粒子群算法PSO,资料中包括5中改进的PSO算法代码,并带有一个测试函数,可以用PSO算法直接调试出结果,对代码有较为详细的备注
为了解决悬臂型桥墩结构在输入信息未知条件下的物理参数识别问题,采用将松弛法与改进的全量补偿算法结合起来的算法,通过对参数的离散化,对输入未知条件下的一悬臂型桥墩结构的多个物理参数进行了识别。结果表明:
在基于粒子群优化的节点定位过程中,惯性权重的设置对算法收敛速度和定位精度有着重要影响。本文从两个方面对其进行改进:利用节点间的连通信息对未知节点可能存在的区域进行估计,缩小粒子搜索范围;根据未知节点存
根据新一代GPS标准,建立了符合最小区域条件的圆柱度评定的数学模型。提出了一种带交叉算子的改进粒子群优化算法,并以此对圆柱度测量数据进行最小区域评定,给出了该算法的实现方法。经实例验证,该方法可以在新
针对粒子群优化算法(PSO)容易陷入局部最优值的缺点, 提出一种基于遗传算法模式定理思想改进的粒子群优化算法(IPSO).新算法改善了粒子群优化算法摆脱局部极小点的能力.对典型函数的测试表明,IPSO
Python写的 在网上找的代码,改了一下,权重随训练变化的 改的有点乱,请多担待 训练参数误差能到2.89%
提出了改进粒子群算法,提高了计算速度;以矿车等待时间短和装卸车距离短为原则给出了矿车调度系统的目标函数,用改进粒子群算法计算矿车调度系统的最佳调度方案,提高了矿车资源利用率。设计了基于改进粒子群算法的
针对支持向量机在故障诊断中参数的选取问题,提出一种改进的粒子群优化算法,对支持向量机的惩罚因子与核参数进行优化。为了克服传统粒子群算法前期收敛快、后期易陷入局部最优的缺陷,提出一种惯性权重自适应调整的
为了提升粒子群优化算法(particleswarmoptimization,PSO)的性能,提出了一种基于网格划分的自适应粒子群优化(grid-basedadaptiveparticleswarmop
为解决粒子群优化算法前期搜索盲目,后期搜索速度慢且易陷入局部极值的问题,对算法中粒子更新方式和惯性权重进行了改进,提出了一种基于引导策略的自适应粒子群优化算法(improvedparticleswar