内有工具箱，代码，报告。
1、掌握 PSO 工具箱的常用命令。
2、利用 Matlab 实现粒子群算法求解函数优化问题。
3、分析算法中各种参数变化对计算结果的影响。
1、打印程序清单。
2、绘制每代个体适应度值变化图，记录算法的最优解。
3、分析惯性权重的变换对求解性能的影响。
4、简要回答思考题。
2021-12-26 16:43:20
836KB
1
分析了软件测试中测试用例自动生成技术的发展现状和粒子群优化算法的基本原理及实现步骤,并详细研究了几种重要的改进的粒子群优化算法。在此基础上,改进了基本粒子群优化算法,提出了基于改进的粒子群优化算法的测试用例自动生成系统框架,并给出了基于改进的粒子群优化算法的测试用例自动生成算法。
最后,采用matlab语言编程实现了基于改进的粒子群优化算法的测试用例自动生成算法,用具体实例对其进行了实验,并对结果数据进行了分析。
本文提出的基于改进的粒子群优化算法的测试用例自动生成算法具有简单、易实现、设置参数少和收敛速度快等特点。
实验结果表明,使用本文提出的算法测试用例自动生成的效果明显优于遗传算法等测试用例自动生成算法。
本文提出的基于改进的粒子群优化算法的测试用例自动生成算法提高了测试用例自动生成的效率,但该算法只实现了数值类型的数据,而且还存在手动操作问题,这将是作者下一步的主要研究方向。
还有些内容自己去www.YiFanglunwen.com看看。大概就是这些，比较浅显易懂的。
2021-12-26 14:06:13
3KB
1
改进粒子群算法求解TSP问题，盛景军，王勇，在运用粒子群算法求解TSP问题时，针对粒子迭代、速度不能简单地采用连续量的运算法则进行计算的特点，通过构造插入因子，定义插入
2021-12-23 18:35:14
511KB
1
针对Taylor算法进行TDOA定位时，其初始估计位置的误差易导致Taylor算法不收敛和定位精度差的问题，提出一种基于自然选择的线性递减权重粒子群优化（W-SPSO）与Taylor算法协同定位的方法。该方法先通过W-SPSO算法得到一个初始估计位置（x，y），再通过Taylor算法在（x，y）处进行迭代运算得到最终定位结果。不同噪声情况下的仿真结果显示：W-SPSO与Taylor算法协同定位方法对MS坐标估计值的均方差（RMSE）小于标准PSO（粒子群优化）、SelPSO（基于自然选择的粒子群优化算法）、W-SPSO、Taylor以及Chan五种算法的RMSE。因此，所提出的定位方法在保留了SelPSO算法求解精度和收敛性的基础上，同时提高了全局搜索能力，使其具有更高的定位精度和收敛性。
2021-12-22 19:25:53
1.43MB
1