暂无评论
在计算机科学领域中，多目标优化问题一直是一个极具挑战性的问题。粒子群算法作为一种有效的全局优化算法，已经被广泛应用于各种实际问题中。粒子群算法的基本原理和具体应用，以及如何通过粒子群算法来解决多目标优
应用粒子群算法求解多目标优化问题 应用粒子群算法求解多目标优化问题 matlab代码 应用粒子群算法求解多目标优化问题 matlab代码
粒子群算法(Particle Swarm Optimizer，PSO)是由 Kennedy 和 Eberhart 博士提出的一种基于群体智能的优 化算法,其基本思想是受到他们早期对许多鸟类的群体行为进
本文提出了一种新的基于群体适应度方差自适应变异的粒子群优化算法(A ,s0).该算法在运行过程中根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率,变异操作增强了粒子群优化算法跳出局部
粒子群算法优化bp神经网络，预测代码确保上传的内容合法合规，涉及侵权内容将会被移除，详见CSDN资源共享规范。
基于自适应变异的粒子群算法
针对离散粒子群算法局部搜索能力差的不足,提出了一种基于双尺度协同变异的离散微粒群算法.采用对当前最优解进行双尺度速度变异的方法,来实现提高算法局部最优解搜索和改善最优解精度的能力.在算法初期利用大尺度
研究了一种用于求解多目标优化问题的粒子群算法(CMMOPSO)。该算法采用外部存档存储每一代产生的非劣解,并且采用拥挤距离来维持外部存档规模,同时提出一种新的全局最优粒子的选取策略(基于拥挤距离和收敛
为了提高多目标优化算法解集的分布性和收敛性,提出一种基于分解和差分进化的多目标粒子群优化算法(dMOPSO-DE).该算法通过提出方向角产生一组均匀的方向向量,确保粒子分布的均匀性;引入隐式精英保持策
<html dir="ltr"><head><title></title&
暂无评论