Pytorch 粒子群算法 粒子群算法研究现状

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：2013

3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。

       3：研究现状组卷算法的研究现状。

       4：粒子群算法的研究现状：粒子群算法(Particle Swarm Optimization，PSO)是一种模拟鸟类觅食行为的算法。PSO 的每个粒子具备初速度，通过当时最优位置和历史最优位置确定下一    步方向，并对飞行速度进行相应控制，层层迭代之后找到目的地。PSO 具有概念简明、收敛速度快等优点，现已广泛应用在函数优化、模糊系统控制等领域。尤其是 PSO具有收敛速度快、鲁棒性好、解质量高的特点，是一种比较好的智能组卷方法。现在利用粒子群算法进行智能组卷的研究己经比较广泛。本课题的研究就是在此前提下将差分进化算法中的变异因子引入 APSO 算法，提出了一种混合元启发式算法，即改进加速粒子群优化算法，用于解决智能组卷问题。提出利用多目标粒子群算法进行智能组卷操作，在对相关考试理论研究的基础上，加上合理的算法与策略，对组卷的方式进行多目标优化。

三：流程图：

智能组卷操作步骤：

 

 改进粒子群算法：

 

 

 

 

 

DE算法流程图：

 

 多目标算法流程图：

 

 

 四：结论：

            多目标粒子群与基于3层架构B\S结构算法不同。对我需要通用试题库管理系统来说有借鉴作用。