群体智能及其科学应用.pptVIP

* * 应用研究 多项目选址问题 1. 多项目多位置选址问题的多目标微粒群优化方法. (中国矿业大学学报. 英文版,2006) 2. 用于含区间收益多项目选址问题的微粒群优化算法. (IJMIC,2009) 3. 不确定多项目选址问题的微粒群优化算法(系统仿真学报, 2009) 电力经济调度问题 1. 多目标电力经济调度问题的简洁微粒群优化(Information sciences, 2010) 2. 交互式多目标优化算法及其在电力经济调度上的应用. (DCDIS:B,2006) 3. 用于环境/经济电力调度的混合多目标优化算法. (IJEPES,2010) 特征选择 基于微粒群优化的特征选择方法. (Neurocomputing , 2012) √ * * 应用研究（续） 机器人路径规划 1. 未知环境下机器人路径规划的微粒群优化.(ICNC, 2008) 2. 不确定环境下基于微粒群优化的机器人路径规划方法. (CEC, 2009) 3. 密集障碍物环境基于凸包和微粒群优化的机器人路径规划.（电子学报，2010） 4. 基于多目标微粒群优化的不确定环境下路径规划方法 (Neurocomputing , 2012) 群机器人气味寻源 1. 基于趋风性微粒群优化的多机器人气味源搜索方法（IET Control Theory Applications，2012） 2. 面向多机器人气味寻源的自适应微粒群优化方法（CEC,2011） * * 11、研究展望 算法分析。PSO在实际应用中被证明是有效的, 但目前还没有给出完整收敛性和收敛速度估计等方面的数学证明。 微粒群拓扑结构.不同的微粒群邻居拓扑结构是对不同类型社会的模拟，研究不同拓扑结构的适用范围，对PSO算法推广和使用有重要意义。 算法参数选择与优化。如何选择、优化和调整参数,使得算法既能避免早熟又能比较快速地收敛,对工程实践有着重要意义. 与其他演化计算的融合。如何将其它演化的优点和PSO的优点相结合,构造出新的混合算法是也是一个重要方向. 算法应用。算法的有效性必须在应用中才能体现，广泛地开拓PSO的应用领域，也对深化研究PSO算法非常有意义。 * * Reference Dorigo M and Stützle T. Ant colony optimization, MIT Press, 2004. Kennedy J and Eberhart R C. Particle swarm optimization. Proceedings of IEEE International Conference on Neural Networks, 1995: 1942–1948. Kennedy J, Eberhart R C. A discrete binary version of the particle swarm algorithm. Proceedings of the 1997 Conference on Systems, Man, and Cybernetics, 1997: 4104-4109. Hu X H, Shi Y H and Eberhart R C. Recent advances in particle swarm. Proceedings of the IEEE International Conference on Evolutionary Computation (CEC 2002), 2004: 90–97. Shi Y H and Eberhart R C. A modified particle swarm optimizer. Proceedings of the IEEE International Conference on Evolutionary Computation (CEC 1998), 1998: 63–79. Mendes R. Population topologies and their influence in particle swarm performance [Dissertation], University of Minho, 2004. Xie X, Zhang W and Yang Z. A dissipative particle swarm optimization. Proceedings of the Congress on Evolutionary Computation, 2002:1456–1461. He S