微粒群优化算法的研究

来源 :计算机技术与发展 | 被引量 : 0次 | 上传用户:manhong85
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
粒子群优化(PSO)算法是一种启发式全局优化技术,一种基于群智能的演化计算方法,其源于鸟群群体运动行为的研究,算法通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO的优势在于简单容易实现而又功能强大。分析了粒子群优化算法的基本原理,给出了多种改进形式以及研究现状和发展情况,并提出了未来可能的研究方向。
其他文献
分析了Bottleneck算法的不足,指出在路段较为拥挤的情况下该算法中因不具备预测机制而产生的时滞会引起控制误差以及主线拥挤时会造成交通流大幅波动等,产生不足的原因是算法的
在数据挖掘中,关联规则的挖掘是一项核心内容,且规则的生成主要集中在如何寻找频繁项集上。一般情况下,寻找频繁项集是困难的,且项数越多越难,而最长频繁项集隐含了几乎所有的频繁
研究区位于华北板块与西伯利亚板块之间的碰撞接壤部位,区域岩浆活动频繁,褶皱、断裂构造发育,具有良好的成矿地质条件。本文以现有成果资料为依托,充分分析研究区成矿地质背
青海省北祁连地区基性火山岩大面积分布,其中托莱山—达坂山成矿带早古生代基性火山岩具有形成与基性火山岩有关的Cu、Zn、Au、Pb等矿床的有利条件,近年来发现了多处铜锌矿床
青海多彩铜多金属矿累计探明Cu+Pb+Zn资源量103万t。该矿位于三江成矿带北西段,处于特提斯-喜马拉雅构造域、北羌塘-昌都陆块北缘。矿区火山岩出露广泛,岩性为安山岩、英安岩