一、课题的任务内容：本课题目的是使学生结合学过的信息专业的基本知识和基本技能，在学习混合微粒群优化算法寻优的基本思想，运用MATLAB 完成对混合粒子群算法的设计与仿真，并利用标准函数来完成对以上算法性能的比较。22203
二、原始条件及数据：
MATLAB软件
三、设计的技术要求（论文的研究要求）：
1、    混合粒子群算法理论的研究；
2、    学习运用MATLAB相关指令及其编译方法；
3、    混合粒子群算法的设计性能仿真及标准测试函数的仿真。
四、毕业设计（论文）应完成的具体工作：论文网

毕业设计首先学习群体智能优化算法的基本寻优思想，并熟悉基本粒子群算法和混合粒子群算法的寻优机制。毕业设计是运用MATLAB7.0这这一软件的编译，学习智能优化算法的基本指令，完成对混合粒子群算法的设计与仿真，并利用标准函数来完成对以上算法性能的比较。
 
软硬件名称、内容及主要的技术指标（可按以下类型选择）：
计算机软件    MATLAB软件
图      纸    
电  路  板    
机 电 装 置    
新材料制剂    
结 构 模 型    
其      他    

五、查阅文献要求及主要的参考文献：           
1. 龚纯 精通MATLAB最优化计算 电子工业出版社2009.4
2. 吴斌，群体智能的研究及其在知识发现中的应用，中国科学院研究生院博士学位论文，2002
3. 松散的脑袋－群体智能的数学模型，模式识别与人工智能.2003,16(1).-1-5
4. 林丹，李敏强等. 基于遗传算法求解约束优化问题的一种算法. 软件学报，2001，12（4）：628～632
5. Reynolds C. W. “Flocks, Herds, and Schools: A Distributed Behavioral Model". Computer Graphics, Vol.21, No.4, 1987, pp.25-34
6. J. Kennedy, R. Eberhart. Particle Swarm Optimization [A]. Proc. IEEE Int. Conf. on Neural Networks [C], 1995: 1942-1948
7. Shi Y, Eberhart R. A modified particle swarm optimizer [C]. In: IEEE World Congress on Computational Intelligence, 1998: 69~73
8. R. C. Eberhart, Y. Shi. Comparing inertia weights and constriction factors in particle swarm optimization. Proceedings of the IEEE Conference on Evolutionary Computation, ICEC, Vol.1, pp. 84-88
优尔、进度安排：（设计或论文各阶段的要求，时间安排）：

1．1月6日至1月17日 明确毕业设计任务，熟悉收集相关各种资料，学习软件开发环境。
2．2月24日至3月7日，毕业实习。
3．3月8日至3月30日，运用MATLAB 完成对混合微粒群优化算法的设计与仿真，并利用标准函数来完成对以上算法性能的比较。
4．3月31日至5月19日 ，进行实验验证。
5．5月20日至6月11日完成毕业设计论文，整理设计文件和实验记录。
6．6月12日至6月17日 送评阅教师审查及修改，准备及参加毕业设计答辩。 混合粒子群算法研究任务书:http://www.youerw.com/renwushu/lunwen_14727.html