动画 matplot 粒子群优化算法(python) 从生成带有世代的幻灯片 .gif 更改为实时 22 帧动画

VNS（混合搜索算法）的PSO算法（的群体）解决一种有效解决对抗中的任务分配问题，新算法群范围内收敛问题 混合粒子群优化算法 VNS（混合算法搜索算法）的PSO算法（群体，变体）解决方案有效解决对抗中组的任务分配问题，新的区域范围内收敛问题的优化问题

python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法

在解决组合测试中的测试数据集生成问题时，粒子群优化算法(PSO)在待测数据量增加达到一定程度以后，出现迭代次数增加、收敛速度减慢的缺点。针对该问题，提出了一种应用于组合测试数据集生成问题的基于K-均值聚类的粒子群优化算法。通过对测试数据集合进行聚类分区域，增强测试数据集的多态性，从而对粒子群优化算法进行改进，增加各个区域内粒子之间的影响力。典型案例实验表明该方法在保证覆盖度的情况下具有一定的优势和特点。

一种改进型多目标粒子群优化算法MOPSO-II

粒子群优化算法.doc

大数据-算法-遗传算法与粒子群优化算法的改进及应用研究.pdf

分别用改进的粒子群优化算法和改进的差分进化算法求解柔性作业车间调度问题 问题规模以(工件J*工序P*机器M)表示，例如J20P10M10表示共有20个工件，每个工件有10个工序，总共有10个加工机器可供选择。data文件夹中的文件表示程序所用的数据，其中data_first文件的问题规模是J10P5M6，data_second文件的问题规模是J20P10M10，data_third文件的问题规模是J20P20M15。对于其中数据的解释：横向表示工序，纵向表示机器，每个数值表示机器加工工序的耗时，工序和机器都是按顺序排列的。以data_first.txt文件为例，前五行分别表示第一个工件的5个工序分别在6台机器上加工的时间，第5-10行表示第二个工件的5个工序分别在6台机器上加工的时间，以此类推。 关于编码，本项目采用的是同类问题常用的编码方式，参考论文“基于改进遗传算法的柔性作业车间调度问题研究”，与该论文所述的编码方式不同的是，本项目的编码中第一段为工序编码，第二段为机器编码。DE文件夹中的三个文件分别采用三种不同的初始化方式，其中DE_first.py采用的是完全随机的

PSO粒子群优化算法.doc

闭环时滞模型参数的辨识一直是先进工业控制领域的一个重要课题。然而由于时滞的存在,被控量不能及时地反映系统所承受的扰动,从而产生明显的超调,使得控制系统的稳定性变差。本文充分利用粒子群优化算法收敛速度较快和混沌运动遍历性的优点,提出了一种基于混沌优化思想的混沌粒子群优化算法来直接辨识含有滞后环节的被控对象的闭环传递函数,而不用将其转化为状态方程。将闭环时滞系统的传递函数通过z变换转化为离散的差分方程,对于滞后环节的处理,用一阶Pade近似。利用CPSO的全局优化能力来极小化误差准则函数,从而获得模型参数的估