暂无评论
提出一种新的约束优化粒子群算法。该算法采用非固定多段映射罚函数法处理约束条件。在进化过程中，利用混沌序列初始化种群，选取最优粒子进行局部一维搜索，增强了在最优点附近的局部搜索能力，以加快算法的收敛速度
提出了一种基于动态粒子群优化的网格任务调度算法。设计了网格任务调度问题的数学模型，给出了自适应变异的动态粒子群优化算法的框架，引入了自适应学习因子和自适应变异策略，从而使算法具有动态自适应性，能够较容
针对标准粒子群优化算法易出现早熟收敛、搜索速度慢及寻优精度低等缺陷，提出一种基于随机惯性权重的简化粒子群优化算法。算法采用去除速度项的粒子群简化结构，通过随机分布的方式获取惯性权重提高新算法的局部搜索
粒子群优化算法的性能主要受其中参数的影响，尤其是惯性权重的影响，选择合理的ω能够平衡算法的全局和局部搜索能力。根据当前粒子的函数值调整学习因子，利用局部搜索的方法确定惯性权重，提高了算法的鲁棒性能。最
为克服粒子群优化算法（PSO）易陷入局部最优导致早熟收敛的问题，提出了一种新型的基于自适应驱散机制的粒子群优化（ADMPSO）算法。基本的粒子群优化算法易陷入局部最优，一般的改进算法在搜索过程之中对个
为了平衡算法的探测能力和开采能力，提高粒子群算法在不同类型问题上的综合性能，提出了一种基于自适应多种群的粒子群优化算法（PSO-SMS）。算法包含重组、子群规模调整和探测三个模块。在演化初始阶段，整个
将引入粒子群优化算法来解决带随机权值、服从独立均匀概率分布的极小化极大（1-中心）平面选址问题，对其进行实验模拟并得出了乐观的结果。
为解决多目标粒子群优化算法存在解的多样性差、分布不均等问题，提出一种混合择优机制：在迭代过程中每个粒子依概率，根据解集信息熵或Sigma值确定其全局极值；并直接对解集进行基于信息熵的克隆选择，根据支配
为了克服粒子群优化算法容易早熟的问题，提出了一种新的粒子群优化算法。算法在进行速度和位置更新后，随机选取两个个体历史最好位置（不含全局最好位置）与全局最好位置，利用二次插值产生新的位置，并与当前个体历
从论域中各个元素之间所具有的客观关系出发，利用集值映射的原理在论域上得到一个覆盖，构造了一种新的覆盖粗糙集模型；研究了与之相关的基本性质，并将其与现有的5种主要的覆盖粗糙集模型进行比较研究。为如何根据
暂无评论