搜索资源列表
sss
- 在现有的道路条件下，提高交通控制和管理水平，合理利用现有的交通设施，充分发挥其能力，是解决我国现在交通问题的有效方法之一。而对单路口信号配时的优化，是城市交通区域控制的基础，十分之重要。本文将自适应变异粒子群算法应用于交通信号配时，与传统的信号配时方法相比较，车辆的平均延误得到了明显的改善。-the existing road conditions, traffic control and management, rational use of existing transport facili
Resources-Allocation
- 在传统的子载波分配过程中，具有优先权的用户将优先选择最好的载波，这将导致载波利用效率下降。 许多改进算法通过牺牲一定的公平性来提升容量并降低复杂度，但是这可能会使用户间无法达到所要求的公平 性。针对这些问题，提出了一种基于公平度门限的载波和功率自适应分配算法。在载波分配过程中，通过公平度 门限来决定载波分配优先级，从而实现容量和公平度的粗略折中。载波分配后利用粒子群（PSO）算法进行功率分配来达到所要求的公平度门限。实验结果表明，该算法在满足所要求公平度门限的同时提升了系统容量。 -
Pgoplotpssoa
- 改进全局粒子群算法,加入时下论文中介绍的的收敛因子和惯性权重，比传统基本算法效率高 -Improved global particle swarm algorithm, adding nowadays paper introduces the convergence factor and inertia weight, higher than the the traditional basic algorithm efficiency
qpso
- 该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题 性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。-The algorithm is based on convergence particle swarm particle basi
sample1
- 传统粒子群，简单实例4个，matlab平台(Traditional particle swarm, 4 simple examples, matlab)
TSP-PSO
- 混合粒子群算法摒弃了传统粒子群算法中的通过跟踪极值来更新粒子位置的方法，而是引入了遗传算法中的交叉和变异操作，通过粒子同个体极值和群体极值的交叉以及粒子自身变异的方式来搜索最优解。(Hybrid particle swarm algorithm instead of the traditional particle swarm algorithm in the method to update the position of the particle by tracking the maximu