论文写作与发表动画PPT市公开课一等奖百校联赛优质课金奖名师赛课获奖课件

1/18ME板砖轻砸2/18主办单位：中科院软件所创刊时间：

1990年出刊周期：月刊ISSN1000-9825收录：美国EI、英国InspecSA、俄罗斯AJ等国际主要数据库一个多尺度协同变异粒子群优算法

——陶新民刘福荣刘玉童智靖3/182023/9/163陶新民：男，安徽蚌埠人，博士，副教授。研究方向：进化计算，网络安全，智能信号处理一个多尺度协同变异粒子群优化算法

(陶新民刘福荣刘玉童智靖)

(-7第23卷第7期,软件学报)4/182023/9/164一个多尺度协同变异粒子群优化算法一个多尺度协同变异粒子群优化算法方法问题：显性方法：显性问题6参考文件5组织4结构3摘要2关键字1解读题目1.解读题目5/182023/9/165一个多尺度协同变异粒子群优化算法（问题显性+方法显性）

以【问题】题名检索2230条统计6/182023/9/166一个多尺度协同变异粒子群优化算法（问题显性+方法显性）

以【问题】关键词检索4183条统计7/182023/9/167一个多尺度协同变异粒子群优化算法（问题显性+方法显性）

以[创新点]关键词检索恰好只1条统计8/182023/9/168一个多尺度协同变异粒子群优化算法(问题显性+方法显性)一个多尺度协同变异粒子群优化算法创新点创新点创新点9/182023/9/169一个多尺度协同变异粒子群优化算法(问题显性+方法显性)Preview2.关键词KeywordsView1.粒子群算法2.早熟收敛3.多尺度4.协同变异5.适应度Review1.粒子群优化--粒子群算法2.适应函数--适应度3.多加了权重关键词问题类方法类摘要：为了改进粒子群算法易早熟收敛、精度低等缺点，提出一个多尺度协同变异粒子群优化算法，并证实了该算法以概率1收敛到全局最优解．算法采取多尺度高斯变异机制实现局部解逃逸．在算法早期阶段，利用大尺度变异及均匀变异算子实现全局最优解空间快速定位；伴随适应值提升，变异尺度随之降低；最终在算法后期阶段，利用小尺度变异算子完成局部准确解空间搜索．将算法应用6个经典复杂函数优化问题，并同其它带变异操作PSO算法比较，结果表明，该算法在收敛速度及稳定性上有显著提升病症所在：1.问题关键词欠抽象2.方法关键词缺乏准确性-选择关键词时不得用非公知公用专业术语及其缩写3.存在冗余;关键词应列出有利于检索和文件利用其它关键词10/182023/9/1610一个多尺度协同变异粒子群优化算法(问题显性+方法显性)Preview3.摘要AbstractView为了改进粒子群算法易早熟收敛、精度低等缺点，提出一个多尺度协同变异粒子群优化算法，并证实了该算法以概率1收敛到全局最优解．算法采取多尺度高斯变异机制实现局部解逃逸．在算法早期阶段，利用大尺度变异及均匀变异算子实现全局最优解空间快速定位；伴随适应值提升，变异尺度随之降低；最终在算法后期阶段，利用小尺度变异算子完成局部准确解空间搜索．将算法应用6个经典复杂函数优化问题，并同其它带变异操作PSO算法比较，结果表明，该算法在收敛速度及稳定性上有显著提升．Review1.多尺度变异——多尺度高斯变异2.应用不一样优化问题——应用6个

经典复杂优化问题3.有一定改进——在收敛速度及稳定性上有显著提升问题方法结果病症所在：：1.方法欠科学准确2.数据欠准确3.结论含糊过于笼统，不掷地有声，需要明确精简、清楚。11/182023/9/1611一个多尺度协同变异粒子群优化算法(问题显性+方法显性)Preview4.结构Structure6参考文件5组织4结构3摘要2关键字1解读题目12/182023/9/16一个多尺度协同变异粒子群优化算法(问题显性+方法显性)4.结构StructureView1标准粒子群算法2多尺度协同变异粒子群算法2．1多尺度高斯变异算子2．2勘探和开采能力自适应协同2．3算法流程3多尺度协同变异粒子群算法分析3．1算法优化机理分析3．2算法收敛性分析3．3算法计算时间复杂度分析4对比试验及结果分析4．I单模态Benchmark函数对比试验4．2多模态Benchmark函数对比试验4．3不一样初始参数对算法性能影响5结束语13/182023/9/1613一个多尺度协同变异粒子群优化算法(问题显性+方法显性)Preview4.结构StructureViewReview14/182023/9/16一个多尺度协同变异粒子群优化算法(问题显性+方法显性)Preview5.组织OrganizationView1.引言中开门见山提出传统粒子群算法早熟、收敛慢弊端和新方法简明思绪。2.简短介绍标准粒子群算法。3.详细介绍多尺度协同变异原理、方法，勘探和开采能力自适应协同。4.给出算法流程5.算法分析、优化机理分析6.试验和结果分析6.结论——该算法在收敛速度及稳定性上有显著提升．Review问题所在：：1.思绪欠详细和严密2.优化机理分析欠缺3.收敛数学证实缺乏4.算法流程和步骤欠细化总之，说明结构涣散、缺乏严密逻辑性15/182023/9/1615一个多尺度协同变异粒子群优化算法(问题显性+方法显性)Preview6.参考文件ReferenceReviewPreview16/182023/9/161310514@夏森17/182023/9/1617一个多尺度协同变异粒子群优化算法(问题显性+方法显性)摘要：为了改进粒子群算法易早熟收敛、精度低等缺点，提出一个多尺度协同变异粒子群优化算法，并证实了该算法以概率1收敛到全局最优解．算法采取多尺度高斯变异机制实现局部解逃逸．在算法早期阶段，利用大尺度变异及均匀变异算子实现全局最优解空间快速定位；伴随