搜索资源列表
NPSA
- 小生境粒子群算法例子，对学习粒子群算法及很好的理解该算法非常有用-Examples of niche PSO, particle swarm optimization algorithm for learning and a good understanding of the algorithm is very useful! ! !
SACQPSO
- matlab源程序，粒子群和小生境还有量子的结合，可以运行 收敛效果好-matlab source, particle quantum groups and the combination of niche there, you can run a good convergence effect
CPSO-FOR-function
- 小生境遗传粒子群混合算法及其测试函数，已经运行。-Niche Genetic Algorithm——PSO
45
- 一个matlab编写的简单程序，显示了小生境粒子群的稀疏分解，适合初学者。-A matlab simple procedure, to show small habitat particle swarm of sparse decomposition, is suitable for beginners.
Npso-programing-and-article
- 小生境粒子群算法编程，及20篇相关论文，全都是关于小生境粒子群的研究与应用-Niche Particle swarm algorithm programming, and 20 article about NPSO s research and application
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
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
5346363636
- ：针对粒子群算法进行多极点函数优化时 存在的局部极小点和搜寻效率低的问题，引入了小 生境的思想到粒子群算法中，以粒子的最好位置为 中心，粒子的最好的个体解对应的适应值为半径建 立圆形小生境。stretching 技术，其次对子群体采用解散策略，即当在子群体中找到一个极值点后把子群体解散回归主群体，最 后设置子群体创建时的半径阈值，避免子群体半径过大。该算法解决了标准的NichePS0算法在处理 多峰函
Reactive-Power-
- 基于改进小生境粒子群优化算法的电力系统无功优化研究-Reactive Power Optimization Based on Improved Niche PSO power system
NPSO
- 基于最基本的粒子群算法提出了一种与从生物角度提出来的小生境算法相结合的小生境粒子群优化算法-Based on the most basic particle swarm algorithm, a niche particle swarm optimization algorithm is proposed based on the niche algorithm proposed the biological point of vie
nichingparticle-swarm-optimization
- 粒子群优化算起源于对鸟群、鱼群以及对某些社会行为的模拟，是一种基于群体智能的进化计算技术。而小生境技术则起源于遗传算法，这种方法能使基于群体的随机优化算法形成物种，从而使相应的优化算法具有发现多个最优解的能力。而多分类器集成技术则是通过多个分类器进行某种组合来决定最终的分类，以取得比单个分类器更好的性能。多分类器集成技术要求基元分类器不仅个体性能要好并且其差异度要大，这与小生境技术形成物种的能力具有很多内在的相似性。目前己经有研究者将小
SSMOPSO code
- 形成策略被用来形成稳定的生态位，小生境/子种群被优化以并行地搜索和维护帕累托最优解。此外，还提出了一种自组织机制，以提高物种制定的效率和算法的性能。为了在决策空间和目标空间保持解决方案的多样性，SS-MOPSO采用了非主导排序方案和特殊拥挤距离技术。(In the proposed method, the speciation strategy is used to form stable niches and these niches