已閱讀1頁，還剩51頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、本文的主要工作是做粒子群優(yōu)化算法(PSO)改進研究，并結(jié)合函數(shù)優(yōu)化測試算法改進效果。首先通過最優(yōu)化問題概述了智能優(yōu)化算法的一般特征，描述了作為一種新興進化算法——PSO算法的最初計算模型，并介紹了PSO算法的理論行為分析。之后進一步描述了PSO算法實際應(yīng)用中的幾種典型模型，簡要介紹了當前PSO算法改進研究的一些進展。在此基礎(chǔ)上，本文提出了幾種新的PSO算法的改進策略。先是將一般用于組合優(yōu)化的禁忌搜索算法(TS)跟PSO算法結(jié)合，提出了兩
2、種不同的混合策略，然后，在分析了PSO算法進化機理的基礎(chǔ)上，提出了兩種引入多個個體最優(yōu)位置的PSO算法，接著又研究了協(xié)同PSO算法及其優(yōu)化性能，并作了一定的改進，最后，本文在將PSO算法和模擬退火算法(SA)做混合嘗試時，雖然結(jié)合并不成功，卻是衍生出了一種新的改進PSO算法，并稱其為確定性PSO算法。為測試各改進PSO算法的優(yōu)化性能，本文選擇了四個有難度的標準測試函數(shù)做高維情況下的函數(shù)優(yōu)化，實驗結(jié)果顯示，算法改進前后，優(yōu)化效果都有不同程
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 粒子群及量子行為粒子群優(yōu)化算法的改進研究.pdf
- 改進的粒子群優(yōu)化算法.pdf
- 粒子群優(yōu)化算法的改進研究.pdf
- 改進的粒子群優(yōu)化算法的研究.pdf
- 粒子群優(yōu)化算法的研究與改進.pdf
- 粒子群優(yōu)化算法及其改進.pdf
- 粒子群優(yōu)化算法的改進方法研究.pdf
- 粒子群優(yōu)化算法的研究和改進.pdf
- 粒子群優(yōu)化算法的改進研究及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的改進及其應(yīng)用
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 粒子群優(yōu)化算法的分析及改進.pdf
- 粒子群優(yōu)化算法的改進及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的改進與應(yīng)用.pdf
- 基于改進粒子群優(yōu)化算法的聚類算法研究.pdf
- 基于優(yōu)化控制思想的粒子群優(yōu)化算法改進研究.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 多目標粒子群優(yōu)化算法的研究改進.pdf
- 粒子群優(yōu)化算法的改進研究及應(yīng)用.pdf
- 改進粒子群優(yōu)化算法的圖像匹配.pdf
評論
0/150
提交評論