搜索资源列表
DGPSO.rar
- 用于求解约束优化问题的算法，算法为差分进化/遗传算法/微粒群算法的融合。对于“[7] T. P. Runarsson and X. Yao, Stochastic ranking for constrained evolutionary optimization, IEEE Trans. Evol. Comput., vol. 4, no. 3, pp. 284-294, Sep. 2000”中给出的13个标准测试函数，均能得到问题最优解。如有任何疑问，请于http://2shi.phphube
Othello
- 使用java编写的GUI的黑白棋游戏，搜索算法采用经典的博弈树，并在此基础上做了大量优化，我的评估函数采用了Simon M. Lucas 和 Thomas P. Runarsson 在其合作发表的 Temporal Difference Learning Versus Co-Evolution for Acquiring Othello Position Evaluation 中通过对比即时差分学习（TDL，Temporal Difference Learning）和协同进化（CEL，Co-
Othello
- 使用java編寫的GUI的黑白棋遊戲-GUI using java prepared Riversi games, search algorithms using classical game tree, and on this basis have done a lot of optimization, the evaluation function I used Simon M. Lucas and Thomas P. Runarsson published in its Temporal
pso
- The economic load dispatch plays an important role in the operation of power system, and several models by using different techniques have been used to solve these problems. Several traditional approaches, like lambda-iteration and gradient metho
EP_final
- This Program performs the evolutionary optimization for designing a P-This Program performs the evolutionary optimization for designing a PSS
Adaptive-EP
- 自适应进化规划，具有p-best变异策略-Adaptive Evolutionary Programming with p-best Mutation Strategy
Classification-based--
- 多边多议题谈判 最复杂的现实的协商问题。自动AP- 接近已被证明特别看好复杂的东北 gotiations和以前的研究表明进化COM 可能是有用putation的这种复杂的系统。要改善 证明效率的多边多议题的现实NE- gotiations，避免完整信息的要求 关于谈判的重刑模型的基础上，一种新的谈判 提出了一个改进的进化算法P-ADE。-Abstract Multi-lateral multi-issue negotiations are the most c
tsp
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法 遗传算法的基本运算过程如下： a)初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。 b)个体评价：计算群体P(t)中各个个体的适应度。 c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体