作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的粒子群算法具有比较好的寻找最优解的能力,但是当问题解的维度比较多,问题比较复杂,局部较优解比较多的时候,就会容易陷入局部较优解.为防止传统的PSO算法陷入局部最优,本文提出使用模拟退火算法对原始的粒子群算法进行改进.使得改进后的粒子群算法能够寻找出较优的解,同时粒子群算法又能保持比较好的寻优特性和鲁棒性.
推荐文章
基于模拟退火思想改进的粒子群算法求解背包问题
模拟退火
粒子群
背包问题
遗传算法
基于模拟退火粒子群算法在数据关联上的研究
数据关联
模拟退火算法
粒子群算法
基于模拟退火的自适应粒子群优化算法的改进策略
粒子群优化算法
模拟退火
函数优化
基于模拟退火的改进鸡群优化算法
模拟退火
鸡群算法
惯性权重
学习因子
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于模拟退火算法改进粒子群算法优化数学函数
来源期刊 消费电子 学科
关键词 PSO 粒子群算法 模拟退火算法 局部较优解 全局较优解
年,卷(期) 2021,(2) 所属期刊栏目 计算机技术及应用
研究方向 页码范围 74-75
页数 2页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1674-7712.2021.02.035
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(5)
  • 参考文献(0)
  • 二级参考文献(5)
2018(4)
  • 参考文献(0)
  • 二级参考文献(4)
2019(6)
  • 参考文献(0)
  • 二级参考文献(6)
2020(6)
  • 参考文献(3)
  • 二级参考文献(3)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
PSO
粒子群算法
模拟退火算法
局部较优解
全局较优解
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
消费电子
月刊
1674-7712
11-5879/TM
16开
北京市
82-224
2003
chi
出版文献量(篇)
15286
总下载数(次)
35
论文1v1指导