搜索资源列表
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
linxin
- 针对量子粒子群优化算法在处理高维复杂函数时存在的收敛速度慢、易陷入局部极小等问题，提出了混沌量子粒子群优化算法。-Abstract：Using quantum-behaved particle swarmoptimization (QPSO) to handle complex functions with high-dimension has the problems of low convergence speed and sensitivity to local convergence
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
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
COLLECT
- 详细介绍了碰撞检测的方法以及碰撞检测的量子粒子群算法-Details of the quantum particle collision detection and collision detection algorithm
yiqun
- 有关蚁群算法的44篇优秀论文，包括蚁群算法、量子蚁群算法、蚁群算法与粒子群算法的混合算法等。-44 excellent papers about ant colony algorithm, ant colony algorithm, quantum ant colony algorithm, ant colony algorithm and the mixed algorithm of particle swarm optimization (pso) algorithm.