混沌粒子群优化算法,Chaos Particle Swarm Optimization(CPSO)
1)Chaos Particle Swarm Optimization(CPSO)混沌粒子群优化算法
1.This paper proposes a strategy based on Chaos Particle Swarm Optimization(CPSO),applies it into 2D Otsu method,and makes simulation experiments to compare the method and Standard PSO(SPSO).针对上述情况,提出一种基于混沌粒子群优化算法(CPSO)的策略,将其用于二维Otsu方法中,并与标准粒子群优化算法(SPSO)进行仿真实验对比。
英文短句/例句
1.Chaos Particle Swarm Optimization Algorithm in Thermal Process Control System混沌粒子群优化算法在热工控制过程中的应用
2.Model Reduction of Elastic Aircraft Based on Chaos-particle Swarm Optimization Algorithm基于混沌粒子群优化算法的弹性飞机模型降阶
3.Parameter identification of water quality model based on chaotic particle swarm optimization采用混沌粒子群优化算法的水质模型参数辨识
4.Application of New Particle Swarm Optimization Algorithm Based on Chaotic MappingInertia Weight in Identifying ARMAX Model for Short-Term Load Forecasting混沌粒子群优化算法在短期负荷预测中的应用
5.Particle Swarm Optimization Algorithm Based on Chaos Searching and Its Application on Optimization Design on GIS Insulator混沌粒子群优化算法及其在GIS绝缘子优化设计中的应用
6.Chaos Particle Swarm Optimization Algorithm and its Application in the Optimal Scheduling of Hydropower Station混沌粒子群优化算法及其在水库优化调度中的应用
7.Application of Chaotic Particle Swarm Optimization to Parameter Estimation in Mustingum Model混沌粒子群优化算法在马斯京根模型参数优化中的应用
8.Optimal Coordinated HVDC Modulation Based on Adaptive Chaos Particle Swarm Optimization Algorithm in Multi-Infeed HVDC Transmission System基于自适应混沌粒子群优化算法的多馈入直流输电系统优化协调直流调制
9.A Hybrid PSO Algorithm Based on Chaos Optimization一种基于混沌优化的混合粒子群算法
10.Resilient particle swarm global optimization algorithm based on chaos基于混沌的弹性粒子群全局优化算法
11.Double quantum delta particle swarm optimization based on chaos optimization strategy一种混沌优化机制的双量子粒子群优化算法
12.Hybrid QDPSO Based on Chaos Mechanism基于混沌机制的混合量子粒子群优化算法
13.Optimization for Flash Vaporization Process in Chaotic Particle Swarm Algorithm基于混沌粒子群算法的闪蒸过程优化研究
14.A De-correlation Algorithm Based on Chaos Adaptive Mutation PSO Optimization基于混沌自适应变异粒子群优化的解相干算法
15.Chaos Particle Swarm Optimization Algorithm and Its Optimal Design混沌粒子群算法及其在优化设计中的应用
16.Particle Swarm Optimization algorithm with Chaotic Inertia Weight adjusting strategy混沌惯性权值调整策略的粒子群优化算法
17.XML Document Clustering Strategy Based on Adaptive Particle Swam Optimization Algorithm with Chaos自适应的混沌粒子群算法优化XML文档聚类策略
18.Chaotic Simple Particle Swarm Optimization Algorithm for Voltage Fluctuation Measurement电压波动估计的混沌简化粒子群算法
相关短句/例句
hybrid Chaos Particle Swarm Optimization algorithm (CPO)混沌粒子混合优化算法
3)Tent-map Chaotic Particle Swarm Optimization基于Tent映射混沌粒子群优化算法
4)adaptive chaos particle swarm optimization algorithm自适应混沌粒子群优化算法
5)Chaos particle swarm optimization混沌粒子群优化
1.Based on chaos particle swarm optimization(CPSO) algorithm and support vector machine(SVM),an advanced approach is presented to enhance the ability of time series prediction.对于模型参数估计,引入混沌粒子群优化算法(CPSO)实现全局寻优,利用支持向量回归实现非线性系统的建模和预测。
6)Chaotic particle swarm optimization混沌粒子群算法
1.Since the Hopfield network often suffers from being trapped in local extrema when used to solve the traveling salesman problem,this paper combines the chaotic particle swarm optimization(PSO) and Hopfield neural networks(HNN) to form a novel algorithm,CPSO-HNN.针对Hopfield网络求解TSP问题经常出现局部最优解,该文将混沌粒子群算法(PSO)与之结合,提出一种基于混沌粒子群的Hopfield神经网络方法。
延伸阅读
计算算法的最优化计算算法的最优化ptimization of computational algorifans计算算法的最优化【。洲咧匕6阅ofc咖例。柱.目习子时-d，”6;onT一Mo3a双，Ra，一eju.Teju.II.叱a几r0P盆n陇o，1在求解应用问题或精心设计标准程序系统时最优计算算法(comPutatio几al algorithm)的选择.当解决一个具体间题时，最优策略可能不会使解法最优化，可是为优化一个标准程序或应用最简单的解法编制程序则是很直截了当的.计算算法的最优化问题的理论提法是基于下述原则.当选择一种方法来求解一个问题时，研究人员关心的是某些特性，而且根据这些特性来选择算法，同时这个算法也能用来解决具有这些特性的其他问题.据此，在算法的理论研究中，人们引人了具有特殊性质的一类问题尸.当选择一种解法时，研究人员有一组解法M可供选用.当选用一种方法m来求解一个问题p时，得到的解会有一定的误差e(p，m).称量E(P，m)=sllp}。(p，m)IP‘P为在这类问题P中方法m的误差(en刀r of the nrth-od)，同时，称量E(p，M)一惑E(p，m)为M中方法在尸中误差的最优估计(。Ptimal estirnateof the error).如果存在一种方法，使得E(P，m。)=E(P，M)，那么称这个方法为最优的(optirnal).研究计算算法最优化问题的一个方案可以追溯到A .H .KQJLMoropoB(【2」)，所考虑的是计算积分 1‘(f)一Jf(x)dx 0问题的集合，给定的条件是}f(时}成A，其中M是所有可能求积 N‘(f)澎，万:C，f(x，)的集合·每一种求积由总数为ZN的cj和礼确定.由具有所需精度的某函数类重新生成一个函数所需要的最小信息量(见【2]，「31)也可以包含在这个方案中.这个问题的一个更详细的阐述可查阅【4]，它指出在特定意义下实现算法的工作量与应用的存储量同样大.最优算法仅对极少数类型问题存在(汇1」)，然而，对大量计算问题，已经建立了就其渐近特性而言几乎是最优的方法(见汇5]一【8」).对某类问题最优的计算算法特性的研究工作(见15]，【71)包含两部分:建立其特性尽可能好的具体解法，和根据计算算法的特性得出估计量(见【2]一【4]，【9】).实质上，问题的第一部分是数值方法理论的一个基本问题，而且在大多数情况下它是与最优化问题无关的研究工作.下面得到的估计通常归结为对￡摘(。
