暂无评论
为提高粒子群算法的优化性能,提出了一种基于相位编码的量子粒子群算法。用量子比特的相位描述粒子的空间位置,用Pauli-Z门实现粒子位置的变异。通过研究惯性因子、自身因子和全局因子的关系,提出了全局因子
生态化MAS是由异构的Agent所组成的一种具有协同进化的多Agent系统。提出了生态化MAS的理念和认知模型,它是形成Agent知识和信念的基本框架;设计了一个模型检验的程序结构,并通过典型应用表明
针对量子粒子群优化算法(quantumdeltaParticleSwarmOptimization,PSO)在处理高维复杂函数时存在收敛速度慢、易陷入局部最优和算法通用性不强等缺点,提出了一种基于混沌
针对传统粒子群算法易早熟、精度低、后期收敛速度慢等问题, 结合反向学习理论, 提出了一种基于交叉因子的双向寻优粒子群优化算法CBMPSO。该算法使初始种群在搜索区域均匀分布, 计算粒子及其反向粒子的适
分层粒子群算法在聚类分析中的应用,赵海娜,,PSO算法潜在的并行性和分布式的特点使其能够处理以数据库形式存在的大量数据,故在聚类分析中PSO算法取得了比传统方法更好的效果。
客户细分是客户关系管理中基础的、重要的内容。全面考虑了客户生命周期价值,基于群体决策技术和数据挖掘技术提出了一种新的客户细分方法。在群体决策的基础上,确定影响客户细分的变量,利用层次分析法,确定各个变
一种新的粒子滤波SLAM算法:改进方法让机器人大约行进10步完成基于局部已创建地图下的粒子滤波定位后,再利用激光传感器探测环境并更新创建的地图;同时在利用粒子滤波定位时,使粒子只分布在由航位推算法得出
标准粒子滤波算法存在的最大问题是粒子退化,针对这一问题,提出了一种改进的粒子滤波算法,该算法将无迹卡尔曼滤波算法(UKF)、混合遗传模拟退火算法和基本粒子滤波算法相结合,运用无迹卡尔曼滤波算法获得重要
无线传感器网络通过少数确定锚节点计算到其他节点距离,确定节点坐标。其中DV-Hop定位算法通过最小二乘法求解坐标,累计误差随节点平均距离误差呈指数增长,定位精度较低。提出了用粒子群PSO离散算法替代D
粒子群优化( PSO: Particle Swarm Op timization) 算法是一种有效的全局优化技术。对于PSO算法, 很容 易陷入局部极值。针对上述缺点, 提出了两点改进: 对基本PSO
暂无评论