1. 毕业设计（论文）主要目标：
粒子群优化算法（PSO）的优点在于没有交叉和变异运算，所需调整参数少，结构简单易实现等，但是由于该算法缺乏速度的动态调节，容易陷入局部最优，导致收敛精度低和不易调节，并且不能有效解决离散及组合优化问题，因此未解决这一问题需要参考改进后的离散粒子群优化算法，采用离散粒子群优化算法（BPSO），我们可以通过对离散二进制粒子群算法（BPSO）进行分析，可以通过进一步学习发现BPSO具有过强的随机的全局探索性，缺少后期局部探测性，进而改进BPSO算法的性能。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 毕业设计（论文）主要内容：
（1）什么是粒子群优化算法？
粒子群优化算法（PSO）是一种进化就算方法，它源于对鸟群觅食的研究，而粒子群优化算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解．PSO的优势在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。
（2）如何将改进粒子群优化算法？
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 主要参考文献
［1］离散粒子群优化算法研究现状综述[J].沈林成,霍霄华,牛轶峰.系统工程与电子技术,2008(10):1986-1990 1994
［2］机器学习中的特征选择［J］．张丽新，王家钦，赵雁南，等.计算机科学，2004，31( 11) : 180－184
［3］ Particle swarm optimization［C］// International conference on neural networks．Kennedy J．［s． l． ］: IEEE，1995: 1942 －1948．
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
