论文研究 粒子群算法求解需求随机的分批配送VRP.pdf

改进粒子群算法求解TSP问题

标准粒子群算法在寻优过程中，容易陷入局部最优解。为解决这一问题，混合粒子群算法摒弃了传统的粒子位置更新方法，引入了遗传算法中的交叉和变异操作，通过粒子与个体极值和群体极值的交叉以及粒子自身变异的方式来

基于粒子群算法的改进遗传算法的研究，陶磊，景晓军，遗传算法是一种模拟生物进化论的智能优化算法，具有简单、通用、鲁棒性强等优点。遗传算法自提出以来已成功应用到很多领域，但经

针对传统线性判别分析方法存在的问题，在研究现有理论成果的基础上，提出一种新的LDA实现方法。该方法首先对原有的Fisher准则进行修正，然后通过迭代搜寻最佳鉴别矢量，最后对获取的鉴别矢量进行比较分析。

对带速度项的PSO算法和不具速度项的动态概率PSO算法进行了随机递推分析，给出了保证收敛的算法的参数取值依据以及相关条件，并基于此提出了改进的动态概率PSO算法（RSPSO）。数值实验分析结果表明，改

针对于粒子群算法（PSO）易早熟、参数相关性强以及高维数据难以优化的问题。通过引入多点力学计算和理论建模推导，提出了一个新的粒子速度的计算方法。通过理论推导和实验证明对理论结果进行仿真和测试，对于常见

针对非线性互补问题求解的困难，利用粒子群算法并结合极大熵函数法给出了该类问题的一种新的有效算法。该算法首先利用极大熵函数将非线性互补问题转化为一个无约束最优化问题，将该函数作为粒子群算法的适应值函数；

通过对标准粒子群算法中惯性权重的分析，提出了一种惯性权重正弦调整的粒子群算法。运用差分方程对粒子速度变化过程和位置变化过程进行分析，得到了粒子群算法的收敛条件。通过对4个典型的函数的测试，实验结果表明

粒子群算法的惯性权重调整策略，李丽，薛冰，惯性权重是粒子群算法改进的一个重要出发点，通过调整惯性权重可以大大提高算法的性能。本文在简要介绍粒子群算法原理、流程的基

粒子群（PSO）与K-means结合是聚类分析中的重要方法之一，但都未考虑粒子更新导致的空类问题。提出基于多子群粒子群伪均值（PK-means）聚类算法，为该问题的解决提供一种有效途径，并与粒子群K均