排序方式: 共有10条查询结果,搜索用时 750 毫秒
1
1.
针对改进的粒子群算法缺乏理论上稳定性证明及其相应的参数选择问题.利用李雅普诺夫稳定性理论对个体决策粒子群算法给予稳定性证明,并给出相应的参数选择方式,改变传统粒子群算法只能从仿真角度说明该算法的稳定性。采用几个常用的测试函数进行仿真实验,与其他改进的粒子群算法相比,结果表明该算法具有更好的性能。 相似文献
2.
微粒群算法是一种模拟动物行为的群智能优化算法.由于微粒(个体)在不同环境中生存与觅食,积累了不同的经验,因此不同个体在觅食或者其他行为中会做出不同的决策,但是这种决策机制在标准微粒群算法中并没有体现出来.微粒在决策时会考虑周围其它粒子的信息,因此本文通过引入个体决策机制与小世界模型的邻域结构来改进微粒群算法,同时利用李雅普诺夫稳定性理论对改进的算法进行稳定性分析,并给出相应的参数选择方式.在改进的微粒群算法中,微粒被周围理想微粒的位置和群体最优位置所吸引,改变了传统微粒群算法只被群体最优位置吸引的弊端.对常用的几个测试函数进行仿真,与其它两种改进的微粒群算法相比,结果表明该算法有更好的性能. 相似文献
3.
4.
5.
6.
7.
为满足航天地面系统内的通信需求,本文提出一种基于复合模式的消息中间件架构.在时该消息中间件架构简单描述的基础上,重点介绍了注册中心及客户端的部分功能设计,最后举例阐述消息中间件在航天地面系统中的应用. 相似文献
8.
传统的粒子群算法通过粒子的适应值大小来判断粒子好坏,作为智能体,粒子本身有决策能力,而这在粒子群算法中并没有体现出来。因此提出了一种新的粒子好坏的判断标准——适应值变化率。通过个体决策的方法和适应值变化率,利用粒子位置与对应的适应值信息对粒子群算法中的个体历史最优位置和认知系数进行决策。采用几个常用的测试函数进行仿真实验,与其他改进的粒子群算法相比,结果表明该算法具有更好的性能。 相似文献
9.
10.
1