微粒群算法的研究现状与展望

被引：33

作者：

王万良

唐宇

机构：

[1] 浙江工业大学信息工程学院

来源：

浙江工业大学学报 | 2007年 / 02期

关键词：

群体智能; 微粒群算法; 生产调度;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

微粒群算法(PSO)是继蚁群算法提出之后的又一种新的进化计算技术.介绍了微粒群算法的产生背景,基本算法,算法流程,算法参数及其对算法性能的影响.围绕微粒群算法的改进形式,算法的应用等方面对微粒群算法的研究现状进行全面综述,其中特别提到了算法在生产调度领域的研究现状.最后就PSO算法进一步的研究工作进行了探讨和展望.

引用

收藏

页码：136 / 141

页数：6

相关论文

共 31 条

[1] 基于粒子群算法的并行多机调度问题研究 [J].

刘志雄 ;

王少梅 .

计算机集成制造系统, 2006, (02) :183-187+296

[2] 基于粒子群算法的足球机器人动作选择研究 [J].

刘钊 ;

陈建勋 .

武汉科技大学学报(自然科学版), 2006, (01) :83-85

[3] 基于微粒群优化算法的最优电力系统稳定器设计 [J].

赵辉 ;

刘鲁源 ;

张更新 .

电网技术, 2006, (03) :32-35

[4] 基于粒子群优化的开放式车间调度 [J].

高亮 ;

高海兵 ;

周驰 .

机械工程学报, 2006, (02) :129-134

[5] 改进微粒群算法及其在水库优化调度中的应用 [J].

李崇浩 ;

纪昌明 ;

李文武 .

中国农村水利水电, 2006, (02) :54-56

[6] 混合粒子群算法在混流装配线优化调度中的应用 [J].

林献坤 ;

李爱平 ;

陈炳森 .

工业工程与管理, 2006, (01) :53-57

[7] 一种改进的粒子群优化RBF网络学习算法 [J].

刘鑫朝 ;

颜宏文 .

计算机技术与发展, 2006, (02) :185-187

[8] 粒子群优化算法在多目标优化中的应用与仿真 [J].

雷秀娟 ;

史忠科 ;

王来军 ;

毕业 ;

仉亚男 .

计算机工程与应用 , 2006, (02) :28-29+181

[9] 基于粒子群优化算法的多阈值图像分割 [J].

韦苗苗 ;

江铭炎 .

山东大学学报(工学版), 2005, (06) :118-121

[10] 灾变粒子群优化算法及其在交通控制中的应用 [J].

董超俊 ;

刘智勇 ;

邱祖廉 ;

不详 .

计算机工程与应用 , 2005, (29) :19-23

← 1 2 3 4 →