已閱讀1頁，還剩68頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、隨著科學(xué)技術(shù)的進步，在理論研究和實踐中遇到的困難越來越復(fù)雜，傳統(tǒng)算法在人們可以接受的時間內(nèi)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(guān)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(xué)術(shù)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(yīng)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(wù)質(zhì)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(quán)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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)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(dān)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(yīng)用研究.pdf
- 混沌粒子群優(yōu)化算法及應(yīng)用研究.pdf
- 粒子群優(yōu)化算法應(yīng)用研究.pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進研究.pdf
- 粒子群優(yōu)化算法的改進研究及應(yīng)用.pdf
- 粒子群優(yōu)化算法研究及其應(yīng)用.pdf
- 動態(tài)多目標粒子群優(yōu)化算法研究及應(yīng)用.pdf
- 粒子群優(yōu)化算法的研究及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的研究與應(yīng)用.pdf
- 動態(tài)粒子群優(yōu)化算法及其應(yīng)用.pdf
- 多模態(tài)優(yōu)化粒子群算法的研究及應(yīng)用.pdf
- 粒子群混合智能優(yōu)化算法及應(yīng)用研究.pdf
- 多目標粒子群優(yōu)化算法的研究及應(yīng)用.pdf
- 改進的粒子群優(yōu)化算法及應(yīng)用研究.pdf
- 粒子群優(yōu)化算法研究.pdf
- 粒子群優(yōu)化算法的若干改進及應(yīng)用.pdf
- 混合粒子群優(yōu)化算法及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的性能研究及其應(yīng)用.pdf
評論
0/150
提交評論