自适应粒子群优化是一种优化算法，它是粒子群优化（Particle Swarm Optimization，PSO）的一种变体。与传统的PSO不同，APSO使用自适应策略来调整算法的参数，以提高算法的性能和收敛速度。
APSO的主要思想是根据群体的收敛情况动态调整算法的参数。APSO的核心算法与PSO类似，由粒子的速度和位置更新规则组成。每个粒子通过与局部最优解和全局最优解比较来更新自己的位置和速度。
APSO的另一个关键之处是学习因子的自适应调整。在每个迭代中，APSO会计算每个粒子的适应度值。如果适应度值的方差较小，则学习因子的值会变小，以便更加收敛到最优解。相反，如果适应度值的方差较大，则学习因子的值会变大，以便更好地探索解空间。
2023-02-27 15:51:35
3KB
1
智能算法
智能算法是路线规划，深度学习等等各个领域所使用的优化算法，是算法进阶之路的必备之路。
简介
主要针对总体主流的算法进行，例如遗传算法，粒子群算法，模拟重复算法，免疫算法，蚁群算法等等一系列的算法。
| |登录微信公众号：TeaUrn
开始使用
实现版本Java，Python，MatLab多版本实现。具体详细说明单击以下连接针对每个算法都有详细的说明。
联系方式：
微信公众号： TeaUrn或者扫描下方二维码进行关注。里面有惊喜等你哦~~
捐赠
如果您觉得文章对您有所帮助，可以请作者喝 :hot_beverage: 。
支付宝/微信/ QQ
2022-09-20 12:59:29
2.17MB
1
在此代码中，量子粒子群优化 (QPSO) 用于解决多目标组合经济排放调度 (CEED) 问题，该问题使用三次准则函数制定，并考虑单向最大/最大价格惩罚因子。 QPSO 在 6 单元发电系统上实现，并与拉格朗日松弛、粒子群优化 (PSO) 和模拟退火 (SA) 进行比较。 所得结果验证了QPSO方法的有效性并证明了其鲁棒性。 这项研究表明，QPSO 可用作解决其他电力调度问题的有效且稳健的工具。
2022-05-20 15:29:26
4KB
1
Binary Particle Swarm Optimization for Feature Selection：简单算法展示了如何在特征选择问题中使用二进制粒子群优化（BPSO）。-matlab开发
用于特征选择任务的简单二元粒子群优化（BPSO），可以选择潜在特征以提高分类精度。
演示了一个示例，该示例说明了如何使用具有分类错误率的BPSO（由KNN计算）作为使用基准数据集进行特征选择问题的适应度函数。
****************************************************** ****************************************************** **********************************
2022-05-15 11:35:47
121KB
1
matlab代码粒子群算法粒子群优化
这是用Matlab编写的基本PSO算法。
该代码是矢量化的，可以选择使用并行计算工具箱。
包括演示和示例。
这是学习如何实现PSO算法的一个很好的例子，适用于大规模非线性系统参数估计的全局优化。
稍后将进行改进以提高收敛速度。
2022-05-03 15:19:04
2KB
1
这是一个用 VBA for Excel 编写的粒子群优化工具。 易于修改以使用户能够编写自己的目标函数、约束和处理约束的方式。 根据 CC-BY-SA 4.0 许可发布
2022-04-27 17:48:13
60KB
1
为了实现启发式优化算法的自适应参数调整，
避免算法陷入局部最优，提高算法的准确性
为解决参数识别问题，自适应模糊粒子群优化
（AFPSO）提出从自动调谐三个方面改进基本算法
参数、种群拓扑和突变特征。
刘，董，等。“使用自适应模糊粒子群优化的水轮机调节系统的精确参数估计。” 能源，第一卷。12，没有。20，MDPI AG，2019 年 10 月，第 20 页。3903，doi：10.3390/en12203903。
2022-04-15 13:07:25
9KB
有关更多信息，请参见以下链接： http://yarpiz.com/59/ypea121-mopso
2022-04-03 14:20:32
9KB
1