在研究了具有量子行为粒子群算法的基础上,受遗传算法并行化的启发,对具有量子行为的粒子群算法提出并实现了新的并行化策略。针对通信时间过长的问题,提出了改进方法。最后通过benchmark测试函数,将并行
几种改进粒子群优化算法的性能分析与研究,胡建明,马开良,粒子群优化算法(PSO)是一种群体智能优化算法,其思想来源于人工生命和演化计算理论。PSO算法通过粒子追随自己找到的最好解和整个
一种改进的粒子群优化算法的研究,刘斌,,利用种群的平均信息和保持活性策略。试图改变粒子群优化算法的性能,从而提出一种带有种群平均信息和保持活性策略的粒子群优化算
为了改善无线传感网络的性能,提高网络的覆盖率,在粒子进化的多粒子群算法的基础上,提出了一种无线传感网络覆盖的优化策略。该策略通过多个粒子群彼此独立地搜索解空间, 提高了算法的寻优能力,有效地避免了基本
σ-度量和弱σ-度量是模糊信息度量的重要概念。熵、距离测度和相似测度是σ-度量和弱σ-度量的特例。在直觉区间值模糊集定义的基础上,给出了σ-熵和弱σ-熵、σ-距离测度和弱σ-距离测度、σ-相似测度和弱
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
从研究分析粒子群算法和郭涛算法的特点出发,提出一种综合两算法优点的混合算法。新算法改变了粒子的更新方式,以子空间搜索和串行搜索相结合的多点并行搜索,扩大了算法的搜索范围,减少了粒子对初值的依赖,增强了
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。
利用变异机制可以增加遗传算法全局寻优能力的特性,结合惯性权值线性递减PSO算法具有较快收敛速度的优点,提出了一种双种群变异PSO算法,对该算法与其他PSO算法进行了比较,仿真结果表明其性能优越。
提供一个自用的粒子群算法和例子,希望能有所帮助。粒子群优化算法(ParticalSwarmOptimizationPSO),粒子群中的每一个粒子都代表一个问题的可能解,通过粒子个体的简单行为,群体内的