搜索资源列表
gamin
- 采用粒子群算法的参数辨识,计算速度更快,参数更准确。-Using particle swarm optimization algorithm parameter identification, computing faster, more accurate parameters.
20090316082518135
- 采用改进的粒子群算法解决生产优化中的问题 -Particle Swarm Optimization algorithm to solve the production
gghh
- 差别算法matlab代码(differential algorithm)及粒子群算法的介绍-Difference algorithm matlab code (differential algorithm) and the introduction of particle swarm optimization
1
- 粒子群算法的程序代码,简单易用,是采用c语言实现的-Particle swarm optimization code, easy to use, achieved using c language
pid
- 基于改进粒子群算法整定的PID网络流量控制研究-Particle swarm optimization based on improved PID tuning of network traffic control
pso
- 关于人员排班的粒子群算法程序,包含班次、人员、技能和时段,最后确定每个班次每种技能人员的数量。-This is about staff scheduling,which contain classes、staff、technology and time.In the last,I will get the quantity of staff who has one technology.
pso
- 比较好的讲粒子群算法及其应用的文章,还有改进的粒子群算法- pso algorithm and its application
04682639
- 这是一篇关于采用粒子群算法的电力系统多目标无功优化的电容补偿研究的IEEE论文。-Determination of Capacity Benefi t Margin in Multiarea Power Systems Using Particle Swarm Optimization。
PSo
- 基本的粒子群算法程序,很好的程序 ,用matlab编写的-The basic particle swarm optimization procedure, a good program, written using matlab
1234255
- 介绍了一种利用量子行为粒子群算法(QPSO)求解多峰函数优化问题的方法。为此,在 QPSO中引进一种物种形成策略,该方法根据群体微粒的相似度并行地分成子群体。每个子群体是 围绕一个群体种子而建立的。对每个子群体通过QPSO算法进行最优搜索。从而保证每个峰值都有 同等机会被找到,因此该方法具有良好的局部寻优特性。将基于物种形成的QPSO算法与粒子群算 法(PSO)对多峰优化问题的结果进行比较。对几个重要的测试函数进行仿真实验结果证明,基于物 种形成的QPSO算法可以尽
23445455
- 针对小生境粒子群优化技术中小生境半径等参数选取问题,提出了一种新颖的小生境方法,无须小生 境半径等任何参数。通过监视粒子正切函数值的变化,判断各个粒子是否属于同一座山峰,使其追踪所在山峰 的最优粒子飞行,进而搜索到每一座山峰极值。算法实现简单,不仅克服了小生境使用中需要参数的弊端,而且 解决了粒子群算法只能找到一个解的不足。最后通过对多峰值函数的仿真实验,验证了算法可以准确地找到所 有山峰-Proposed a novel niche for niche particle
466676
- 针对小生境粒子群优化技术中小生境半径等参数选取问题,提出了一种新颖的小生境方法,无须小生 境半径等任何参数。通过监视粒子正切函数值的变化,判断各个粒子是否属于同一座山峰,使其追踪所在山峰 的最优粒子飞行,进而搜索到每一座山峰极值。算法实现简单,不仅克服了小生境使用中需要参数的弊端,而且 解决了粒子群算法只能找到一个解的不足。最后通过对多峰值函数的仿真实验,验证了算法可以准确地找到所 有山峰-Proposed a novel niche for niche particle
5346363636
- :针对粒子群算法进行多极点函数优化时 存在的局部极小点和搜寻效率低的问题,引入了小 生境的思想到粒子群算法中,以粒子的最好位置为 中心,粒子的最好的个体解对应的适应值为半径建 立圆形小生境。stretching 技术,其次对子群体采用解散策略,即当在子群体中找到一个极值点后把子群体解散回归主群体,最 后设置子群体创建时的半径阈值,避免子群体半径过大。该算法解决了标准的NichePS0算法在处理 多峰函数时,极值点的个数依赖于子群体个数及极值点容易出现重复、遗漏
psoalgorithms
- 求解0-1二次规划的粒子群算法 先将离散的0-1变量约束转化成了不光滑方程的约束,再用磨光函数方法对其光滑化。最终,把原来的数学模型转化为可微的非线性规划问题。最后,粒子群优化算法求解-0-1 first discrete particle swarm algorithm for solving 0-1 quadratic programming variable constraint transformed into smooth equations and constraints, it
Multi-fault--based---WSVM-and-PSO
- 一种基于小波支持向量机和粒子群算法的多故障诊断技术。-Multi-fault classification based on wavelet SVM with PSO algorithm to analyze vibration signals from rolling element bearings
matlab-code
- 混合粒子群算法代码及其混合粒子群算法代码大全-Hybrid particle swarm algorithm code and its hybrid particle swarm algorithm code.
lijinj
- 提出了一种基于反向学习机制的改进量子粒子群算法,采用反向学习机制增加种群的多样性,使搜索效率有了较大的提高,有效地避免了算法早熟收敛。-An improved quantum particle swarm optimization (QPSO) based on reverse learning is presented in this paper, which adopts reverse learning to increase the diversity of the popula
dsad
- :智能算法如粒子群算法已被应用于PID控制器的参数优化,以弥补传统优化方法容易产生振荡和较大超调量 的不足,但是粒子群算法存在易于早熟的缺点,在分析量子粒子群算法的基础上,提出了使用量子粒子群算法优化PID控 制器的参数。为了兼顾控制系统的各项性能指标,根据控制器的实际要求对各项指标进行加权作为算法的目标函数,对 PID控制器进行多目标寻优。通过2个传递函数实例,分别使用z—N、粒子群算法和量子粒子群算法进行了PID控制器 参数优化设计,并对结果进行了分析。-Abstract:H
dsaddsafds
- PID控制器的性能取决于其控制参数的组合,针对其参数的整定和优化问题,提出了应用一种改进的粒子群优化算法,该 算法借鉴了遗传算法的杂交机制,并采用惯性权值的非线性递减策略。用以加速算法的收敛速度和提高粒子的搜索能力。将该算 法应用于一个二阶系统的PID控制器参数的优化。仿真结果表明该改进的粒子群算法具有比传统粒子群算法和遗传算法更好的 优化效果,具有一定的工程应用前景。-Abstract:PID controller’s performance completely depends
QPSOC
- Application of quantum-behaved particle swarm algorithm in clustering of genes量子行为粒子群算法在基因聚类中的应用-Application of quantum-behaved particle swarm algorithm in clustering of genes