粒子群算法(particle swarm optimization，PSO)由Kennedy和Eberhart在1995年提出，该算法模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群体达到最优目的，是一种基于Swarm Intelligence的优化方法。
2021-10-06 16:48:44
6.28MB
1
【优化求解】t-分布扰动策略和变异策略的花授粉算法matlab源码.md
2021-10-06 14:54:05
11KB
1
【ELMAN预测】基于粒子群算法改进ELMAN动态递归神经网络实现数据预测matlab源码.md
2021-10-02 17:17:42
17KB
1
粒子群算法（PSO）作为一种群智能算法，有效提高了投资组合模型的实用性，但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点，本文提出基于天牛须搜索（BAS）的粒子群优化算法（简称BSO），并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中（BSO），每个粒子的更新规则源自BAS，在每次迭代中都有自己对环境空间的判断，而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解，从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.
2021-10-01 20:02:27
1.16MB
1
Matlab+YALMIP+CPLEX解决带储能的微电网优化调度问题，以微电网运行成本最小为目标函数，约束条件包含蓄电池SOC约束、交换功率约束、功率平衡等约束
2021-10-01 09:44:53
4KB
1
研究供需不平衡环境下的应急物资动态分配问题.考虑到台风灾害演变导致应急物资需求不断增长与应急物资供应相对紧缺之间的矛盾,将需求的演变设计成一个马尔可夫决策过程,建立基于马尔可夫决策的应急物资动态分配模型.通过二进制粒子群优化算法求解,最后将所提出模型应用于某台风发生时的救灾实例.实例分析表明,马尔可夫决策方法可以动态地做出合适的需求扑灭策略,使得整体的需求演变趋势保持平稳,整体的需求水平降到最低.
2021-09-30 11:51:14
318KB
1