搜索资源列表
最大团问题的各种算法和源代码
- 最大团问题（Maximum Clique Problem, MCP）是图论中一个经典的组合优化问题，也是一类NP完全问题，在国际上已有广泛的研究，而国内对MCP问题的研究则还处于起步阶段，因此，研究最大团问题具有较高的理论价值和现实意义。 最大团问题又称为最大独立集问题（Maximum Independent Set Problem），在市场分析、方案选择、信号传输、计算机视觉、故障诊断等领域具有非常广泛的应用。目前，求解MCP问题的算法主要分为两类：确定性算法和启发式算法。确定性算法有回溯法
求解机械优化的Pareto多目标中心粒子群算法
- 摘要：针对基于权重法的多目标算法无法求解约束多目标问题的缺陷，将中心粒子群算法与Pareto 解集搜索算法相结合，提出 一种Pareto 多目标中心粒子群算法。将此方法用来优化气门弹簧的模型，实验结果表明，该优化方法能够快速准确地收敛于Pareto 解集，并且使其对应的目标域均匀地分布于Pareto最优目标域。
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。
antforfood.pdf
- 本文介绍了一种新型模拟进化算法蚁群算法该方法通过模拟蚁群搜索食物的过程，达 到求解组合优化问题的目的 -This article describes a new type of simulated evolutionary algorithm method of ant colony algorithm in the simulation of ant colony search for food through the process of solving combinatorial op
362465378
- 工程应用中的多峰寻优问题要求搜索目标函数的多个极值点，现有的多峰优化方法难以直接利用应用 问题的先验知识引导算法过程，多峰寻优效率较低。基于粒子群优化算法设计一种面向应用的多峰寻优算法， 能有效利用易于获得的先验参数，如峰间分辨率、峰位置精度、峰值个数等实现快速多峰搜索。该算法保持了粒 子群算法的简单性并改善了搜索多样性，使其可控地收敛到多个峰值上。将该算法与几种典型的多峰寻优方法 进行了对比测试和分析，结果表明，对复杂多峰函数，该算法能以最快的收敛速度实现多峰搜索-Mu
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
23445455
- 针对小生境粒子群优化技术中小生境半径等参数选取问题，提出了一种新颖的小生境方法，无须小生 境半径等任何参数。通过监视粒子正切函数值的变化，判断各个粒子是否属于同一座山峰，使其追踪所在山峰 的最优粒子飞行，进而搜索到每一座山峰极值。算法实现简单，不仅克服了小生境使用中需要参数的弊端，而且 解决了粒子群算法只能找到一个解的不足。最后通过对多峰值函数的仿真实验，验证了算法可以准确地找到所 有山峰-Proposed a novel niche for niche particle
466676
- 针对小生境粒子群优化技术中小生境半径等参数选取问题，提出了一种新颖的小生境方法，无须小生 境半径等任何参数。通过监视粒子正切函数值的变化，判断各个粒子是否属于同一座山峰，使其追踪所在山峰 的最优粒子飞行，进而搜索到每一座山峰极值。算法实现简单，不仅克服了小生境使用中需要参数的弊端，而且 解决了粒子群算法只能找到一个解的不足。最后通过对多峰值函数的仿真实验，验证了算法可以准确地找到所 有山峰-Proposed a novel niche for niche particle
pso
- 子群优化算法中,粒子群由多个粒子组成,每个粒子的位置代表优化问题在D维搜索空间中潜在的解。根据各自的位置,每个粒子用一个速度来决定其飞行的方向和距离,然后通过优化函数计算出一个适应度函数值(fitness)。-Subgroup of particle swarm optimization algorithm is composed by a number of particles, each particle' s position represents to optimize the p
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
swarm-optimization-algorithm-
- 子群优化算法，并把次算法用于求解旅行商问题．为了增强算法的局部搜索能力，在改进的算法中加入倒置，局部搜索等方法，同时利用遗传算法的全局搜索能力强的特点对求到的解再进行优化，同时，对于搜索全局最优路径方面，通过应用消除交叉路径的方法进行了优化．-Sub swarm optimization algorithm, and the second algorithm is used to solve the traveling salesman problem. In order to enhance
The-new-meta-heuristic-algorithm-bat
- 摘要：新型元启发式算法例如粒子群算法，萤火虫算法，和声搜索算法已经成为现今复杂的优化问题的有效解决方法。该文基于蝙 蝠的回声定位行为提出了一种新型的元启发式算法———蝙蝠算法，同时也将现有的一些算法的优点引入到该算法中。 改文对该算 法进行了详细的公式化表述并对其执行流程的作出了说明，并且将该算法与遗传算法、粒子群优化算法等算法进行了比较。仿真结 果表明,蝙蝠算法明显优于其他算法，并对进一步的研究作出了展望。-Summary: The new meta-heuristic algor
yiqunlvxing
- 蚁群优化是一种元启发式的随机搜索技术,是目前解决组合优化问题最有效的工具之一.将信 息素更新和随机搜索机制的改进相结合,提出一种快速求解旅行商问题的蚁群算法-Ant colony optimization is a kind of meta heuristic random search technique, is one of the most effective tool to solve combinatorial optimization problem. The letter
Parameter-optimization
- 针对滚动轴承早期故障特征提取困难的问题，提出一种基于参数优化变分模态分解的轴承早期故障诊断方法。首先利用粒子群优化算法对变分模态分解算法的最佳影响参数组合进行搜索，搜索结束后根据所得结果设定变分模态分解算法的惩罚参数和分量个数，并利用参数优化变分模态分解算法对故障信号进行处理。-Aiming at the difficult problem of early fault feature extraction of rolling bearing, an early fault diagnosis
蚁群算法 约束条件下
- 对有约束的优化问题．提出了一种改进的蚁群算法．将罚函数策略引入算法中，自动调节惩罚比，避免过度惩罚。算法构造了蚁群适应函数．结合局部搜索策略引导蚂蚁找到解空间中有希望的区域。经过一系列算例测试。证明算法对这些问题的求解是有效的。