一种基于粒子群优化方法的改进量子遗传算法及应用

遗传算法和改进遗传算法程序。不用工具箱的。

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

基于边界变异的量子粒子群优化算法

铣削加工中如何选择最佳的铣削用量是一个多约束非线性的复杂优化问题。在考虑实际加工约束的情况下,以最小化加工成本为目标,采用量子行为粒子群优化(QPSO)算法对铣削实例进行优化,得出了最优的铣削用量组合

对量子遗传算法进行了研究。量子遗传算法只使用一个最优染色体来指导种群的进化,极易陷入局部最优,本文对此进行了改进,提出使用多个精英染色体来指导整个种群的进化。讨论了精英染色体的产生、维护与作用,并在此

粒子群算法是基于群集智能、受到人工生命研究结果的启发而提出的一种现 代优化方法。作为一类随机全局优化技术,与传统优化方法相比较,对目标函数 的解析性质要求不高,所以常用于解决一些复杂的、大规模的、非线

基于改进量子粒子群算法的配电网络优化重构

针对基本粒子群优化(basicparticleswarmoptimization,简称bPSO)算法容易陷入局部极值、进化后期的收敛速度慢和精度低等缺点,采用简化粒子群优化方程和添加极值扰动算子两种

针对粒子群优化算法容易出现早熟收敛和稳定性低的现象,提出一种自适应调节的粒子群算法。算法中通过自适应调节适应度值的均匀分布保持种群的多样性,该策略能够提高算法的全局搜索能力,同时可避免阈值对算法稳定性

针对NP-hard性质的作业车间调度问题,设计了一种改进的离散粒子群优化算法。引入遗传算法交叉算子和变异算子来实现粒子的更新,并将变异思想和模拟退火算法思想融入该算法中对全局最优粒子的邻域进行局部搜索