基于人工蜂群算法和BP神经网络的电力负荷预测研究王天力.caj

改进版人工蜂群算法，结合了局部深度搜索和全局广度搜索的优势，操作简单、易于实现。随着进化代数的增加，移动步长从一个较小的数逐渐增长到一个较大的数。在进化前期，改进后的移动因子能够进行全面的局部搜索，使

人工蜂群(ABC) 算法存在着收敛速度不够快、易陷入局部最优的缺陷. 针对这一问题, 提出一种改进的人工蜂群(DCABC) 算法. 应用反学习的初始化方法产生初始解, 引入分治策略对蜜源进行优化, 在

为了克服人工蜂群算法在处理复杂性问题时收敛速度慢、收敛精度不高、易早熟等缺陷, 在原始人工蜂群算法的基础上引入信息熵. 信息熵本身是不确定性的一种度量, 由信息熵的值来度量人工蜂群算法中跟随蜂选择的不

基于蝙蝠算法的神经网络预测模型的研究及应用.caj

介绍了2013年以来国内外蜂群算法的研究成果，包括加快收敛、提高开采能力、提高算法性能方面的改进；针对约束优化、平行化运行、多目标寻优等多方面的研究，以及人工蜂群算法在神经网络、无线传感网、决策调度、

最原始的人工蜂群优化算法ABC，输入群智能优化算法的一种。

随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影 响,造成预测准确度下降,预算结果无法正常使用. 针对这些现象,提出一种基于多层聚类和改进BP 神经网络的

Matlab粒子群神经网络的预测编程实现电力负荷预测-粒子群神经网络的预测编程实现,电力负荷预测本人已实现.rar粒子群神经网络的预测编程实现,电力负荷预测本人已实现

人工蜂群算法的加速研究，袁亚杰，马英红，在求解高维函数优化问题时，人工蜂群算法的探索性较强但是收敛速度较慢，本文修改了雇佣蜂和跟随蜂的搜索算子，引入了加速系数，

自己做的关于人工蜂群算法(ABC算法)(Artificial Bee Colony)的PPT综述。新学习的小伙伴可以参考看看。从算法简介、原理、流程、与其他群智能优化算法的比较和研究方向入手。