搜索资源列表
1234255
- 介绍了一种利用量子行为粒子群算法(QPSO)求解多峰函数优化问题的方法。为此，在 QPSO中引进一种物种形成策略，该方法根据群体微粒的相似度并行地分成子群体。每个子群体是 围绕一个群体种子而建立的。对每个子群体通过QPSO算法进行最优搜索。从而保证每个峰值都有 同等机会被找到，因此该方法具有良好的局部寻优特性。将基于物种形成的QPSO算法与粒子群算 法(PSO)对多峰优化问题的结果进行比较。对几个重要的测试函数进行仿真实验结果证明，基于物 种形成的QPSO算法可以尽
ACS_TSP
- ACS蚁群算法求解旅行商问题，使用蚁群对问题进行局部最优搜索，可以较快速的得到较好的结果-ACS ant colony algorithm for traveling salesman problem, ant colony locally optimal search problem, you can get better results more quickly
BPpredictinof-flood
- 针对BP 算法易陷入局部极小、收敛速度慢等缺点，遗传算法是全局优化算法和具有很强的全局搜索能力，遗传算法优化BP 神经网络初始连接权值和阈值形成混合算法。以安徽宣城市为例,将汛期降水量作为预测对象，前期74 项大气环流特征量、500 hPa、100 hPa 月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子，建立汛期降水短期气候预测模型。-BP algorithm is easy to fall into local minimum, slow convergence, genet
Chaotic-Particle-Swarm-Optimization
- 混沌粒子群优化（CPSO, Chaos Particle Swarm Optimization）算法融合了PSO算法的快收敛和CO算法的遍历随机等特点，在PSO算法每一代挑选出的最优解附近的区域里，用混沌算法进一步搜索，防止其陷入局部最优值，从而改进了PSO算法的不足，成为一种高效的优化算法。-Chaotic Particle Swarm Optimization (CPSO, Chaos Particle Swarm Optimization) algorithm combines the f
FLO
- 基于粒子群优化算法的无源模拟滤波器优化设计方法容易陷入局部最优,收敛速度慢迭代次数多、运算量大且稳定性不够好。提出果蝇优化算法对滤波器的整个参数空间进行高效并行搜索直到获得最优的参数值,实例仿真表明,采用该方法设计的滤波器在相同的带宽准确度及阻带衰减的情况下,具有更快的运算速度及收敛性能。-Passive analog filter optimization algorithm based on particle swarm optimization design method is easy
sapso
- 为了平衡粒子群算法的全局搜索能力和改良局部能力，采用非线性的动态惯性权重即自适应权重法。给出一个用自适应权重的粒子群算法求多元复杂函数的最小值实例。-To balance the PSO global search capability and improved local capacity, the use of non-linear dynamic adaptive inertia weight that the weighting method. Gives an adaptive wei
jinjisoushuo
- 禁忌搜索是对局部领域搜索的一种扩展，是一种全局逐步寻优算法。搜索过程可以接受劣解，有较强的爬山能力。领域结构对收敛性有很大影响。这个程序的结构简单，为SWAP操作-Tabu Search is an extension of local search field, is a global optimization algorithm gradually. Search process can accept inferior solutions, strong climbing capabilit
image-feature
- 把 SIFT 算法应用在牙齿模型图像上，检测牙齿图像的特征点。 方法：首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息，从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点，得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度，并采用 KNN 算法进行特征匹配。 结果：通过大量的实验和与其他特征提取方法相比较，该方法能有效地检测牙 齿模型图像的特征，并为牙齿
scheduling-in-flow-shop
- 本文将局部优化与模拟退火算法结合解决了置换流水车间的订单接收和调度问题。本文给出了数学模型，局部优化策略，邻域搜索的3个操作(Swap, Insert, Reverse)，并给出了相应的调度和计算收益的程序。 -Permutation flow shop scheduling with order acceptance and weighted tardiness.
Simulated-Annealing-Tools-Software
- 模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。-Simulated annealing algorithm is a time-varying by giving the search process and ultimately tends to zero the probability of jumps, thus can effectively avoid local minima and eventual
matlab
- 以42个地点为例，如果要列举所有路径后再确定最佳行程，那么总路径数量之大，几乎难以计算出来。多年来全球数学家绞尽脑汁，试图找到一个高效的算法TSP问题在物流中的描述是对应一个物流配送公司，欲将n个客户的订货沿最短路线全部送到。如何确定最短路线。 TSP问题最简单的求解方法是枚举法。它的解是多维的、多局部极值的、趋于无穷大的复杂解的空间，搜索空间是n个点的所有排列的集合
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
PSO
- Rosenbrock函数优化属于无约束函数优化问题，其全局极小值位于一条平滑而狭长的抛物线形状的山谷底部，且为优化算法提供的信息很少，因此找到其全局极小值就显得很困难。根据Rosenbrock函数的这种特性，专门提出了一种改进的PSO算法，该算法引入三角函数因子，利用三角函数具有的周期振荡性，使每个粒子获得较强的振荡性，扩大每个粒子的搜索空间，引导粒子向全局极小值附近靠近，避免算法过早地收敛，陷入局部最优，从而找到Rosenbrock函数的全局极小值。大量实验结果表明，该算法具有很好的优化性能，
B.Lucas
- 这是KLT算法论文的高清版。Kanade-Lucas-Tomasi方法，在跟踪方面表现的也不错，尤其在实时计算速度上，用它来得到的，是很多点的轨迹“trajectory”，并且还有一些发生了漂移的点，所以，得到跟踪点之后要进行一些后期的处理，说到Kanade-Lucas-Tomasi方法，首先要追溯到Kanade-Lucas两人在上世纪80年代发表的paper：An Iterative Image Registration Technique with an Application to Ste
SA
- 模拟退火算法的MATLAB实现，通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。-MATLAB implementation of simulated annealing algorithm, a search process by giving time-varying and ultimately tends to zero the probability of jumps, which can effectively av
Untitled3
- 人口迁移算法模拟的是社会领域中人口随经济重心而转移、随人口压力增加而扩散的机制，即模拟的是人往高处走、人往富处流，当某个优惠地区的相对人口过剩，人口压力增加时，人们就会迁出该优惠地区去寻找更好更适合自己的优惠地区的这样一种规律。前者促使算法选择较好的区域搜索，后者可在一定程度上避免陷入局部最优点，搜索过程呈现交替进行集中搜索和分散搜索的特点。这体现了人口迁移过程中人口不断聚集和扩散的矛盾运动的特点。后来由我国学者徐宗本给出了人口迁移算法改进的形式。-Population migration al
Genetic-Algorithm-matlab
- 遗传算法 ( Genetic Algorithm , GA) 是借鉴生物界自然选择和群体进化机制形成的一种全局寻优算法 。与传统的优化算法相比 ,遗传算法具有如下优点 [1 ] :1 ) 不是从单个点 ,而是从多个点构成的群体开始搜索 2) 在搜索最优解过程中 ,只需要由目标函数值转换得来的适应值信息 ,而不需要导数等其它辅助信息 3) 搜索过程不易陷入局部最优点 。 数学建模中常用的matlab算法，遗传算法，内容详细，包括PDF版本的详细的算法实现过程；-Genetic Algorith
Simulated-annealing-algorithm
- 模拟退火算法，是通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。-Simulated annealing algorithm is a time-varying and ultimately approach zero probability of sudden rebound, which can effectively avoid the local minimum by giving the search process
AntColony
- 一条基于蚁群算法搜索局部最优解的算法代码，也是来源于网络，感觉对蚁群算法的学习和代码编写有帮助，分析上来，希望能够帮到你。-an ant colony code used in finding local optimal solution
CLSPSO
- 混沌粒子群算法是混沌优化和粒子群优化两者的结合。对于给定的优化函数，通过将搜索过程对应为混沌轨道的遍历过程，可使搜索过程具有避免陷入局部极小的能力。-Chaos particle swarm optimization (pso) algorithm is a combination of both the chaos optimization and particle swarm optimization.For a given optimization function, through th