基于粒子群和改进萤火虫(PGSO)算法的无线传感器网络的覆盖优化

针对多目标优化（multi-objecdve optimization pmblem，MOP）问题，特别是解集分布非均匀问题，提出一种基于混沌变异的优化算法。通过Pareto支配思想来决定粒子的飞行方向，在进化后期加入混沌变异操作，有效地避免早熟收敛现象；根据粒子群优化算法（particle swam otimixation，PSO）特有的记忆建立外部档案，动态引导微粒在每一次迭代的飞行方向。最后通过8个标准多目标测试函数进行测试，实验结果表明该算法是有效可行的，其性能比SPEA和NSGAⅡ更优。

本资源是根据08年Erciyes University, Intelligent Systems Research Group, The Dept. of Computer Engineering公开代码改变而来，源代码为n维ABC优化，改编后为2维优化，可以画出蜂群优化时的三维实时图像。

代码里默认可行解个数SN为20，蜜源没有改进的最大次数limit为20，解向量的维数Dimension是2，通过输入迭代次数10000，便可得到函数的极小值。

这是我们开发的 Matlab 工具箱，用于使用双存档多目标人工蜂群算法进行成本敏感特征选择。” 该程序的详细信息可以在已提交给 Expert Systems with Applications 期刊的论文“Cost-sensitive feature selection using two-archive multi-objective人工蜂群算法”中找到。 在这个工具箱中，main 函数被命名为“main.m”。 在此功能中，您可以通过更改“fly”的值来选择不同的数据集。

一种求解极高维优化问题的并行频繁覆盖随机漂移粒子群优化算法，李琳，方伟，针对极高维优化问题对算法求解速度和求解精度的需要,本文基于GPU框架提出了一种并行频繁覆盖随机漂移粒子群优化(parallel frequently cover

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。