)算法。传统PSO算法的搜索路径,对于全局版PSO,以一只鸟(粒子i)的飞行来比喻,其空间的飞行
为了高效求解动态连续优化问题, 提出一种分层粒子群优化算法. 该算法将动态函数定义域分成??个子空 间, 每个空间用一个粒子群作为第一层进行独立搜索, ??个子空间的最优粒子再组成一个全局粒子群进行全
针对K-medoids算法的全局搜索能力弱和迭代计算过程计算量大的不足,提出了一种改进的基于粒子群的粗糙K-medoids算法。该算法通过粒子群算法来改善K-medoids全局搜索能力,通过计算样本集
针对K-means对初始聚类中心敏感和易陷入局部最优的缺点,提出了一种改进的基于粒子群的聚类算法。该算法结合基于密度和最大最小距离法来确定初始聚类中心,解决K-means对初始值敏感的问题;利用粒子群
一种改进的基于进化状态的粒子群算法,赵海娜,孙长银,本文借鉴聚类分析中聚类中心的概念,对基于进化状态估计的自适应粒子群算法中的进化因子进行改进,提出了一种新的计算进化因子的
为提高多目标粒子群算法的局部搜索能力,提出了一种模糊学习子群多目标粒子群算法(FLSMOPSO)。在搜索过程中,每个粒子模糊自适应学习生成不确定的p个粒子形成一个子群而不是只产生一个新粒子,然后在其中
针对基本混合蛙跳算法在处理复杂函数优化问题时容易陷入局部最优、收敛速度慢的缺点,提出了一种改进的混合蛙跳算法。该算法把生物学中的吸引排斥思想引入到混合蛙跳算法中,修正了其更新策略,从而维持了子群的多样
指派问题在组合优化中属NP-Complete问题。提出了一种基于离散粒子群算法的求解方法。算法中每个粒子的位置代表了一种可行的指派方案,在迭代中通过交叉策略和局部搜索策略来更新粒子的位置,这既保证了粒
一种求解约束优化问题的差分进化算法,刘若辰,李勇,基于差分进化算法的相关理论以及随机排序约束处理方法,本文提出了一种新的基于差分进化算法来解决约束优化问题。该算法对种群的
最近涌现了各种进化方法来解决多目标优化问题,分散搜索也是一种可以解决多目标问题的算法。该算法的结构引用进化算法的杂交和变异算子来增强它的性能,但该算法与其他进化算法的不同在于一系列操作策略不再基于随机