注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 粒子群优化算法的研究与展望

  2. 粒子群优化算法是一种基于群智能的随机优化算法,具有简单易实现、设置参数少、全局 优化能力强等优点. 着重对粒子群优化算法中的基本算法、改进算法、应用领域和研究热点等方 面做了较为详细的论述.

  3. 所属分类：其它

    • 发布日期：2010-01-10
    • 文件大小：242688
    • 提供者：hhj274159788

  1. 多目标粒子群优化算法研究

  2. 描述多目 标粒子群优化算法(MOPSO) 的基本流程,然后从算法设计与应用等方面回顾MOPSO 的研究进展,最后对该 算法未来的研究进行了分析和展望.

  3. 所属分类：其它

    • 发布日期：2010-02-20
    • 文件大小：145408
    • 提供者：wjty6512

  1. 数学建模方法：蚁群算法

  2. 标题——作者——出处 基于蚁群优化算法递归神经网络的短期负荷预测 蚁群算法的小改进 基于蚁群算法的无人机任务规划 多态蚁群算法 MCM基板互连测试的单探针路径优化研究 改进的增强型蚁群算法 基于云模型理论的蚁群算法改进研究 基于禁忌搜索与蚁群最优结合算法的配电网规划 自适应蚁群算法在序列比对中的应用 基于蚁群算法的QoS多播路由优化算法 多目标优化问题的蚁群算法研究 多线程蚁群算法及其在最短路问题上的应用研究 改进的蚁群算法在2D HP模型中的应用 制造系统通用作业计划与蚁群算法优化 基于混合

  3. 所属分类：其它

    • 发布日期：2010-05-21
    • 文件大小：25165824
    • 提供者：wu_wenyang

  1. 粒子群算法研究与展望

  2. 关于粒子群算法研究与展望，由当前一些研究成果与未来的发展方向，对初学者帮助很大

  3. 所属分类：其它

    • 发布日期：2010-07-10
    • 文件大小：122880
    • 提供者：BITANYUANLONG

  1. 粒子群优化算法

  2. 粒子群优化算法的详细介绍，很有帮助的吆粒子群优化(PSO)是一种新兴的基于群体智能的启发式全局搜索算法，具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，成为发展最快的智能优化算法之一。本文围绕PSO的原理、特点、改进与应用等方面进行全面综述。侧重于PSO的改进算法，特别是相关的国际发展现状进行全面分析；其中PSO的改进策略从粒子群初始化、邻域拓扑、参数选择和混合策略等4个方面进行详细介绍。简短介绍了PSO在典型理论问题和实际工业对象中的应用。同时，列出了一些PSO有关的

  3. 所属分类：专业指导

    • 发布日期：2011-11-24
    • 文件大小：417792
    • 提供者：scmyxlg

  1. RBF神经网络学习算法的研究 毕业论文

  2. BF神经网络学习算法的研究 共50页 摘要 本文研究了RBF神经网络的各种学习算法。在总结概述前人工作优缺点的基 础上本文分析了三种优良的学习算法。与现存的学习算法相比在具有良好性 能的前提下本文的算法可以产生更紧凑的网络结构。 本文首先回顾RBF神经网络的网络结构及其基本的学习过程。第二章详细 介绍了径向基函数与插值、RBF网络模型和RBF网络的逼近性能。第三章对现阶 段流行的各种RBF神经网络学习算法作了概述给出了正交最小二乘法(OLS)、 递阶遗传训练算法(HGA)和粒子群优化

  3. 所属分类：专业指导

    • 发布日期：2012-05-31
    • 文件大小：8388608
    • 提供者：rong736

  1. 多目标粒子群优化算法研究

  2. 描述多目 标粒子群优化算法(MOPSO) 的基本流程,然后从算法设计与应用等方面回顾MOPSO 的研究进展,最后对该 算法未来的研究进行了分析和展望.

  3. 所属分类：其它

    • 发布日期：2020-05-02
    • 文件大小：137216
    • 提供者：alwgg

  1. 布谷鸟搜索算法研究及其应用进展

  2. 布谷鸟搜索算法作为相对较新的一类群智能优化算法，自提出以来受到研究人员的重视，并进行了较为深入的研究，在有关领域得到了应用。为进一步加强布谷鸟算法的搜寻能力并提升收敛速度，加快对算法的研究与应用进程，综述了布谷鸟算法的原理、研究概况和其他同类群体智能优化算法的比较及发展趋势。首先给出了算法的基本模型和实现步骤；然后重点阐述了基于发现概率和步长控制量、基于自适应步长、基于混沌理论、与其他算法混合、基于种群特征和种群变异、结合优化策略及基于种群多样性等诸方面的改进方法，总结了算法的主要应用领域及其进

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：607232
    • 提供者：weixin_38734993