搜索资源列表
SA_GA
- 基于遗传模拟退火算法的聚类算法。将模拟退火算法与遗传算法相结合用于聚类分析，由于模拟退火算法和遗传算法可以互相取长补短，因此有效地克服了传统遗传算法的早熟现象，同时根据聚类问题的具体情况设计遗传编码方式、适应度函数，使该算法更有效、更快速地收敛到全局最优解。 -Genetic simulated annealing algorithm based on clustering algorithms. Simulated annealing algorithm and genetic algo
DifferentialEvolutionAPracticalApproachtoGlobalOpt
- 这是一本讲微分进化的书，进化算法是以遗传算法为代表的一类随机算法的总称，95年由Rainer Storn和Kenneth Prici提出微分进化方法，比传统进化算法更好更简单，2004年该方法的原创者出版了长达580页的微分进化：一种全局优化的实用方法，本书是英文版，似乎还没有中文版，希望对感兴趣的人有用-This is a book stresses differential evolution, evolutionary algorithm based on genetic algorith
PID
- 采用遗传算法直接优化数字PID控制器参数,并控制一个带时延的系统,仿真结果表明遗传算法收 敛较快,得到的PID控制器控制效果明显优于传统的PID控制。 -Optimize the use of genetic algorithms directly figure PID controller parameters and control a system with time delay, simulation results show that the rapid convergence
A.new.tree-based.encoding.genetic.algorithm.with.i
- 基于新的树编码方式用免疫遗传算法解决DCMST问题：提出了一种新的树编码方式，可以方便地表达一棵树，简化了树在遗传算法中的编码表达。且新的树编码方式清楚地表达了边的信息，有利于疫苗的设计。此外，本文使用免疫遗传算法，有效地克服了传统遗传算法中解退化的现象。数值实验表明，解的振荡相对于传统遗传算法减小了，且收敛速度更快。-New tree-based encoding genetic algorithm with immune DCMST problem: A new tree encoding,
shuzituxiangchuli
- 在传统图像识别中的模板匹配技术面临着计算量大，存储量大的缺点，因此提出了基于遗传算法的图像识别的方法。本文提出了传统的基于遗传算法和normxcorr2结合的方法，对图像进行离散化，然后把图像识别问题变成一系列的离散点组合优化问题，再利用遗传算法对种群优化的性能，对各个控制点组合优化，让控制点与模板进行匹配，寻出最优解。最后通过实验验证遗传算法在图像识别的优点。-In the traditional image recognition in the face template matching
IGA_Optimize_ANN
- 自己编写的免疫算法优化的遗传算法(IGA)，相比传统遗传算法加入了免疫算法中的抗体抗原记忆等思想，用来训练神经网络。此算法经过时间训练预测，模式识别等测试，效果很好。-Write your own immune algorithm to optimize the genetic algorithm (IGA), compared to the traditional genetic algorithm joined immune algorithm in the antibody-antigen
gaijinyichuan
- 改进传统的遗传算法，收敛速度更快，更容易收敛到全局最优值。(The traditional genetic algorithm improves the convergence speed and makes it easier to converge to the global optimum.)
遗传算法
- 遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过
改进的禁忌搜索算法
- 改进的禁忌搜索算法，求解路径寻优问题，相对传统的遗传算法，能够更精确求得全局最优解(Compared with the traditional genetic algorithm, the improved tabu search algorithm can solve the problem of path optimization, and can obtain the global optimal solution more accurately)
ieeeOLTC
- 考虑了传统变压器的优化潮流，基于此利用遗传算法对IEEE14节点系统进行优化调度。(The optimal power flow of the traditional transformer is considered. Based on this, the genetic algorithm is used to optimize the scheduling of the IEEE14 node system.)
遗传算法课件与程序
- 现代优化算法，智能优化算法通过其有效设计可以在跳出局部最优和收敛到一个点之间有个较好的平衡，从而实现找到全局最优点，但有的时候局部最优也是可接受的，所以传统算法也有很大应用空间和针对特殊结构的改进可能。(Modern optimization algorithm)
智能优化算法资料
- 优化算法有很多，经典算法包括：有线性规划，动态规划等；改进型局部搜索算法包括爬山法，最速下降法等，模拟退火、遗传算法以及禁忌搜索称作指导性搜索法。而神经网络，混沌搜索则属于系统动态演化方法。 梯度为基础的传统优化算法具有较高的计算效率、较强的可靠性、比较成熟等优点，是一类最重要的、应用最广泛的优化算法。但是，传统的最优化方法在应用于复杂、困难的优化问题时有较大的局限性。(There are many optimization algorithms, the classical algori
遗传算法
- 利用遗传算法计算目标函数极值，遗传算法与传统的优化方法（枚举，启发式等）相比较，以生物进化为原型，具有很好的收敛性，在计算精度要求时，计算时间少，鲁棒性高等都是它的优点。(Using the genetic algorithm to calculate the extremum of a objective function. Compared with the traditional optimization methods (enumeration, heuristics, etc.), g
遗传算法
- 遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过
遗传算法-电源规划
- 遗传算法-计算电源规划用，将低碳要素引入电源规划决策之中，在充分考虑传统电力系统安全、经济运行要求的前提下，建立了含碳捕集电厂的低碳电源规划模型(The ycsf genetic algorithm is used to calculate the power supply plan. The low-carbon elements are introduced into the power planning decision-making. Under the premise of fully
GeneticAlgorithm
- 使用传统的遗传算法解决0-1背包问题，其中使用的是轮盘选择、最简单的随机交叉变异(Using traditional genetic algorithm to solve the 0-1 knapsack problem)
遗传算法路径规划MATLAB代码
- 传统遗传算法仿真程序，简单易懂，是可以运行出来的(Traditional genetic algorithm simulation program can be run out.)
改进遗传算法MATLAB编程
- 对传统遗传算法进行了改进，简单易懂可运行(The traditional genetic algorithm is improved, which is simple, easy to understand and run)
paper-program4
- 遗传算法等智能算法只需要利用目标取值作为搜索信息无需目标函数梯度等高阶信息，适于并行处理等优点，尤其适用于处理传统搜索方法难于处理的非线性问题，因此，被许多学者引入并应用到阵列天线波束赋形领域.(Intelligent algorithms, such as genetic algorithm, only need to use the target value as the high order information of the search information without the
遗传算法多目标优化模板
- 利用geatpy库是实现多目标优化， 基于改进NSGA-Ⅱ算法求解多目标优化问题的进化算法模板，传统NSGA-Ⅱ算法的帕累托最优解来只源于当代种群个体，这样难以高效地获取更多的帕累托最优解，同时难以把种群大小控制在合适的范围内，改进的NSGA2整体上沿用传统的NSGA-Ⅱ算法，不同的是，该算法通过维护一个全局帕累托最优集来实现帕累托前沿的搜索，故并不需要保证种群所有个体都是非支配的。(Using geatpy library to realize multi-objective optimiza