收藏本站
《吉林大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群优化算法及其应用研究

田野  
【摘要】: 在经济计划、工程设计、生产制造、交通运输、信息处理等领域存在着大量的最优化问题,即在众多可行的决策方案中寻求最优方案。有效解决这些问题不仅具有重要的社会意义,而且也能产生巨大的经济效益。最优化作为一个独立的数学分支,其目的就是为了解决最优化问题,而具体解决最优化问题的方法就被称为最优化方法。传统的优化方法,如牛顿法、迭代法等是以数学为基础,对问题的描述有严格的要求,通常要求问题的目标函数和约束条件是连续可微的。而随着先进制造技术的发展,实际的优化问题变得越来越复杂,这使得传统的优化方法越发显得无能为力,因此,亟待寻求面向复杂问题的新优化方法。 进化计算源于人们对自然界或生物界一些现象的观察和模拟。相对于传统的优化方法,以进化计算为代表的仿生智能优化方法通常对各类复杂优化问题具有很强的适应性、鲁棒性和并行处理等优点,并被广泛地应用于科学研究和工业生产等众多领域。粒子群算法作为进化算法中的一种,由于其参数较少、且易于实现等特点,因此一经提出,就在许多领域得到了成功的应用。本文基于粒子群算法,对单目标规划和生产调度等问题进行了研究,提出了一些优化算法,并通过大量的实验对算法的性能进行了验证,实验结果表明,本文提出的算法能够有效地克服粒子群算法过早收敛,同时求解质量也有了明显的改进。主要研究内容如下: 1、以单目标非线性规划问题为研究对象,提出了一种混合的粒子群算法PSO-EM。该算法结合了粒子群算法的自我改进的思想(每个粒子都通过信息交互不断地进行学习)和类电磁机制算法的吸引-排斥机制,粒子群算法和类电磁机制算法交替执行,在执行完粒子群算法后,将类电磁机制算法的吸引-排斥机制作用于粒子的当前个体最优,迫使粒子的当前个体最优再次向更好的位置移动。因此,粒子的当前个体最优的更新不仅依赖当前群体最优,也受到其他粒子的当前个体最优的影响,通过这种方式来加快算法的收敛速度。实验结果表明,PSO-EM算法无论是在收敛速度、收敛精度以及成功率上都有了明显的提高。 2、提出了一种基于多群体的改进粒子群算法IMPSO求解单目标非线性规划问题。该算法采用有偏(类似人才层次结构)的群体划分方式,将整个群体划分为三个规模不均等的子群体,不同的子群体采取不同的速度更新策略。最优子群体(better-population)的目的是加快收敛速度,最差子群体(worse-population)的目的是为了有机会探寻更大的搜索空间,减少陷入局部极值的可能。而次优子群体(middle-population)的作用则是为了实现对搜索空间进行更大范围探索和已确定搜索范围内开采间的平衡。同时,通过引入变异策略来进行局部精细搜索,并利用不同群体间的交叉来维护群体的多样性,避免早熟收敛。通过与一些经典的粒子群算法以及有代表性的新粒子群算法的实验对比,验证了算法的有效性和高效性。 3、置换流水车间调度问题是比较典型的生产调度问题,要求多个作业在不同的机器上进行加工,并且每台机器上的所有作业的加工顺序都必须相同。针对该问题,提出一种混合粒子群算法HDCPSO。HDCPSO算法利用迭代贪心算法(Iterated Greedy Algorithm,IG)的作业毁坏(Destruction)与构造(Construction)机制来对粒子的当前个体最优进行变异操作,并且通过引入个体徘徊的概念来控制变异发生的条件,防止粒子过早地发生停滞,降低群体早熟收敛的概率。其次,算法采用了粒子重新初始化策略,通过对部分较差粒子(适应度较差或者多样性较差)进行重新初始化以保证群体的多样性。同时,采用了基于插入邻域的局部搜索机制,通过对最优个体的插入邻域进行搜索,试图找到更好的解来提高算法的收敛速度。针对不同规模问题,与现有一些算法的实验对比表明,HDCPSO算法无论在求解质量,还是稳定性方面都优于对比算法。 4、针对两阶段装配调度问题,提出离散粒子群算法DPSO。两阶段装配调度问题可以认为是流水调度问题的扩展,整个作业的加工分为两个阶段,每个操作都要在不同的机器上进行加工,最后一个操作要在第二阶段进行处理,并且每个作业的最后一个操作只有在第一阶段的操作加工完成后才能开始在第二阶段的机器上进行加工。本文中首先重新定义了粒子的速度,并根据速度相应地修改了粒子的移动。为了避免算法过早地陷入局部极值,增加了对粒子的自适应变异操作,引入了个体强度,利用个体强度来控制个体变异,并根据个体适应度来决定变异的模式。同时,通过基于交换邻域的搜索机制来强化个体的局部搜索能力,提高算法的收敛速度。最后在不同规模的问题上进行实验对比,验证了算法的有效性,该算法在最优解质量上优于其他对比算法,并且在执行时间上也具有较强的竞争力。 近年来,对粒子群优化算法及其应用的研究已经得到了国内外众多学者的关注,并且涌现了大量的改进算法和新的应用。本文对粒子群算法求解规划问题和生产调度问题进行了研究,并提出了一些更有效的优化算法。在粒子群算法的改进、混合等研究以及在更多领域的应用上,本文的研究工作具有一定的理论意义和应用价值。
【学位授予单位】:吉林大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP301.6

【引证文献】
中国期刊全文数据库 前3条
1 阮海贵;谭毅华;鹿明明;田金文;;神经网络的粒子群优化算法及其在地震预测中的应用[J];计算机与数字工程;2013年02期
2 路杨;张晓丽;;CW-PSO及其在古建筑传感器优化配置中的应用研究[J];计算机工程与应用;2013年05期
3 王莉荣;祁云嵩;;基于函数最优解问题的粒子群算法改进[J];计算机技术与发展;2013年02期
中国博士学位论文全文数据库 前2条
1 姜允志;若干仿生算法的理论及其在函数优化和图像多阈值分割中的应用[D];华南理工大学;2012年
2 王兆坤;洪涝灾害下电力损失及停电经济影响的综合评估研究[D];湖南大学;2012年
中国硕士学位论文全文数据库 前7条
1 杨薇;面向大型活动的动态交通诱导疏散关键技术研究[D];吉林大学;2011年
2 梁宵;地下矿床开拓系统空间优化的粒子群方法[D];武汉理工大学;2011年
3 刘忠辉;综合负荷模型参数辨识及负荷特性分类综合方法研究[D];山东大学;2011年
4 张翠平;面向微生物发酵过程的优化控制方法的研究与应用[D];北京工业大学;2011年
5 赵玲玲;基于改进PSO的发酵补料速率的优化控制[D];大连理工大学;2011年
6 朱兴涛;多目标拆卸线平衡问题的群集智能优化算法研究[D];西南交通大学;2012年
7 吕欢欢;面向客户需求融合的产品设计方案优选模型及应用[D];浙江工商大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 彭宇,彭喜元,刘兆庆;微粒群算法参数效能的统计分析[J];电子学报;2004年02期
2 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期
3 高海兵,高亮,周驰,喻道远;基于粒子群优化的神经网络训练算法研究[J];电子学报;2004年09期
4 蔡良伟,张基宏,李霞;作业车间调度问题的多种群遗传算法[J];电子学报;2005年06期
5 周驰;高亮;高海兵;;基于PSO的置换流水车间调度算法[J];电子学报;2006年11期
6 张长胜;孙吉贵;欧阳丹彤;;一种自适应离散粒子群算法及其应用研究[J];电子学报;2009年02期
7 窦全胜,周春光,马铭;粒子群优化的两种改进策略[J];计算机研究与发展;2005年05期
8 李呈林;陈水利;;基于PSO的加权关联规则挖掘算法[J];集美大学学报(自然科学版);2007年01期
9 沈显君;王伟武;郑波尽;李元香;;基于改进的微粒群优化算法的0-1背包问题求解[J];计算机工程;2006年18期
10 孙志峻,乔冰,潘全科,朱剑英;具有柔性加工路径的作业车间批量调度优化研究[J];机械科学与技术;2002年03期
【共引文献】
中国期刊全文数据库 前10条
1 焦俊;陈无畏;李绍稳;王继先;;基于改进PSO的智能车辆转向自适应PID控制[J];安徽大学学报(自然科学版);2008年06期
2 郭鹏;;求解无约束优化的类电磁机制算法的改进[J];安阳师范学院学报;2010年05期
3 李明雨,杨萍,毕义明;网络计划在导弹批量测试中的应用[J];兵工自动化;2005年04期
4 赵秋玲,张奇志,戈新生;非完整运动规划的粒子群优化算法[J];北京机械工业学院学报;2005年02期
5 姚峰;杨卫东;张明;;改进粒子群算法及其在热连轧负荷分配中的应用[J];北京科技大学学报;2009年08期
6 陈传亮;田英杰;别荣芳;;基于粒子群优化的SVR算法与BP网络的比较研究[J];北京师范大学学报(自然科学版);2008年05期
7 申元霞;;自主式粒子群优化模型研究[J];重庆邮电大学学报(自然科学版);2009年04期
8 邸朝生;朱人杰;曲仁慧;;基于PSO-PTS算法的E形双频微带天线设计[J];吉林大学学报(信息科学版);2009年05期
9 罗德江;张永锋;刘诚;;非线性回归分析的PSO小波网络方法及应用[J];成都理工大学学报(自然科学版);2007年06期
10 陈家利;;师范生签约问题的数学模型[J];长春大学学报;2009年02期
中国重要会议论文全文数据库 前10条
1 苗广祥;牛玉广;陈向阳;张海萍;;基于微粒群优化算法模型的改进策略的研究[A];第二十六届中国控制会议论文集[C];2007年
2 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
3 杨光友;张道德;;基于PSO和L-M优化方法的奇偶问题学习算法[A];第二十六届中国控制会议论文集[C];2007年
4 马建华;;单行道设置问题的优化模型[A];第二十七届中国控制会议论文集[C];2008年
5 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
6 史久根;徐胜生;;基于文化-粒子群算法的机器人路径规划算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
7 刘晓平;唐益明;郑利平;;复杂系统仿真对复杂系统研究与创新的意义[A];节能环保 和谐发展——2007中国科协年会论文集(一)[C];2007年
8 王浩;徐豪华;马全峰;;改进粒子群算法在军事仓库选址中的应用[A];第十届中国科协年会论文集(一)[C];2008年
9 甘屹;杜继涛;;基于并行蚁群优化的车间调度研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年
10 宁国忠;颜学峰;钱锋;;基于粒子群算法的神经网络学习方案设计及其在4-CBA建模中的应用[A];上海市化学化工学会2006年度学术年会论文摘要集[C];2006年
中国博士学位论文全文数据库 前10条
1 张杏莉;几何约束求解关键问题研究[D];山东科技大学;2010年
2 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年
3 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
4 刘效武;基于多源融合的网络安全态势量化感知与评估[D];哈尔滨工程大学;2009年
5 毛宇峰;水下机器人系统体系结构及避障控制技术研究[D];哈尔滨工程大学;2010年
6 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
7 李敏;基于协同异构模型的成形模拟计算加速[D];华中科技大学;2010年
8 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
9 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年
10 高雪瑶;语义特征造型的与历程无关技术的研究[D];哈尔滨理工大学;2009年
中国硕士学位论文全文数据库 前10条
1 肖小城;粒子群算法求解作业车间调度问题的研究[D];郑州大学;2010年
2 杨书显;基于PSO算法的氧乐果合成过程建模与控制研究[D];郑州大学;2010年
3 姜婵娟;遥控式水下机器人PID运动控制算法优化研究[D];哈尔滨工程大学;2010年
4 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
5 石丽丽;智能优化算法对比研究及其在船体双底结构优化中的应用[D];哈尔滨工程大学;2010年
6 孙洋;基于免疫遗传算法和粒子群算法的聚类研究[D];长沙理工大学;2010年
7 杨惠;基于粒子群和蚁群融合算法的移动机器人路径规划研究[D];长沙理工大学;2010年
8 李望移;基于引导交叉的遗传算法研究[D];湘潭大学;2010年
9 刘子文;改进的粒子群算法在停车场中的应用[D];湘潭大学;2010年
10 满莎;基于ARM的智能家居系统的研究[D];湘潭大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 宋嘉宁;;投入产出模型计量灾害损失可行性判定[J];安徽农业科学;2008年35期
2 杨孝宽;宫建;曹静;;奥运会突发事件疏散路径动态路段行程时间[J];北京工业大学学报;2007年07期
3 蔡先华;陆建;;基于GIS的大型活动交通组织模拟系统研究[J];测绘科学;2007年06期
4 盛涛;谢异同;曲高峰;;基于SVR算法与BP神经网络的地震预测对比研究[J];长江大学学报(自然科学版)理工卷;2009年01期
5 苏盛,李欣然,陈元新,李茂军,张文磊,唐外文,徐宇新;电力负荷特性记录装置的开发与应用[J];长沙电力学院学报(自然科学版);2002年01期
6 王伯成;施锦丹;王凯;;粒子群优化算法的研究现状与发展概述[J];电讯技术;2008年05期
7 孟祥萍,杨秀霞,谭万禹;水火电系统短期经济调度的遗传算法[J];东北水利水电;1998年09期
8 王振树;李林川;牛丽;;基于贝叶斯证据框架的支持向量机负荷建模[J];电工技术学报;2009年08期
9 张勇军;任倩;汪穗峰;任震;;分类用户单位停电损失函数的确定及应用[J];电气应用;2008年03期
10 张东山;韩宏霞;;35kV及以上输电线路故障分析[J];电力安全技术;2008年03期
中国博士学位论文全文数据库 前10条
1 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
2 王娟丽;基于QFD的概念设计方法研究[D];浙江大学;2011年
3 何小娟;分布估计算法及其在生产调度问题中的应用研究[D];兰州理工大学;2011年
4 聂方彦;图像阈值化与目标分割方法中的若干问题研究[D];重庆大学;2010年
5 苏三买;遗传算法及其在航空发动机非线性数学模型中的应用研究[D];西北工业大学;2002年
6 孔亚广;造纸过程先进控制算法及其软件实现[D];浙江大学;2002年
7 石景海;考虑负荷时变性的大区电网负荷建模研究[D];华北电力大学(北京);2004年
8 赵渊;大电力系统可靠性评估的灵敏度分析及其校正措施模型研究[D];重庆大学;2004年
9 李晓明;一种新型混合优化算法及其在优化油田开发中的应用[D];西南石油学院;2004年
10 李守巨;基于计算智能的岩土力学模型参数反演方法及其工程应用[D];大连理工大学;2004年
中国硕士学位论文全文数据库 前10条
1 黄启良;基于广义参数化技术的机械产品优化设计方法研究与应用[D];中北大学;2011年
2 徐青鹤;改进粒子群算法及其应用研究[D];杭州电子科技大学;2009年
3 欧俭华;QFD与DOE集成应用研究[D];昆明理工大学;2011年
4 卢少华;遗传规划及其在采切巷道结构性优化中的应用研究[D];西安建筑科技大学;2001年
5 李建勇;粒子群优化算法研究[D];浙江大学;2004年
6 李海波;发酵过程建模与优化方法研究及其软件设计[D];江南大学;2005年
7 高光良;序列二次规划法在航空发动机加力过程最优控制中的应用研究[D];西北工业大学;2005年
8 周华;蚁群算法在开拓系统结构优化中的应用研究[D];西安建筑科技大学;2005年
9 蔡寅峰;矿山三维开拓系统的研究[D];昆明理工大学;2005年
10 孙丽军;矿山开拓系统设计优化研究[D];武汉科技大学;2006年
【二级引证文献】
中国硕士学位论文全文数据库 前5条
1 孙文飞;突发灾害条件下应急救援车辆路径选择研究[D];吉林大学;2012年
2 刘建华;负荷特性聚类和模型辨识研究[D];长沙理工大学;2012年
3 曹嘉;微生物发酵中环境敏感因素的智能调节与算法研究[D];西北大学;2012年
4 孟凡尧;基于SOM和小波变换数据挖掘的负荷建模平台数据库[D];山东大学;2012年
5 刘洋;基于QPSO算法的综合负荷模型参数辨识与负荷建模平台[D];山东大学;2012年
【二级参考文献】
中国期刊全文数据库 前10条
1 龙云,王建全;基于粒子群游算法的同步发电机参数辨识[J];大电机技术;2003年01期
2 柯晶,钱积新,乔谊正;一种改进粒子群优化算法[J];电路与系统学报;2003年05期
3 赵巍,王万良;改进遗传算法求解柔性job-shop调度问题[J];东南大学学报(自然科学版);2003年S1期
4 尹文君,刘民,吴澄;带工艺约束并行机调度问题的一种新的遗传算法[J];电子学报;2001年11期
5 江瑞,罗予频,胡东成,司徒国业;一种基于多Agent协同的准并行遗传算法[J];电子学报;2002年10期
6 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期
7 翁克瑞;杨超;屈波;;多分配枢纽站集覆盖问题及分散搜索算法实现[J];系统工程;2006年11期
8 吴庆洪,张纪会,徐心和;具有变异特征的蚁群算法[J];计算机研究与发展;1999年10期
9 周皓峰,朱扬勇,施伯乐;一个基于兴趣度的关联规则采掘算法[J];计算机研究与发展;2002年04期
10 王大明,毛宗源;并行遗传算法综述[J];暨南大学学报(自然科学与医学版);1998年01期
中国硕士学位论文全文数据库 前1条
1 薛慧君;基于遗传算法的关联规则数据挖掘的应用研究[D];天津大学;2006年
【相似文献】
中国期刊全文数据库 前10条
1 覃建波;邱小华;许宁;宋湛华;;改进粒子群算法在异步电机静态参数识别中的应用[J];电机技术;2008年06期
2 张俊宝;;基于改进PSO理论的二维Otsu分割算法[J];电光与控制;2010年07期
3 廖锋;高兴宝;;多群体差分演化算法及其应用[J];计算机仿真;2011年01期
4 陈晶;潘全科;;求解独立任务调度问题的改进粒子群算法[J];微电子学与计算机;2009年01期
5 刘华蓥,林玉娥,齐名军;求解约束优化问题的改进粒子群算法[J];大庆石油学院学报;2005年04期
6 牛玉会;;基于粒子群算法在六峰驼背函数中的应用[J];当代经理人(下旬刊);2006年08期
7 邹长武;羊依金;丁恒康;张雪乔;;基于粒子群算法的GM(1,1)在经济发展预测中的应用[J];成都信息工程学院学报;2007年03期
8 段晓东;;基于群智能的计算与仿真方法研究[J];大连民族学院学报;2007年03期
9 周苗;陈义保;刘加光;;一种新的协同多目标粒子群算法[J];山东理工大学学报(自然科学版);2008年05期
10 王晟;潘郁;;个体激励粒子群算法及其社会学背景分析[J];计算机工程;2008年21期
中国重要会议论文全文数据库 前10条
1 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
3 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
4 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年
5 张顶学;朱迎辉;廖锐全;;一种动态改变惯性权重的粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
6 张顶学;廖锐全;;粒子群算法分析及惯性权重的动态改变策略[A];第二十七届中国控制会议论文集[C];2008年
7 常俊林;梁君燕;魏巍;;解决流水车间双目标调度问题的免疫粒子群算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 史久根;徐胜生;;基于文化-粒子群算法的机器人路径规划算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
9 段练;张玉斌;;坐标改进型粒子群算法在应用层组播中的应用[A];煤炭机电与自动化实用技术[C];2012年
10 周晓君;阳春华;桂卫华;;可变随机函数的PSO算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
中国重要报纸全文数据库 前10条
1 尔冬;为什么女性领导人偏少[N];中国妇女报;2003年
2 本报记者 赵绍华;初中“是非期”家长多留意[N];健康时报;2003年
3 钱鑫;幼儿消费较多盲目[N];中国妇女报;2004年
4 吴小勇 黄希庭 西南大学心理学院;身份凸显性:自我的“操盘手”[N];中国社会科学报;2011年
5 杨斌鹄;你的生活,现在好吗?[N];西安日报;2003年
6 吴任名 周素萍 王珏;谁在消费“奢侈”服装[N];经理日报;2004年
7 汪立丰;基础教育中创新精神的培养[N];中国教育报;2003年
8 人民公安报采访组 马玉宝 刘学广 孟琳 李仕欣 杨烨;崭新的教育理念[N];人民公安报;2003年
9 马其东;影响草坪种子寿命的因素[N];中国花卉报;2004年
10 本报记者 胡京京;在药理研究中发现防病治病规律[N];中国中医药报;2001年
中国博士学位论文全文数据库 前10条
1 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
3 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
4 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
5 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
6 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
7 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
8 岳本贤;粒子群算法拓展研究及在约束布局优化中应用[D];大连理工大学;2012年
9 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
10 薛尧予;群能量守恒粒子群算法及其在发酵过程控制中的应用研究[D];北京化工大学;2010年
中国硕士学位论文全文数据库 前10条
1 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
2 陈琳玲;基于简化粒子群算法的测试数据自动生成方法研究[D];西南大学;2010年
3 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
4 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
5 张文静;协同粒子群算法及其在多车场路径优化问题中的应用[D];华东师范大学;2011年
6 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年
7 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
8 张念志;基于粒子群算法的集送货一体化车辆路径问题研究[D];山东大学;2010年
9 袁洲;基于改进粒子群算法的项目反应理论3PLM参数估计方法研究[D];吉林大学;2011年
10 苏同芬;改进的免疫粒子群算法及梯级水库优化调度问题的研究[D];太原理工大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026