????欢迎来到本博客❤️❤️???博主优势：???博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。目录?1 概述?2 运行结果?3 参考文献?4 Matlab代码实现?1 概述本文程序用于特征选择的二元粒子群优化（BPSO），可以选择潜在特征以提高分类精度。并讲解如何使用具有分类错误率（由 KNN 计算）的 BPSO 作为使用基准
原创
2022-11-13 16:33:58
253阅读
第一部分 --- 子图和补图1.生成子图：点集合不变，边集合是原图的边集合的子集2.导出子图：点集合是原图点集合的非空子集V，然后再在原图的边集合中找到两个端点均在点集合V中的边元素，并将这些边元素称成一个新的边集合，得到的这个边集合就是导出子图的边集合（点集合V和得到的新的边集合组成的新图是原图G的子图，被称为V导出的原图的子图，简称为V的导出子图）1.一个图G可以是自身的子图，生成子图和导出子
转自：粒子群算法（Particle Swarm Optimization，PSO）是20世纪90年代兴起的一门学科，因其概念简明、实现方便、收敛速度快而为人所知。粒子群算法的基本思想是模拟鸟群随机搜寻食物的捕食行为，鸟群通过自身经验和种群之间的交流调整自己的搜寻路径，从而找到食物最多的地点。其中每只鸟的位置/路径则为自变量组合，每次到达的地点的食物密度即函数值。每次搜寻都会根据自身经验（自身历史搜
1 简介摘要：特征选择是数据挖掘和机器学习等领域的重要研究方向。客观条件的限制，特征选择比较复杂且很难找到最关键的特征集合，导致分类精确度不高、分类器制作困难。开展分组特征选择算法的研究具有较高的理论意义和实用价值。 本文分析研究了支持向量机、Relief算法、SVM-RFE算法、粒子群算法和离散型粒子群算法，在此基础上对离散型粒子群算法进行了改进，对比实验表明，改进后的算法能够更好地找到特征之
原创
2022-03-05 00:36:43
214阅读
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。 ?个人主页：Matlab科研工作室?个人信条：格物致知。更多Matlab仿真内容点击?智能优化算法 神经网络预测 雷达通信 无线传感器信号处理 图像处理 路径规划 元胞自动机 无人机⛄ 内容介绍摘要：特征选择是
原创
2022-09-27 22:29:33
274阅读
一、粒子群算法的历史 粒子群算法源于复杂适应系统（ComplexAdaptiveSystem,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比方研究鸟群系统，每一个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其它的主体进行交流，而且依据交流的过程“学习”或“积累经验”...
转载
2014-10-12 13:32:00
365阅读
2评论
粒子群算法原理很简单，用matlab和python都很快实现编程。程序：参数部分，需要修改的可以修改。这个程序实现的是基本粒子群算法，对于提升粒子群算法的表现，可以在上面进行更多的功能添加。import numpy as np
import random
import matplotlib.pyplot as plt
#----------------------PSO参数设置---------
一：基本信息1标题：《基于多目标粒子群算法的智能组卷研究》2时间：20133来源：东北师范大学硕士学位论文4关键词：智能组卷；计算机辅助测验；层次分析法；粒子群优化算法；多目标粒子群优化算法。二：研究内容 1：研究背景。 2：研究现题库系统建设。 
一、官方定义： 首先我们要知道粒子群算法具体要解决的问题是什么，官方定义是：子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等开发的一种新的进化算法(Evolutionary Algor
介绍 粒子群算法（Particle swarm optimization，PSO）是模拟群体智能所建立起来的一种优化算法，主要用于解决最优化问题（optimization problems）。1995年由 Eberhart和Kennedy 提出，是基于对鸟群觅食行为的研究和模拟而来的。 假设一群鸟在觅食，在
粒子群算法 粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。设想这么一个场景：一群鸟进行觅食，而远处有一片玉米地，
转载
2018-10-26 20:50:00
175阅读
2评论
如果遇到的优化问题特别复杂的话，启发式算法就是我们求解问题的一大法宝。 启发式搜索与盲目搜索的区别：利用中间信息改进搜索策略 连续优化：连续型变量 组合优化：离散型变量 今天我们就来学习第一个智能优化算法：粒子群算法，其全称为粒子群优化算法(Particle Swarm Optimization,P ...
转载
2021-09-05 16:02:00
928阅读
2评论
粒子群算法：通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智
自话粒子群算法（超简单实例） 简介 上 次在自话遗传算法中提到后期会写两篇关于粒子群算法和蚁群算法的博文，所以这次给大家带来的是我对粒子群的一些理解，并附带一个相当简单的实例去描述这个 算法，我会尽力通俗易懂的把整个算法描述一遍，其实粒子群算法的思想也挺简单的，希望我不要反而写复杂了，下面同样引用百
转载
2021-07-16 10:14:05
484阅读
原始粒子群算法 粒子群算法（Particle Swarm Optimization, PSO）的基本思想是随机初始化一群没有体积没有质量的粒子
原创
2022-08-07 00:10:22
230阅读
PSOIndividual.py
import numpy as np
import ObjFunction
import copy
class PSOIndividual:
'''
individual of PSO
'''
def __init__(self, vardim, bound):
'''
vardim: di
题目：一种新的离散粒子群优化算法中文摘要 粒子群优化算法在许多优化问题上表现得非常好。粒子群优化算法的缺点之一是假设算法中的变量为连续变量。本文提出一个新的粒子群优化算法，能够优化离散变量。这个新算法被称为整数和分类粒子群优化算法，该算法融合了分布估计算法的思想，即粒子代表概率分布而不是解的值，并且PSO更新修改了概率分布。本文
算法理解粒子群算法，又叫鸟群算法，可见是受鸟群捕食行为的启发。它属于遗传算法、群智算法。粒子群算法关注于粒子的两个属性：位置和速度。每个粒子在空间中单独搜寻，它们记得自己找到的过最优解，也知道整个粒子群当前找到的最优解。下一步要去哪，取决于粒子当前的方向、自己找到过的最优解的方向、整个粒子群当前最优解的方向。Note: 一开始我看到“群智算法”这个概念，以为它是应用于一群机器人的算法。假
目录1.算法1.1.原理1.2.性能比较1.3.步骤2.代码2.1.源码及注释 1.算法1.1.原理建议没接触过粒子群算法的朋友先看较为基础的全局粒子群算法原理及介绍，以下博文链接有详细的讲解、代码及其应用举例：【Simulink】粒子群算法（PSO）整定PID参数（附代码和讲解）这里就介绍一下全局粒子群算法和混合粒子群算法的区别。全局粒子群算法（General PSO）将粒子速度矢量影响因子分
