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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、分類號(hào)UDC密級——單位代碼!Q151粒子群優(yōu)化算法的分析及改進(jìn)孫建英指導(dǎo)教師劉巍職稱教授學(xué)位授予單位大連海事大學(xué)申請學(xué)位級別理學(xué)碩士學(xué)科與專業(yè)應(yīng)用數(shù)學(xué)論文完成F1期2007年3月論文答辯日期2007年3月答辯委員會(huì)主席英文摘要TheSynthesisandImprovementofParticleSwarmOptimizationAbstractParticleswarmoptimization(PSO)algorithomisane
2、volutionarycomputationtechniquebasedonswarmintelligenceoptimizationalgorithm，whichwasdevelopedbyKennedyandEberhartin1995andinspiredbythesocialbehaviorofbirdsblockingDuetoitsstrongabilitytoglobalsearch，lessparametersandsi
3、mplicityithasgainedmuchattentionsinceitisproposedAnditisdevelopedrapidlyandisusedinmanyfieldssuchasfunctionoptimization，neuralnetworktraining，fuzzysystemcontrolandotherappliedfieldsofgeneticalgorithmThemaincontributionso
4、fthisPaDerarelistedasfollows：1)LookbackthebackgroundofswarmintelligencetheorySummarizethetheoryanddevelopmentofthreeswalinintelligencealgorithoms2)SynthesisparticleSWalTlloptimization(PSO)algorithomPSOisanewevolutionalgo
5、rithmIntroducethebasictheory，mathsdescription，parametersandflowchartoforiginalPS0andstandardPSO3)ProposefourimprovementmethodsonIhebasisoftheresearchonPSOduringthepastdecadeIntroduceseveraltypicalimprovementmodels4)Propo
6、seanimprovedPSOalgorithom(MPSO)embeddedinaveragelocalbestpositionPaaiclestrackthelocalbestposition，theaveragebestpositonandtheglobalbestpositionComparedwithstandardPSO，ithasagoodeffectintheaspectofavoidingtheprematurecon
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(huì)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(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)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)化算法的性能分析及改進(jìn).pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進(jìn)研究.pdf
- 改進(jìn)的粒子群優(yōu)化算法.pdf
- 改進(jìn)粒子群優(yōu)化算法的研究.pdf
- 粒子群優(yōu)化算法及其改進(jìn).pdf
- 粒子群優(yōu)化算法的改進(jìn)研究.pdf
- 改進(jìn)的粒子群優(yōu)化算法的研究.pdf
- 粒子群優(yōu)化算法的改進(jìn)研究及應(yīng)用.pdf
- 粒子群優(yōu)化算法的若干改進(jìn)及應(yīng)用.pdf
- 改進(jìn)粒子群優(yōu)化算法及應(yīng)用研究.pdf
- 粒子群優(yōu)化算法的改進(jìn)及其應(yīng)用
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 粒子群優(yōu)化算法的改進(jìn)及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的研究與改進(jìn).pdf
- 粒子群優(yōu)化算法的改進(jìn)與應(yīng)用.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 改進(jìn)粒子群優(yōu)化算法的圖像匹配.pdf
- 粒子群優(yōu)化算法的改進(jìn)方法研究.pdf
- 粒子群優(yōu)化算法的研究和改進(jìn).pdf
- 改進(jìn)的粒子群優(yōu)化算法及應(yīng)用研究.pdf
評論
0/150
提交評論