粒子群算法在matlab中的应用

粒子群解决tsp问题 算法 程序 过程

组合优化问题一直是科学研究领域中的一个重要问题。目前解决组合优化问题的方法可以分为两类。Non-Populationbased方法和Populationbased方法。本文主要讨论属于Populati

?U Gi min ? U Gi ? U Gi max ? ?QCi min ? QCi ? QCi max ? ?Tti min ? Tti ? Tti max ?Q ? QGi ? QGi max

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以I

为提高计算机烧结配料的自适应性和通用性,提出了基于改进粒子群算法优化求解的方法。该方法采用柯西分布函数演化而来的调整函数,根据迭代次数惯性权重动态调整,对粒子群算法的全局和局部搜索能力进行平衡调整,使

针对基本粒子群（PSO）算法不能较好地解决旅行商优化问题（TSP），分析了基本粒子群算法的优化机理，在新定义粒子群进化方程中进化算子的基础上利用混沌运动的随机性、遍历性等特点，提出一种结合混沌优化和粒

在处理连续优化问题时，除了可以采用传统的梯度下降算法、牛顿法、共轭梯度等方法外，智能优化算法因其寻优速度快、全局收敛等特点而备受关注。本文专注于基于Java编程语言的粒子群算法（PSO）在无约束优化问

粒子群算法的matlab工具箱,对于还不太会熟练运用粒子群的初学者,会有很大的帮助

粒子群的标准源程序，对初学者很有帮助，注释比较详细，可以用来了解粒子群原理。

离散粒子群算法（DPSO）自学使用，适用于学生自学，教师教学。