a298報告基于matlab的微粒群優(yōu)化算法的仿-資料下載頁
2025-06-28 07:46本頁面
【正文】 B的微粒群算法程序設計（1）參數(shù)編碼（2）粒子群初始化（3）粒子速度和位置的更新（4）主程序程序設計流程圖微粒群算法性能仿真微粒群算法的改進算法的設計及仿真微粒群算法及其改進算法的性能比較五、進度安排2012年1月17日至1月21日 明確畢業(yè)設計任務，熟悉收集相關(guān)各種資料，學習軟件開發(fā)環(huán)境。2012年2月21日至3月4日，畢業(yè)實習。2012年3月5日至3月30日，運用MATLAB 完成對粒子群算法及其改進算法的設計與仿真并完成遺傳算法及其改進算法的設計與仿真。利用標準函數(shù)來完成對以上算法性能的比較。 2012年4月26日至5月15日 ，進行實驗驗證。 2012年5月16日至5月28日完成畢業(yè)設計論文，整理設計文件和實驗記錄。2012年5月29日至6月12 送評閱教師審查及修改，準備及參加畢業(yè)設計答辯。 六、參考文獻1. 龔純 精通MATLAB最優(yōu)化計算 2. 吳斌，群體智能的研究及其在知識發(fā)現(xiàn)中的應用，中國科學院研究生院博士學位論文，20023. 松散的腦袋－群體智能的數(shù)學模型，,16(1).154. 林丹，李敏強等. 基于遺傳算法求解約束優(yōu)化問題的一種算法. 軟件學報，2001，12（4）：628～6325. Reynolds C. W. “Flocks, Herds, and Schools: A Distributed Behavioral Model. Computer Graphics, , , 1987, 6. J. Kennedy, R. Eberhart. Particle Swarm Optimization [A]. Proc. IEEE Int. Conf. on Neural Networks [C], 1995: 194219487. Shi Y, Eberhart R. A modified particle swarm optimizer [C]. In: IEEE World Congress on Computational Intelligence, 1998: 69~738. R. C. Eberhart, Y. Shi. Comparing inertia weights and constriction factors in particle swarm optimization. Proceedings of the IEEE Conference on Evolutionary Computation, ICEC, , pp. 8488
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1