编写粒子群优化研究工具箱是为了协助论文研究，以对抗粒子群优化 (PSO) 的过早收敛问题。 控制面板提供了足够的灵活性以适应各种研究方向； 在指定您的意图之后，工具箱将自动执行多项任务，以腾出时间进行概念设计。
示例特征
+从Gbest PSO，Lbest PSO，RegPSO，GCPSO，MPSO，OPSO，全局最佳的柯西突变以及混合组合中进行选择。
+ 基准套件包括 Ackley、Griewangk、Quadric、noise Quartic、Rastrigin、Rosenbrock、Schaffer's f6、Schwefel、Sphere 和 Weighted Sphere。
+ 每个试验使用自己的伪随机数序列来确保数据的可重复性和唯一性。
+ 选择最大数量的函数评估或迭代。 如果达到成功阈值或检测到过早收敛，则提前终止。
+ 选择静态或线性变化的惯性权重。
+ 激活
2022-05-17 10:52:46
1.97MB
1
人工智能-机器学习-晋中移动GSMTDSCDMA室内分布系统的设计与优化研究.pdf
2022-05-09 09:08:23
3.48MB
人工智能-机器学习-计算机X射线乳腺摄影影像质量与剂量最优化研究.pdf
2022-05-07 10:05:37
2.99MB