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
rnd_particle_algorithm
- 随机粒子群算法对解答NP问题、复杂问题，具有传统算法难以比拟的优势——复杂性低，求得的解具有比较理想——当然，对待不同的问题，我们还需要进一步进行问题领域的编码！
求解药代动力学参数的自适应混合粒子群算法
- 摘要：针对传统方法具有初始值敏感和进化算法无法确定搜索范围等缺陷，将Nelder-Mead 单纯形与粒子群算法相结合，提出 了一种基于Nelder-Mead单纯形与粒子群算法的具有时变加速因子的自适应混合粒子群算法。将该混合算法用于血管外给药二 室模型参数优化的实验之中。仿真实验结果表明，算法计算精度高而且鲁棒性强，是一种新颖的解决药代动力学参数优化的较 好方法。
PSO_RMI
- 基于粒子群算法和区域互信息的图像配准，区域互信息比传统互信息具有更好的鲁棒性-Based on Particle Swarm Optimization and regional mutual information image registration, regional mutual information than the traditional mutual information has better robustness
goplotpso
- 改进全局粒子群算法,加入时下论文中介绍的收敛因子和惯性权重，比传统基本算法效率高-Particle swarm optimization to improve the overall situation, adding the current paper are described in the convergence factor and inertia weight, the basic algorithm than the traditional efficient
wfd
- 粒子群算法的研究 希望与大家共同进步 粒子群是一种新型的算法 与传统的遗传算法有一些不同-Particle swarm optimization research is to progress together with you is a new particle swarm algorithm and traditional genetic algorithms have a number of different
psonn
- 粒子群算法优化神经网络,神经网络为传统的多层感知器。-pso optimizes neural networks. the neural networks are multilayer percetrons.
PSOBC-dvhop
- 基于改进的粒子群算法的一个网络节点定位算法，并和传统的DVhop方法做了比较。-Based on the improved particle swarm algorithm of a network node localization algorithm, and the method and traditional DVhop were compared.
mapso
- 本程序用matlab编写，在传统的基本粒子群算法基础上结合多智能体思想，编写了基于多智能体的粒子群算法，并结合电力负荷分配问题比较了其实际效果-This program with matlab, in the traditional basic particle swarm algorithm combining based on multi-agent thought, write based on multi-agent particle swarm algorithm, and combi
constrain-opt
- 针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法。CPSO算法利用混沌搜 索的全局遍历性、随机性和规律性等特点, 引导粒子在全局范围内搜索, 从而克服了传统粒子群算法早熟收敛的缺点。 该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据, 并用惩罚函数法处理违法约束的粒子, 当基本粒子群算 法陷入早熟时, 随机选择粒子群中的部分粒子实施混沌搜索, 直至满足迭代收敛条件为止。CPSO算法能提高种群的多 样性和粒子搜索的遍历性, 从而有效提高了PSO算法的收
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
New-chaos-particle--algorithm
- 针对传统粒子群算法初期收敛较快，而在后期容易陷入早熟、局部最优的特点，提出了一种新的混沌粒子群优化算法-For early traditional PSO algorithm converges faster and easier in the late fall early, optimal local characteristics, we propose a new chaotic particle swarm optimization
PSOBP
- 包含两个部分：1传统粒子群算法优化BP神经网络 2改进的粒子群算法优化BP神经网络源代码-It consists of two parts: a traditional particle swarm optimization BP neural network 2 Improved particle swarm optimization BP neural network source code
Events-new
- 对于传统粒子群算法的改进，加入了均值删除粒子和惯性权重和收敛速度等限制，有效提高了运行速度-the newly pso method of finding the maximum point,let the rate of process rapidly
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
PSOBP
- 传统粒子群算法优化BP神经网络和改进的粒子群算法优化BP神经网络源代码-traditional particle swarm optimization BP neural network 2 Improved particle swarm optimization BP neural network source code
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
nichingparticle-swarm-optimization
- 粒子群优化算起源于对鸟群、鱼群以及对某些社会行为的模拟，是一种基于群体智能的进化计算技术。而小生境技术则起源于遗传算法，这种方法能使基于群体的随机优化算法形成物种，从而使相应的优化算法具有发现多个最优解的能力。而多分类器集成技术则是通过多个分类器进行某种组合来决定最终的分类，以取得比单个分类器更好的性能。多分类器集成技术要求基元分类器不仅个体性能要好并且其差异度要大，这与小生境技术形成物种的能力具有很多内在的相似性。目前己经有研究者将小生境技术应用于多分类器集成，但由于传统的小生境技术仍然不完善
粒子群算法优化pid源码 matlab仿真
- 粒子群算法（PSO）整定pid控制参数，比传统Z-N整定方法要好，内附matlab程序与simulink模型(Particle swarm optimization (PSO) is better than traditional Z-N tuning method in tuning PID control parameters. It includes matlab program and Simulink model.)