搜索资源列表
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
gaijindeliziqunyouhuasuanfa
- 改进的粒子群优化算法在机器人足球中的应用 希望能对研究机器人足球的相关朋友有所帮助-Improved Particle Swarm Optimization Application in Robot Soccer Robot Soccer would like to study the relevant help a friend
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
求解矩阵特征值的改进PSO算法
- 求解矩阵特征值的改进PSO算法：为了改进粒子群算法在求解矩阵特征值时只能根据矩阵特征值范围逐一求解特征值的现状提出了一种改进的粒子群 算法改进的粒子群算法采用寻找到一个特征值后，适当改变适应值函数的策略，使搜索区域远离已寻找到的特征值，继续寻找 其他的特征值，如此反复，直到寻找到所有的特征值为止利用四个不同类型的矩阵求解特征值进行仿真，实验结果也验证了算 法的实用性和有效性
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
PSO
- 利用改进的粒子群算法解决旅行商问题，即g改进的PSO解决TSP,在调用程序时，直接输入pso（c,n），c为距离矩阵，请自己给出，n为粒子群个数-Improved particle swarm algorithm to solve the traveling salesman problem, ie g Improved PSO to solve the TSP
improved-particle-bionics
- 针对标准粒子群算法收敛速度慢和易陷入局部最优的局限性，提出了一种基于仿生学改进的粒子群算法。-For standard PSO slow convergence and local optimum limitations proposed based on improved particle swarm optimization bionics.
PSO_neutest
- 使用MATLAB软件实现改进的粒子群寻优的算法。-Using MATLAB software improved particle swarm optimization algorithm.
PSOTRACK
- 针对传统粒子群优化算法中惯性权重调节机制的局限性，提出一种改进的粒子群优化算法，并应用到目标跟踪领域。-To overcome the limitations of traditional particle swarm optimization inertia weightadjustment mechanism, we proposed an improved particle swarm optimization algorithm appliedto the target tracking
pso-path-planning
- 文件是关于粒子群算法求解路径规划的问题，其中包括栅格障碍物环境的建立，粒子群及其改进算法的仿真程序。-Document on particle swarm algorithm path planning issues, including the establishment, PSO obstacle grid environment and improved algorithm simulation program.
pso
- 粒子群算法学习包，可以在此基础上有很大改进空间，非常适合初学者-Particle swarm algorithm learning package, can is a great improvement on the basis of the space, very suitable for beginners
Particle-Swarm-Optimization
- 粒子群算法在仿真生物群体社会活动的基础上,通过模拟群体生物 相互协同寻优能力,从而构造出一种新的智能优化算法。但粒子群算法 本身来源于生物群体现象,其理论基础并不完备。而且由于其属于随机 的近似优化算法,主要应用于连续区域,因此该算法存在早熟收敛和对 离散性的问题难以应用的缺点。因此,对粒子群算法的理论分析、算法 改进及离散性问题的研究具有重要意义的 -The Research of Basic Theory and Improvement on Particle Swa