1) particle swarm optimization with simulated annealing strategy(SAPSO)
基于模拟退火思想的粒子群优化算法
2) simulated annealing particle swarm optimization algorithm(SA-PSO)
模拟退火粒子群优化算法
3) co-evolution algorithm of PSO and SA (CPSOSA)
粒子群优化与模拟退火协同进化算法(CPSOSA)
4) particle swarm algorithm based on simulated annealing(SAPSO)
模拟退火粒子群算法
1.
To solve the facility layout problem,a new particle swarm algorithm based on simulated annealing(SAPSO) was formulated.
为解决设备布局这一典型的非多项式(non-polynomial,NP)难题,提出了一种新的模拟退火粒子群算法,该算法将粒子群算法与模拟退火方法有机结合,在保留粒子群算法具有收敛速度快等优点的同时,增强了算法的全局搜索能力。
5) Quantum-behaved Particle Swarm Optimization (QPSO)
基于量子行为的微粒群优化算法
1.
To improve the adaptability and versatility of image enhancement, a Quantum-behaved Particle Swarm Optimization (QPSO) algorithm approach to image enhancement was proposed, in which image enhancement was formulated as an optimization problem.
为了提高图像增强的自适应性和通用性,提出了基于量子行为的微粒群优化算法(QPSO)的图像增强方法,将图像增强作为最优化问题来明确地表示。
6) QPSO(Quantum-behaved Particle Swarm Optimization) algorithm
基于量子行为的粒子群优化算法QPSO算法
补充资料：模拟退火算法
分子式：
CAS号：
性质： 一种随机优化算法，它以自然界的退火过程作为模拟对象，以求得全局最优。它在寻优过程是以一种概率形式来保留多个最优点，以使得该算法可跳出局部最优点。可以证明，只要计算时间足够长，模拟退火算法总可以找到全局最优解。由于化学化工研究中经常存在着局部最优的问题，故近年来模拟退火算法在化学化工研究中得到了广泛的应用。
CAS号：
性质： 一种随机优化算法，它以自然界的退火过程作为模拟对象，以求得全局最优。它在寻优过程是以一种概率形式来保留多个最优点，以使得该算法可跳出局部最优点。可以证明，只要计算时间足够长，模拟退火算法总可以找到全局最优解。由于化学化工研究中经常存在着局部最优的问题，故近年来模拟退火算法在化学化工研究中得到了广泛的应用。
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