游離粒子行程 的英文怎麼說

中文拼音 [yóulílìzihángchéng]
游離粒子行程 英文
ionization-particle path
  • 游 : Ⅰ動詞1 （人或動物在水裡行動） swim 2 （各處從容地行走; 閑逛） rove around; wander; travel; tour 3...
  • 離 : Ⅰ動詞1 （離開） leave; part from; be away from; separate 2 （背離） go against 3 （缺少） dispens...
  • 粒 : Ⅰ名 （小圓珠形或小碎塊形物） small particles; grain; granule; pellet Ⅱ量詞（用於粒狀物）
  • 子 : 子Ⅰ名詞1 （兒子） son 2 （人的通稱） person 3 （古代特指有學問的男人） ancient title of respect f...
  • 行 : 行Ⅰ名詞1 （行列） line; row 2 （排行） seniority among brothers and sisters:你行幾? 我行三。where...
  • 程 : 名詞1 （規章; 法式） rule; regulation 2 （進度; 程序） order; procedure 3 （路途; 一段路） journe...
  • 游離 : 1. （離開集體或附屬的事物而存在） dissociate; drift away 2. [化學] free
  • 粒子 : grain; granule
  • 行程 : 1 （路程） route or distance of travel; distance of run; length of travel; distance travelled; jo...
  1. But, pso convergence ' s speed become slow in latter iterative phase, and pso is easy to fall into local optimization. at present, some scholars improve base pso mostly using 3 methods : disperse algorithm, increase convergence speed, enhance particle ' kinds. in the paper, i put forward 2 methods aiming at local best resutl but not whole best result. i modify base pso using the last method. some scholars put forward times initializations, so i select best result after circulating some times to be a parameter of formula. first, put particle into some small region, and ensure every region having one paticle at least. second, every region ' s particle has probability transfer other regions. although increase running time, enhance particle ' kinds, decrese the probability of convergence far from whole best result. nerms ( network educational resource management system ) is one of the research projects in the science and technology development planning of jilin province. the aim of nerms is to organize and manage various twelve kinds of network educational resources effectively so that people can share and gain them easily and efficiently, so as to quicken the development of network education

    但粒子群演算法仍存在如下不足:首先在多峰的情況下，粒子群有可能錯過全局最優解，遠離最優解的空間，最終得到局部最優解;其次在演算法收斂的情況下，由於所有的粒子都向最優解的方向群游，所有的粒子趨向同一，失去了粒子間解的多樣性，使得後期的收斂速度明顯變慢，同時演算法收斂到一定精度時，演算法無法繼續優化，本文對原始粒子群演算法提出了二點改進方案: 1 .演算法迭代到一定代數后，把此時找到的全局最優解當作速度更新公式的另一參數（本文稱之為階段最優解）再進行迭代; 2 .每次迭代過程中除最優解以外的每個粒子都有一定概率「變異」到一個步長以外的區域，其中「變異」的粒子在每一維上都隨機生成一個步長。
分享友人
分享到 Line

分享到臉書