已閱讀1頁，還剩68頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、隨著科學技術的進步，在理論研究和實踐中遇到的困難越來越復雜，傳統(tǒng)算法在人們可以接受的時間內無法得到滿意解，甚至對于一些NP難問題，根本無法求解。在此背景下，群智能算法得到了人們的廣泛關注，粒子群優(yōu)化算法(Particle Swarm Optimization，簡稱為PSO)，是Eberhart博士和Kennedy博士在1995年提出的一種新的群智能算法。由于其易于實現(xiàn)、精度高、快速收斂等優(yōu)點引起了學術界廣大研究人員的重視，并且在解決實際
2、問題中PSO也充分展示了其優(yōu)越性，對于求解NP難問題有重要意義。
本文主要研究粒子群優(yōu)化算法的改進及應用粒子群優(yōu)化算法求解投資組合優(yōu)化和民航綜合信息平臺web服務質量等問題。論文的主要創(chuàng)新性工作如下：
1．對PSO算法的參數(shù)進行系統(tǒng)研究，引入分段控制方法改進慣性權重和加速因子。該方法能夠擴大算法的全局尋優(yōu)能力，并有效控制算法陷入局部最優(yōu)。
2．改變以往對全局最差解信息的簡單丟棄，本文利用全局最差
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 改進粒子群優(yōu)化算法及應用研究.pdf
- 混沌粒子群優(yōu)化算法及應用研究.pdf
- 粒子群優(yōu)化算法應用研究.pdf
- 粒子群優(yōu)化算法的改進研究及應用.pdf
- 粒子群優(yōu)化算法研究及其應用.pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進研究.pdf
- 動態(tài)多目標粒子群優(yōu)化算法研究及應用.pdf
- 粒子群優(yōu)化算法的研究及其應用.pdf
- 粒子群優(yōu)化算法的研究與應用.pdf
- 動態(tài)粒子群優(yōu)化算法及其應用.pdf
- 粒子群優(yōu)化算法研究.pdf
- 多模態(tài)優(yōu)化粒子群算法的研究及應用.pdf
- 粒子群混合智能優(yōu)化算法及應用研究.pdf
- 多目標粒子群優(yōu)化算法的研究及應用.pdf
- 改進的粒子群優(yōu)化算法及應用研究.pdf
- 粒子群優(yōu)化算法的若干改進及應用.pdf
- 粒子群優(yōu)化算法的性能研究及其應用.pdf
- 混合粒子群優(yōu)化算法及其應用.pdf
評論
0/150
提交評論