Log in

Relevant bibliographies by topics / Discrete Particle Swarm Optimization / Books

Books on the topic 'Discrete Particle Swarm Optimization'

To see the other types of publications on this topic, follow the link: Discrete Particle Swarm Optimization.

Author: Grafiati

Published: 6 September 2023

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Consult the top 39 books for your research on the topic 'Discrete Particle Swarm Optimization.'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Browse books on a wide variety of disciplines and organise your bibliography correctly.

1

Lazinica, Aleksandar. Particle swarm optimization. Rijek, Crotia: InTech, 2009.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

2

Mercangöz, Burcu Adıgüzel, ed. Applying Particle Swarm Optimization. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-70281-6.

Full text

APA, Harvard, Vancouver, ISO, and other styles

3

Couceiro, Micael, and Pedram Ghamisi. Fractional Order Darwinian Particle Swarm Optimization. Cham: Springer International Publishing, 2016. http://dx.doi.org/10.1007/978-3-319-19635-0.

Full text

APA, Harvard, Vancouver, ISO, and other styles

4

Mikki, Said M., and Ahmed A. Kishk. Particle Swarm Optimization: A Physics-Based Approach. Cham: Springer International Publishing, 2008. http://dx.doi.org/10.1007/978-3-031-01704-9.

Full text

APA, Harvard, Vancouver, ISO, and other styles

5

Olsson, Andrea E. Particle swarm optimization: Theory, techniques, and applications. Hauppauge, N.Y: Nova Science Publishers, 2010.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

6

1974-, Parsopoulos Konstantinos E., and Vrahatis Michael N. 1955-, eds. Particle swarm optimization and intelligence: Advances and applications. Hershey, PA: Information Science Reference, 2010.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

7

Parsopoulos, Konstantinos E. Particle swarm optimization and intelligence: Advances and applications. Hershey, PA: Information Science Reference, 2010.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

8

Kiranyaz, Serkan, Turker Ince, and Moncef Gabbouj. Multidimensional Particle Swarm Optimization for Machine Learning and Pattern Recognition. Berlin, Heidelberg: Springer Berlin Heidelberg, 2014. http://dx.doi.org/10.1007/978-3-642-37846-1.

Full text

APA, Harvard, Vancouver, ISO, and other styles

9

Choi-Hong, Lai, and Wu Xiao-Jun, eds. Particle swarm optimisation: Classical and quantum perspectives. Boca Raton: CRC Press, 2011.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

10

Clerc, Maurice. Particle Swarm Optimization. Wiley & Sons, Incorporated, John, 2010.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

11

Clerc, Maurice. Particle Swarm Optimization. ISTE Publishing Company, 2006.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

12

Lazinica, Aleksandar, ed. Particle Swarm Optimization. InTech, 2009. http://dx.doi.org/10.5772/109.

Full text

APA, Harvard, Vancouver, ISO, and other styles

13

Clerc, Maurice. Particle Swarm Optimization. Wiley & Sons, Incorporated, John, 2010.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

14

Clerc, Maurice. Particle Swarm Optimization. Wiley & Sons, Incorporated, John, 2013.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

15

Clerc, Maurice. Particle Swarm Optimization. Wiley & Sons, Incorporated, John, 2010.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

16

Clerc, Maurice. Particle Swarm Optimization. Wiley & Sons, Incorporated, John, 2013.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

17

Erdoğmuş, Pakize, ed. Particle Swarm Optimization with Applications. InTech, 2018. http://dx.doi.org/10.5772/intechopen.69826.

Full text

APA, Harvard, Vancouver, ISO, and other styles

18

Church, May. Advances in Particle Swarm Optimization. States Academic Press, 2021.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

19

Particle Swarm Optimisation. Taylor & Francis Group, 2019.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

20

T.S., Felix, and Manoj Kumar, eds. Swarm Intelligence, Focus on Ant and Particle Swarm Optimization. I-Tech Education and Publishing, 2007. http://dx.doi.org/10.5772/48.

Full text

APA, Harvard, Vancouver, ISO, and other styles

21

Swarm Intelligence, Focus on Ant and Particle Swarm Optimization. InTech, 2007.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

22

Particle Swarm Optimizaton: A Physics-Based Approach. Morgan & Claypool Publishers, 2008.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

23

Mikki, Said M., and Ahmed A. Kishk. Particle Swarm Optimizaton: A Physics-Based Approach. Morgan & Claypool Publishers, 2008.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

24

Particle Swarm Optimization: Advances in Research and Applications. Nova Science Publishers, Incorporated, 2017.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

25

Lai, Choi-Hong, Jun Sun, and Xiao-Jun Wu. Particle Swarm Optimisation: Classical and Quantum Perspectives. Taylor & Francis Group, 2016.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

26

Sun, Jun. Particle Swarm Optimisation: Classical and Quantum Perspectives. Taylor & Francis Group, 2013.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

27

Lai, Choi-Hong, Jun Sun, and Xiao-Jun Wu. Particle Swarm Optimisation: Classical and Quantum Perspectives. Taylor & Francis Group, 2016.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

28

Multi-Objective Mission Route Planning Using Particle Swarm Optimization. Storming Media, 2002.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

29

Kiranyaz, Serkan, Turker Ince, and Moncef Gabbouj. Multidimensional Particle Swarm Optimization for Machine Learning and Pattern Recognition. Springer, 2015.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

30

Traveling Salesman Problem for Surveillance Mission Using Particle Swarm Optimization. Storming Media, 2001.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

31

Multidimensional Particle Swarm Optimization For Machine Learning And Pattern Recognition. Springer-Verlag Berlin and Heidelberg GmbH &, 2013.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

32

Kiranyaz, Serkan, Turker Ince, and Moncef Gabbouj. Multidimensional Particle Swarm Optimization for Machine Learning and Pattern Recognition. Springer London, Limited, 2013.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

33

Ghamisi, Pedram, and Micael Couceiro. Fractional Order Darwinian Particle Swarm Optimization: Applications and Evaluation of an Evolutionary Algorithm. Springer International Publishing AG, 2015.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

34

Ghamisi, Pedram, and Micael Couceiro. Fractional Order Darwinian Particle Swarm Optimization: Applications and Evaluation of an Evolutionary Algorithm. Springer London, Limited, 2015.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

35

Burcu Adıgüzel Mercangöz. Applying Particle Swarm Optimization: New Solutions and Cases for Optimized Portfolios. Springer International Publishing AG, 2022.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

36

Mercangöz, Burcu Adıgüzel. Applying Particle Swarm Optimization: New Solutions and Cases for Optimized Portfolios. Springer International Publishing AG, 2021.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

37

Luo, Xin, and Ye Yuan. Latent Factor Analysis for High-Dimensional and Sparse Matrices: A Particle Swarm Optimization-Based Approach. Springer, 2022.

Find full text

APA, Harvard, Vancouver, ISO, and other styles

38

LAND.TECHNIK 2022. VDI Verlag, 2022. http://dx.doi.org/10.51202/9783181023952.

Full text

Abstract:

INHALT Electrical Agricultural Machines Structuring of electrified agricultural machine systems – Diversity of solutions and analysis methods .....1 GridCON2 – Development of a Cable Drum Vehicle Concept to Power 1MW Fully Electric Agricultural Swarms ..... 11 GridCON Swarm – Development of a Grid Connected Fully Autonomous Agricultural Production System ..... 17 Fully electric Tractor with 1000 kWh battery capacity ..... 23 Soil and Modelling The Integration of a Scientific Soil Compaction Risk Indicator (TERRANIMO) into a Holistic Tractor and Implement Optimization System (CEMOS) .....29 Identification of draft force characteristics for a tillage tine with variable geometry ..... 37 Calibration of soil models within the Discrete Element Method (DEM) ..... 45 Automation and Optimization of Working Speed and Depth in Agricultural Soil Tillage with a Model Predictive Control based on Machine Learning ..... 55 Synchronising machine adjustments of combine harvesters for higher fleet performance ..... 65 A generic approach to bridge the gap between route optimization and motion planning for specific guidance points o...

APA, Harvard, Vancouver, ISO, and other styles

39

López, Javier. Optimización multi-objetivo. Editorial de la Universidad Nacional de La Plata (EDULP), 2015. http://dx.doi.org/10.35537/10915/45214.

Full text

Abstract:

Cuando hablamos de optimización en el ámbito de las ciencias de la computación hacemos referencia al mismo concepto coloquial asociado a esa palabra, la concreción de un objetivo utilizando la menor cantidad de recursos disponibles, o en una visión similar, la obtención del mejor objetivo posible utilizando todos los recursos con lo que se cuenta. Los métodos para encontrar la mejor solución (óptima) varían de acuerdo a la complejidad del problema enfrentado. Para problemas triviales, el cerebro humano posee la capacidad de resolverlos (encontrar la mejor solución) directamente, pero a medida que aumenta la complejidad del problema, se hace necesario contar con herramientas adicionales. En esta dirección, existe una amplia variedad de técnicas para resolver problemas complejos. Dentro de estas técnicas, podemos mencionar las técnicas exactas. Este tipo de algoritmos son capaces de encontrar las soluciones óptimas a un problema dado en una cantidad finita de tiempo. Como contrapartida, requiere que el problema a resolver cumpla con condiciones bastante restrictivas. Existen además un conjunto muy amplio de técnica aproximadas, conocidas como metaheurísticas. Estas técnicas se caracterizan por integrar de diversas maneras procedimientos de mejora local y estrategias de alto nivel para crear un proceso capaz de escapar de óptimos locales y realizar una búsqueda robusta en el espacio de búsqueda del problema. En su evolución, estos métodos han incorporado diferentes estrategias para evitar la convergencia a óptimos locales, especialmente en espacios de búsqueda complejos. Este tipo de procedimientos tienen como principal característica que son aplicables a cualquier tipo de problemas, sin requerir ninguna condición particular a cumplir por los mismos. Estas técnicas no garantizan en ningún caso la obtención de los valores óptimos de los problemas en cuestión, pero se ha demostrado que son capaces de alcanzar muy buenos valores de soluciones en períodos de tiempo cortos. Además, es posible aplicarlas a problemas de diferentes tipos sin mayores modificaciones, mostrando su robustez y su amplio espectro de uso. La mayoría de estas técnicas están inspiradas en procesos biológicos y/o físicos, y tratan de simular el comportamiento propio de estos procesos que favorecen la búsqueda y detección de soluciones mejores en forma iterativa. La más difundida de estas técnicas son los algoritmos genéticos, basados en el mecanismo de evolución natural de las especies. Existen diferentes tipos de problemas, y multitud de taxonomías para clasificar los mismos. En el alcance de este trabajo nos interesa diferenciar los problemas en cuanto a la cantidad de objetivos a optimizar. Con esta consideración en mente, surge una primera clasificación evidente, los problemas mono-objetivo, donde existe solo una función objetivo a optimizar, y los problemas multi-objetivo donde existe más de una función objetivo. En el presente trabajo se estudia la utilización de metaheurísticas evolutivas para la resolución de problemas complejos, con uno y con más de un objetivo. Se efectúa un análisis del estado de situación en la materia, y se proponen nuevas variantes de algoritmos existentes, validando que las mismas mejoran resultados reportados en la literatura. En una primera instancia, se propone una mejora a la versión canónica y mono-objetivo del algoritmo PSO, luego de un estudio detallado del patrón de movimientos de las partículas en el espacio de soluciones. Estas mejoras se proponen en las versiones de PSO para espacios continuos y para espacios binarios. Asimismo, se analiza la implementación de una versión paralela de esta técnica evolutiva. Como segunda contribución, se plantea una nueva versión de un algoritmo PSO multiobjetivo (MOPSO Multi Objective Particle Swarm Optimization) incorporando la posibilidad de variar dinámicamente el tamaño de la población, lo que constituye una contribución innovadora en problemas con mas de una función objetivo. Por último, se utilizan las técnicas representativas del estado del arte en optimización multi-objetivo aplicando estos métodos a la problemática de una empresa de emergencias médicas y atención de consultas domiciliarias. Se logró poner en marcha un proceso de asignación de móviles a prestaciones médicas basado en metaheurísticas, logrando optimizar el proceso de asignación de móviles médicos a prestaciones médicas en la principal compañía de esta industria a nivel nacional.

APA, Harvard, Vancouver, ISO, and other styles

We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!