基于GA和PSO算法的反射阵列仿真设计

粒子群优化(PSO)算法在云计算环境下任务调度方面应用十分广泛。针对算法易陷入局部最优、收敛速度慢的缺陷,从基本概念入手,在算法中加入改进的动态惯性权重和外部扰动策略,改善PSO算法的局部寻优能力,提

矿山排土场滑坡的过程是一个动态、大延迟、高度非线性的特性问题,影响矿山排土场滑坡的因素众多,各个特性指标间相互影响,关于排土场滑坡预警并没有严格的划分标准。对此,提出一种自适应提升算法(Adaptiv

此书为浙江大学的一篇博士学位论文，详细介绍了PSO（粒子群算法）的原理及多目标优化的实现，对PSO感兴趣的读者可参阅此书。

标准粒子群优化算法，单目标，基于粒子群算法PSO的函数极值寻优

基于PSO工具箱的函数寻优算法的Matlab程序代码本资源仅供学习交流，侵删

针对粒子群优化（PSO）算法易陷入局部最优，发生早熟这一问题，借鉴复杂适应系统（CAS）理论，将混沌和自适应引入到基本PSO中，形成一种双重自适应PSO算法（DAPSO）。该算法在初始化种群时，采用L

本文详细介绍了一种基于密度的聚类算法——DBSCAN(Density-Based Spatial Clustering of Applications with Noise)，并着重讲解了使用PSO优

DBSCAN是一种基于密度的聚类算法，通过使用PSO（粒子群优化）算法进行参数优化，可以更加准确地划分出聚类簇，并能够在噪声的空间数据库中发现任意形状的聚类。PSO算法通过在搜索空间中寻找最优解，将参

粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从

为解决常规油层识别方法因其本身缺陷而无法取得理想效果的缺点,提出一种基于改进PSO算法的LS-SVM 油层识别模型,即综合已有改进的PSO模型提出一种新的改进形式,并用此算法迭代求解[LS-SVM 中