暂无评论
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
总结分析了影响粒子系统实时性的主要因素，归纳并提出了优化方法，具体包括：为了提高绘制效率，可采用显示列表、公告板技术、几何形体优化、多级粒子系统；为减少计算复杂性，采用碰撞检测与处理优化、存储方式优化
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
为了有效提高粒子群优化算法的收敛速度和搜索精度,增强算法跳出局部最优,寻得全局最优的能力,提出了一种改进的简化粒子群优化算法。该算法考虑了粒子惯性、个体经验和全局经验对于位置更新影响力的不同,改进了位
文中针对把最小化总流动时间作为基准(Fm|fmls,Splk,prmu|∑Cj)的流水车间序列依赖组调度问题(FSDGS),研究了一种新的粒子群优化算法(PSO)。并基于排序值(Ranked Orde
针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况，提出了一种改进的算法。通过构造单个粒子的多个进化方向和类似于蚂蚁群算法信息素表的选择机制，保留了粒子的多种可能进化方向。提高了粒子
分析了粒子群算法的惯性部分、个体认知部分和群体认知部分的作用，对粒子群算法迭代方程的各部分进行变形，获得了三种新形式的粒子群算法。用算例说明所得到的三个新的粒子群算法具有较好的优化能力。
混沌理论与粒子群优化算法的结合，提升优化的性能和效果
粒子群优化算法(PSO)是一种进化计算技术(evolutionarycomputation)，有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究PSO同遗传算法类似，是一种基于叠
量子势阱粒子群优化算法的改进研究
暂无评论