标准粒子群算法易陷入局部最优值。根据粒子群算法中的不确定性因素,提出自适应模糊的粒子群优化算法(AFPSO)。在该算法中,对惯性权值和位置更新采用模糊控制,用所有粒子的个体最优的加权平均替代全局最优值
针对分布式路由算法在软件定义无线传感器网络中应用时能量消耗大以及簇头能耗不均衡问题,提出一种基于扰动粒子群优化的能耗均衡路由算法tPSOEB。该算法通过考虑节点的剩余能量、位置和能量均衡信息选择簇头,
基于粒子群算法的遗传算法研究,秦广军,王欣艳,针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,基于粒子群算法,对传统遗传算法作了改进,提出了一种基于粒子群
针对综合学习粒子群算法后期收敛速度慢、一旦所有粒子陷入局部最优,则无法跳出等缺陷,提出免疫综合学习粒子群优化(ICLPSO)算法。ICLPSO算法引入人工免疫系统中的克隆选择机制,利用克隆复制、高频变
针对粒子群优化算法的“早熟”问题,提出了一种新型分阶段粒子群优化算法。该算法通过调整惯性权重和加速系数使粒子自组织地跟踪局部吸引域和全局吸引域来扩大粒子的搜索空间和提高粒子的收敛精度,同时根据粒子处于
针对粒子群算法容易早熟收敛和后期收敛速度慢的缺点,结合进化论中小生境技术,提出了小生境粒子群优化算法。通过粒子之间的距离找到具有相似距离的粒子个体组成小生境种群,然后在该种群里面利用粒子群优化算法进化
充分利用粒子群优化算法的收敛速度较快及混沌运动的遍历性、随机性以及对初值的敏感性等特性,考虑到惯性因子对多样性的影响,通过引入早熟收敛程度评价机制,采用逻辑自映射函数来产生混沌序列,提出一种基于混沌思
一些关于粒子群算法的文献-混沌映射的粒子群优化方法.pdf关于粒子群算法的一些期刊论文
为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了
认知无线电动态信道估计:基于改进的粒子群优化的粒子滤波算法,朱佩佩,张陆勇,采用序贯蒙诺卡罗技术的粒子滤波在处理非线性问题时具有独特的优势,而且粒子群优化算法以其快收敛、高精度等特征受到广泛关注。