搜索资源列表
GAGJ)
- 改进的GA. fga.m 为遗传算法的主程序 采用二进制Gray编码,采用基于轮盘赌法的非线性排名选择, 均匀交叉,变异操作,而且还引入了倒位操作! -improved GA. Fga.m for the main program of genetic algorithm using binary Gray code, Based on the roulette method of nonlinear ranking choice, uniform crossover and mutat
GoodPointSetBasedGeneticAlgorithm
- 利用数论中的佳点集的理论和方法，对遗传算法中的交叉操作进行了重新设计，给出了一个新的遗传算法，称之为佳点集的遗传算法 站长不接受我的代码说明名你对佳点集完全不了解我白传了-use of the theory of good points of the theory and method of genetic algorithm crossover operator of a new design. is a new genetic algorithm, call it good point-
immune-genetic-algorithm
- 免疫遗传算法matlab 程序,该算法由抗原识别、初始抗体产生、适应度计算、向记忆细胞分化、抗体的促进和抑制、抗体产生(交叉、变异) 六个模块组成-immune genetic algorithm Matlab procedure, the algorithm by antigen identification, initial antibody, fitness, to the memory cells, antibody for the promotion and inhibition, a
asda
- 1．设计一个十字路口的交通灯控制电路，要求甲车道和乙车道两条交叉道路上的车辆交替运行，每次通行时间都设为25秒； 2．要求黄灯先亮5秒，才能变换运行车道； 3.根据交通灯控制系统框图，画出完整的电路图。 3.设计出PCB图 -1. Design a crossroads, the traffic lights control circuit, A request lane motorway and two B crossover vehicles on the road alter
java-ga-devel-alpha-0.1.tar
- 遗传算法源代码,实现了选择操作、交叉操作和变异操作，通过适应度函数完成种群的选择及收敛。-genetic algorithm source code and realized the choice of operation, crossover and mutation operation, through fitness function completed Stocks choice and convergence.
AI_yichuan
- 用C语言实现的遗传算法。计算交叉概率和变异概率。-C language of genetic algorithm. Calculated crossover probability and mutation probability.
Neural_Network_Code_CHAPT8
- 特征提取：重点是几何特征（环，交叉点，端点）和变换-Feature Extraction : focus on the geometric characteristics (Central, crossover point, endpoint) and the Transform
AGAandLAGA
- 两种改进的遗传算法（自适应交叉概率的遗传算法，加入领域竞争策略的遗传算法）相比较的matlab程序，基于UCI的两个数据集，可直接运行程序观察效果。-both improved genetic algorithm (adaptive crossover probability of genetic algorithm, to field a competitive strategy of genetic algorithm) compared to the Matlab procedures,
EGA
- 遗传算法的程序 遗传 算 法 (GeneticA lgorithm,G A)是一种大规模并行搜索优化算法，它模 拟了达尔文“适者生存”的进化规律和随机信息交换思想，仿效生物的遗传方式， 从随机生成的初始解群出发，开始搜索过程。解群中的个体称为染色体，它是一 串符号，可以是一个二进制字符串，也可以是十进制字符串或采用其他编码方式 形成的码串。对父代(当前代)群体进行交叉、变异等遗传操作后，根据个体的 适应度〔fitness)进行选择操作，适应度高的个体有较高的概率被选中并
AI_GA_matlab
- 遗传算法程序 主要程序 ga.m 遗传算法核心程序 BinaryExample.m 二进制编码应用程序 FloatExample.m 浮点编码的应用程序 相关算子及函数 initializega.m 种群初始化函数 simpleXover.m 用于二进制编码的简单交叉算子 arithXover.m 用于浮点编码的算术交叉算子 binaryMutation 用于二进制编码的变异算子 nonMutation.m 用于浮点编码的非均匀变异算子
ycsf
- 水库调度的遗传算法，个体选择、代数、交叉、变异概率控制水库。-reservoir of genetic algorithm scheduling, individual choice, algebra, crossover and mutation probability control of the reservoir.
algorithm_GP
- 演化算法的示例代码,包括演化算法的全部实现过程,主要操作包括选择,交叉,变异-evolutionary algorithm code examples, including the evolution of the algorithm to achieve full process, including the operation of the main selection, crossover, Variation
yichuan
- 遗传算法基本算法，遗传算法自适应算法，遗传算法交叉算法-GA basic algorithm, genetic algorithm adaptive algorithm, genetic algorithm crossover algorithm
Ga
- 用c语言编写的matlab遗传算法程序，包含：select,crossover,mutator等。非常适合初学者学习，程序比较清晰，而且不是很复杂。
PSO-evolutionarycomputation
- 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目
SGALABbugfix
- 多目标遗传算法程序 to run Demo files, is to run SGALAB_demo_*.m what s new: 1) Multiple-Objective GAs VEGA NSGA NPGA MOGA 2) More TSP mutation and Crossover methods PMX OX CX EAX Boolmatrix 3) More selection methods
wine-doors-0.1.2
- wine-doors 是基于wine的GNOME桌面软件。 wine-doors是一个软件安装管理包（类似新立得），用户可以选择要安装的软件。wine-doors可以在linux,Solaris和Unix 下运行。wine-doors将计划开发支持Cedega, cvscedega and Crossover Office的版本。
遗传算法的三个算子
- 改进的遗传算法的三个操作算子，包括选择、交叉和变异。-Improved three arithmetic operator in genetic algorithm including select,crossover and mutuation
基因计算
- 简单遗传算法(SGA) 主要算法模块有:选择 交叉 变异 (三个遗传操作) 和 群体更新 -simple genetic algorithm (SGA) algorithm for the main modules are : choice of crossover and mutation (3 Genetic Manipulation) and update groups
差别算法matlab源码
- 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation).源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应