1) discrete particle swarm
离散粒子群
1.
Optimization model of development cost based on discrete particle swarm algorithm;
基于离散粒子群算法的研制费用优化模型
2.
Adaptive radial basis function neural network model based on discrete particle swarm optimization algorithms;
一种基于离散粒子群的自适应径向基网络模型
3.
Multiple optimization strategies for improving hybrid discrete particle swarm
改进混合离散粒子群的多种优化策略算法
2) discrete particle swarm optimization algorithm
离散粒子群
1.
This paper presents a new current learning adaptive hybrid discrete particle swarm optimization algorithm for NP-hard combinatorial optimization problem and particle swarm discretization problem.
针对NP-hard组合优化及粒子群算法离散化问题,提出一种当代学习自适应混合离散粒子群算法对其进行求解。
3) discrete particle swarm optimization
离散粒子群
1.
To solve this problem,a novel feature gene selection approach combining improved discrete particle swarm optimization and support vector machine(IDPSO-SVM) was proposed.
针对现有的基于粒子群的特征基因选择算法易于陷入局部最优的问题,提出了一种改进的离散粒子群和支持向量机的特征基因选择算法IDPSO-SVM。
2.
In this paper,a new routing approach based on discrete particle swarm optimization al-gorithm is briefly discussed to obtain the optimum path between two nodes in the network.
针对不同的网络实际条件,提出一种改进的离散粒子群算法来寻找网络中任意两个节点间的最优路由。
4) discrete particle swarm optimization
离散粒子群优化
1.
A discrete particle swarm optimization algorithm was designed to tackle the permutation flowshop scheduling problem(PFSP).
提出了一种求解置换流水车间调度问题的离散粒子群优化算法。
2.
A new improved discrete particle swarm optimization algorithm is designed to tackle the Traveling Salesman Problem.
针对旅行商问题,提出了一种改进的离散粒子群优化算法,根据优化问题及离散量的特点,对粒子的速度、速度的相关运算规则和粒子的运动方程进行了重新定义,为防止算法的早熟停滞现象,提出用扰动速度来增加粒子群的多样性,为提高算法的求精能力,设计了一种高效的近邻搜索算子来提高粒子的适应值,使算法在空间探索和局部精化间取得了很好的平衡。
3.
A discrete particle swarm optimization algorithm is designed to tackle the Traveling Salesman Problem.
以旅行商问题为例,提出了一种离散粒子群优化算法,根据优化问题及离散量的特点,对粒子的位置、速度等量及其运算规则进行了重新定义,为抑制早熟停滞现象,为粒子和粒子群分别定义了个体多样性和微观多样性,算法中定义了排斥算子来保持粒子群的多样性,使用高效的学习算子来提高算法的局部求精能力,使算法在空间探索和局部求精间取得了很好的平衡,与领域中的其它典型算法进行了仿真比较,结果表明,离散粒子群优化算法具有很好的性能。
5) discrete particle swarm optimization
离散粒子群算法
1.
To deal with the problem of premature convergence and slow search speed of DPSO(discrete particle swarm optimization),this paper proposes a novel hybrid discrete particle swarm optimization (HDPSO),which integrates the disturbance methods to help the particle escape from the local minima and the local algorithm PSEC to speed up the reach.
重新定义了离散粒子群算法DPSO的速度和位置公式,使其适宜求解离散问题。
2.
A discrete particle swarm optimization(DPSO) algorithm was put forward for multi-UCAV cooperation mission assignment problem.
针对多UCAV协同目标分配问题,提出了一种基于离散粒子群算法的多UCAV协同目标分配方法。
3.
This paper introduces a modified discrete particle swarm optimization(DPSO) which deals with linear order problem(LOP).
提出一种优化线性顺序问题的简便的离散粒子群算法。
6) dispersed particle swarm optimization
离散粒子群算法
1.
In order to improve the performance of Multi-User Detection technology and the local search capability of particle swarm optimization (PSO), clone selection algorithm (CS) is combined with traditional dispersed particle swarm optimization (DPSO), and a new advanced self-adaptation clone selection particle swarm optimization (ACSPSO) is proposed and used in Multi-User Detection.
为了提高多用户检测技术的性能,改善粒子群算法的局部搜索能力,将克隆选择算法(CS)和传统离散粒子群算法(DPSO)相结合,文中提出一种改进的自适应克隆选择粒子群优化算法(ACSPSO),并用于多用户检测。
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条