首页 > TAG信息列表 > pbest
【优化调度】基于粒子群算法求解水火电调度优化问题含Matlab源码
1 简介 粒子群算法因其原理简单,易于编程,适于并行计算等优点而得到了广泛的应用.本文探讨和分析了Matlab粒子群算法工具箱,并提出了基于该工具箱来实现水电站优化调度计算的方法.计算实例表明,Matlab粒子群算法工具箱可以很好地用于解决水电站优化调度问题,可获得比动态规划算【优化求解】一种非线性动态自适应惯性权重PSO算法(IPSO)Matlab代码
一种非线性动态自适应惯性权重PSO算法(IPSO)Matlab代码 [1]王生亮,刘根友.一种非线性动态自适应惯性权重PSO算法[J].计算机仿真,2021,38(04):249-253+451. 部分代码： function [gbest,gbestval,fitcount]= CLPSO_new_func(fhd,Max_Gen,Max_FES,Particle_Number,Dimension,VRmMatlab基于加权变异的粒子群优化算法(WVPSO)
一、粒子群算法 粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。设想这么一个场景：一群鸟进行Matlab智能算法-基于非线性动态自适应惯性权重粒子群算法(IPSO)
一、粒子群算法 粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。设想这么一个场景：一群鸟进行觅Matlab基于自纠正和逐维学习能力的粒子群算法
一、粒子群算法 粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。设想这么一个场景：一群鸟进行觅【优化求解】自纠正和逐维学习能力的粒子群算法Matlab源码
一、粒子群算法 粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。设想这么一个场景：一群鸟进行觅食【优化求解】基于加权变异的粒子群优化算法(WVPSO) matlab源码
一、粒子群算法 粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。设想这么一个场景：一群鸟进行粒子群算法matlab以求解函数最优解为例
粒子群算法matlab以求解函数最优解为例 clear; clc; close all; N=100; %粒子个数 D=2; %粒子维数 MaxIter=500; %最大迭代次数 C1max=1.8; %权重参数，自适应 C2max=1.8; C1=1.2; C2=1.2; w=0.79; Wmax=0.8; %对自己速度的记忆 Wmin=0.4; Xmax=4; Xmin=-4; %自变量的范【布局优化】基于粒子群求解物流选址matlab源码
一、简介 粒子群优化(PSO)是一种基于群体智能的数值优化算法，由社会心理学家James Kennedy和电气工程师Russell Eberhart于1995年提出。自PSO诞生以来，它在许多方面都得到了改进，这一部分将介绍基本的粒子群优化算法原理和过程。 1.1 粒子群优化 粒子群优化(PSO)是一种群智能算法，其【18】【图像处理】粒子群算法结合模糊聚类分割算法实现图像的分割
%pso-fcm。算法思路借鉴网上的某一帖子。tic;close all;clear;clc;pic=imread('2.png'); [a,b,k]=size(pic);t=a*b;data=reshape(double(pic),t,k);Maxiter=4;%设定最大迭代次数n=100;c1=0.4;c2=0.4;%设定个体经验系数和群体经验系数w=0.3;%设定惯性系数vmax=1