hhj274159788的博客

粒子群优化算法是一种基于群智能的随机优化算法,具有简单易实现、设置参数少、全局 优化能力强等优点. 着重对粒子群优化算法中的基本算法、改进算法、应用领域和研究热点等方 面做了较为详细的论述.

提出一种自适应进化粒子群优化算法(AEPSO)，以提高多目标优化PSO 算法的性能。 AEPSO 算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO 算法中，来提高 算法的全局搜索能力和粒子的多样性。与常用的整体加权方法来处理多目标优化问题不同，AEPSO 算法采用非劣解排序来引导粒子的飞行，以改进算法的收敛性，同时采用特殊的变异操作防止早 熟收敛并增加优化解的多样性。所提算法的有效性经过四种代表性benchmark 函数进行验证，并与 几种典型同类型算法进行比较。该算法已成功地用于合金材料的多目标优化设计。实验结果表明AEPSO 算法能够较好地兼顾收敛精度与优化解的多样性，满足多目标优化设计的要求。

粒子群优化算法是一种新兴的基于群智能搜索的优化技术。该算法简单、易实现、参数少，具有较强的全局优 化能力，可有效应用于科学与工程实践中。介绍了算法的基本原理和算法在组合优化上一些改进方法的主要应用形式。最后， 对粒子群算法作了一些深入分析并在此基础上对粒子群算法应用于组合优化问题做了一些总结。

粒子群算法( PSO) 中参数的选择是一个重要研究方向,参数的设置常依靠经验来确定,从而造成工作 量大且难以得到最优的参数组合,影响了算法的使用。针对以上情况,本文使用3 个测试函数对粒子群算法和收 缩因子方法(CFM) 中的收缩因子、速度约束和种群规模等重要参数进行了系统的实验和分析,并且提出了参数取 值策略。实验证明本文提出的参数取值策略能明显地改进PSO 算法性能,具有一定的实用价值。

讨论微粒群算法的开发与应用，首先回顾从年以来的开发过程，然后根据一些已有的测试结果对其参数设置进行系统地分析并讨论一些非标准的改进手段。如簇分解选择方法邻域算子无希望重新希望方法等。 介绍了一些常用的测试函数B以及与其他演化算法的比较。 最后讨论了一些已经开发和在将来有希望的领域中的应用。

阐述了粒子群算法的基本原理,探讨了在MATLAB环境中实现粒子群算法的编程方法,构建粒子群算 法工具箱函数,通过仿真示例验证了该方法的有效性,表明它能够对函数进行全局优化。

利用粒子群及其改进算法，快速精确地估计ARCH 模型的参数，动态地度量描述证券市场收益序列的条件异方差；并利用算法建 立美国证券市场道琼斯指数收益的ARCH 模型，进行了走势预测。得到了大致跟随指数的实际走势的预测值，说明ARCH 模型确实能够 描述证券市场的“异方差”现象。

Linux内核完全注释PDF版。 本书对Linux早期操作系统内核(v0.11)全部代码文件进行了详细全面的注释和说明，旨在使读者能够在尽量短的时间内对Linux的工作机理获得全面而深刻的理解，为进一步学习和研究Linux系统打下坚实的基础. 书中首先以Linux源代码版本的变迁历史为主线，详细介绍了Linux系统的发展历史，着重说明了各个内核版本之间的重要区别和改进方面，给出了选择 0.11(0.95)版作为研究的对象的原因。然后本书依据内核源代码的组织结构对所有内核程序和文件进行了注释和详细说明。在注释的同时，还介绍了读者应该了解的相关知识，并给出了相关的硬件信息。本书带介绍了内核源代码的组织结构信相互关系。 本书适合作为计算机专业学生学习操作系统课程的实践教材和参考书，也适合Linrx操作系统爱好者自学，还可以供具有一定基础的技术人员作为嵌入式开发应用的参考书。

学习数据库的有用资料。学SQL的朋友就不要错过了。。。。