简介：为提高粒子群算法的搜索效率,克服分解方法处理复杂多目标问题的不足,通过考虑父代解的选择和种群的更新对算法收敛性及解的分布均匀性的重要影响,提出了一种基于分解的改进自适应多目标粒子群优化算法。首先,为提高算法收敛速度,在分解方法确保进化种群多样性的前提下,设计了新的适应度评价方法以评价个体的优劣,并将在竞争中获胜的优质后代解添加到父代候选解中;其次,为避免算法陷入局部最优,在更新粒子时,从当前粒子的邻居或邻居外随机选择个体最优和全局最优位置;最后,引入外部文档,将其作为候选的输出种群,并采用拥挤距离维持多样性,增强了算法处理复杂问题的能力。用12个测试函数的数值实验,并与5种多目标优化算法的比较,表明了所提算法的优越性。

简介：基尼系数的子群分解公式有多种形式，不同分解公式的实证结论有较大差异。本文分析了群内基尼系数的权数以及群间不平等指标所应具备的基尼系数内涵，提出了一个新的群间不平等指标，从而给出了一个新的基尼系数子群分解公式。利用这个新的基尼系数子群分解公式，本文实证分析了近年来中国总体基尼系数的城乡分解。实证结果表明，农村群间不平等对总体基尼系数的贡献率最大，城镇群内不平等的贡献率不断上升，这是促使中国总体基尼系数不断上升的两个重要因素。

简介：摘要文章介绍了对极坐标下PQ分解法中涉及到三角函数的公式进行三角变换，得到直角坐标下的PQ分解法，减少了大量三角函数的重复计算，提高了计算速度；采用多目标函数作为优化判定条件，提高了结果的可靠性；结合粒子群算法通过MATLAB编写算法的实现程序；用IEEE-6节点系统验证了该方法的可行性和有效性。

简介：在魏晋时期谯国的一个小私塾里，来了一位从洛阳来的新同学。这件事情，在这个小地方里可是不得了!从都城（也就是今天的首都）来的人总是带着神秘色彩。

简介：我们证明了一些关于群的极大子群的命题.这些命题中的一个是由M.Suzuki在其著作GroupTheory1中提出的,而其余则始见于此.

简介：介绍了基本PSO算法以及两种典型的改进算法:1)全局邻域模式和局部邻域模式对粒子群优化算法的影响,全局邻域模式粒子群优化算法收敛快,但容易陷入局部极小值;局部邻域模式粒子群优化算法由于粒子倾向于在不同的局部区域搜索因而收敛速度慢,但能在较大程度上避开局部极小值;2)混沌粒子群优化算法,它具有混沌的随机性、遍历性、规律性等特性引导粒子及其组成的群落搜索全局最优解。

简介：群G的一个子群H称为在G中S-拟正规嵌入的,如果对H阶中的每一个素因子p,H的Sylowp-子群也是G的某个S-拟正规子群的Sylowp-子群.利用子群的S-拟正规嵌入性给出了群为p-幂零群及超可解群的一些特征.

简介：“本文引入了群的民;—伪正规子群的概念,并结合文[1]中n次方群及n次方闭群的概念和结果得到若干有益的绪论。

简介：力和速度同是矢量,所以速度的分解同样是高中学生必须掌握的一种技能.但由于受力的分解思维定势的影响,部分同学往往把合运动的实际效果与合力的作用效果混为一谈,再加上运动具有相对性,对哪是合运动,哪是分运动不易看出,所有这些问题不但防碍了学生正确解答速度的分解问题,甚至对于正确的结论感到怀疑.为了解决存在的问题,笔者列出了以下例题,也许对解决这类问题有所帮助.

简介：

简介：breakup意为“打碎;分裂;解体;散(会);放假;分解”。【经典例旬】Thesinginggroupbrokeupsoonaftertheybecamefamous.这个演唱组合在成名后不久就解散了。

简介：

简介：

简介：在学习分解因式的过程中,同学们最容易犯的错误就是分解不彻底.所以,在进行分解时,要常常问一问自己:还可以继续分解吗?一、提取公因式后还可以用平方差公式分解

简介：

简介：分解质因数，方法是短除。除数是质数，商也是质数。

简介：一件作品是否能够一直被讨论,除了看它所生存的时代氛围外,也要看艺术家赋予它的生命力,能否在各方探讨中,“被”一次一次地再创造出一个新形象、新概念和重生的机会。龙江把物象分解后重构,把行为和操作方式解构成易掌握的细碎图式,也因此获得再生的契机。

简介：排课问题是一个有约束的、多目标的组合优化问题.在针对遗传算法在求解该问题时搜索效率较低的情况下,提出了一个基于粒子群的排课算法.在算法设计过程中,考虑排课过程中所出现的各种时间、空间资源的冲突情况,设计了一种基于粒子群优化算法来实现时间和空间两种资源的优化.利用C#程序设计语言实现了基于粒子群算法的排课系统,实验和测试结果也验证了其有效性和系统的可用性.

简介：首次给出有限群极大子群的强θ^＊-完备的定义，利用这一概念得到关于群可解性、超可解性的新的充要条件．

简介：布谷鸟搜索算法和粒子群优化算法都属于仿生优化群算法,它们的原理简单、实现方便,在诸多领域得到应用。虽然这两种算法优点明显,但是它们在全局搜索能力、收敛速度等方面存在不同程度的不足,当它们应用于复杂优化问题时,需要采用改进措施来提升其性能。把布谷鸟搜索算法和粒子群优化算法进行混合,在两种算法平行进化的基础上引入共享机制,使两种算法优点互补。仿真证明,混合算法提升了算法的全局搜索能力和收敛速度,适应性更强,可以应用于复杂的优化问题。