搜索资源列表
4.2
- 基于dijkstra和广度搜索的加权有向图有必经点的点对点的最短路径算法，路径必须经过要求的必经点，且不成环。 该算法采用了一种自适应调整的方法，经过多次迭代，使解收敛。 但只是寻找了一个略优的可行解（每次迭代都基于贪婪算法寻找），不能保证最优解。而且如果图过于稀疏，因为收敛速度过快，可能导致问题无解（收敛于一个局部最优解，没有经过所有点）。 解决相对稠密的图（每个点的平均出入度4以上），表现良好。 备注：里面有一个QT的工程，可以直接打开（源码里没用QT的库）-Weigh
ACATSP
- 蚁群算法是一种分布式内在并行算法。单个蚂蚁的搜索过程是彼此独 立的，易于局部最优，通过个体间不断的信息交流和传递有利于发现较好解；并且该算法是一种正反馈算法。路径上的信息素浓度较高，将吸引更多的蚂蚁沿这条路径运动，又使得信息素浓度增加，加快了算法的进化过程。本文通过求解TSP问题，通过在特定情况下对路径进行逐步遍历比较来降低陷入局部最优解的可能性, 找出最优解。-Ant colony algorithm is an inherent distributed parallel algorithm.
GAKMeans
- 由于Kmeans聚类分析是一个局部的搜索过程，因此加入遗传算法进行全局搜索选择最优的初始中心点使得Kmeans算法产生较大的改进-Since Kmeans Cluster analysis is a local search process, so join a global search for the genetic algorithm to the optimal initial centers such Kmeans algorithm produces greater improve
RRT-algorithmtype
- 针对基本快速扩展随机树(RRT)算法存在搜索过于平均、效率低下、用时较长的缺陷，提出了一种偏向目标型的改进型RRT算法。这种算法在生成随机点时以一定概率选择最终目标点作为局部目标点，使树的扩展有一个趋向于最终目标点的趋势，从而加快了算法的收敛速度，优化了规划路径-For basic fast Random Tree (RRT) search algorithm exists too mean, inefficient, long time with defects, we proposed a
anti_TSP
- 蚁群算法是一种智能优化算法，通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略，给出基于MATLAB的蚁群算法在旅行商问题中的源代码m文件，对问题求解进行局部优化。-Ant colony algorithm is an intelligent optimization algorithm through the shortest route of pheromone search strategy based on the ant foraging process, given the ant
SAPSO
- 为了平衡粒子群算法的全局搜索能力和局部改良能力，还可采用非线性的动态惯性权重公式。-In order to balance the global search ability of particle swarm optimization (pso) algorithm and local improvement ability, also can use nonlinear dynamic inertia weight formula.
PSO_lamda
- 本程序为基于模拟退火的粒子群算法，注释较为详细。基于模拟退火的算法在搜索的过程中具有突跳的能力，可以有效的避免搜索陷入局部最小解。-This procedure for the particle swarm algorithm based on simulated annealing, a detailed comments. Based on the simulated annealing algorithm in the process of search has the ability o
DE-Clustering-Analysis
- 差分进化计算在解决这种聚类问题上表现出色，算法具有较强的通用性，不过分依赖于问题的信息；具有记忆个体最优解的能力、协同搜索的能力，以及可利用个体局部信息和群体全局信息指导算法进一步搜索的能力。-Differential evolutionary computation is excellent in solving this clustering problem. The algorithm has strong generality and can not depend on the info
mianyiyichuan
- 该算法既保留了遗传算法的搜索特性，又利用了免疫算法的多机制求解多目标函数最优解的自适应特性，在很大程度上避免了“早熟”，收敛于局部极值。 生物体的免疫系统是一个高度进化、复杂的系统，它能自适应地识别和排除入侵肌体的抗原性异物，保护机体免受损害及维持内坏境稳定，并具有学习、记忆和自适应调节的能力。当抗原入侵时，免疫系统通过自体耐受对‘自己’和‘非己’进行识别，并产生最恰当的抗体排除抗原，通过抗体与抗体之间、抗原与抗体之间的相互刺激和抑制关系，降低抗原对免疫细胞的刺激，抑制抗体的过度分化、增殖，
PSO_lamda
- 基于模拟退火的粒子群算法，有效避免搜索陷入局部最小解-Simulated annealing particle swarm algorithm, effective avoid local minima search solution
SimuAPSO
- 模拟退火法在搜索过程中具有概率突跳的能力，能够在有效地避免搜索过程陷入局部极小值解，模拟退火算法在退火过程中不但接受好的解，而且还以一定的概率接受差的解，同时这种概率受到温度参数的控制，其大小随着温度的下降而减小。-Simulated annealing method has the ability of probability jumping in the search process, and can effectively avoid the search process into the
cguster
- 蚁群算法的另一种实现形式,通过全局的搜索,避免陷入局部解的改进程序-Another realization forms of the ant colony algorithm, through global search, avoid falling into local solution of the improvement program
Genetic Algorithm
- 简单函数优化的遗传算法程序，遗传算法从问题解的串集开始搜索，而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的；容易误入局部最优解。遗传算法从串集开始搜索，覆盖面大，利于全局择优。(A genetic algorithm program optimized by simple functions)
C_PSO.m
- 粒子群算法，用于聚类.粒子群在迭代进行的过程中有可能出现早熟收敛 的问题而陷入局部最优解,因此文中在 PSO 算法部 分,设置两个变量对每个粒子和粒子群的状态进行实 时地监控,以便当检测到粒子或粒子群出现早熟收敛 现象时,能及时地对其进行变异操作,增加粒子的多样 性,使其跳出局部极值的束缚,在多维解空间中开始新 的搜索(C_PSO used for clustering)
QPSO
- 量子粒子群优化算法以量子力学原理为基础，用波函数描述粒子的运动状 态，通过测量操作引导粒子搜索全局最优解。量子系统的不确定性决定了粒子能够以一定的概率出现在整个可行域内，克服了粒子群优化算法因为粒子速度的限制， 使粒子只能限定在某个局部区域的问题。(Quantum particle swarm optimization (QPSO) algorithm is based on the principle of quantum mechanics. The wave function is use
PSOTrainBP
- BP神经网络容易陷于局部极小值，PSO算法在无约束非线性函数优化方面性能优越，通常可以直接找寻到全局最优解，即使不能搜多到全局最优解，也距离全局最优点不远。当然，基本PSO算法陷入局部极值也是有的。对于这个缺点目前还没有找到比较有效、省市的解决方案。本案例实现利用PSO算法和BP算法共同训练神经网络，先将网络进行PSO算法训练，然后BP算法接着进行小范围精细搜索，PSO算法训练神经网络的本质就是将输出误差函数（即能量函数）看成目标函数，PSO对能量函数进行全局寻找最小值。(BP neural n
Function optimization algorithm
- 遗传算法提供了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化， 而不针对参数本身， 从而不受函数约束条件的限制； 搜索过程从问题解的一个集合开始， 而不是单个个体， 具有隐含并行搜索特性， 可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。(Genetic algorithm provides a general framework f
基于最优流的配电网络重构程序
- 提出了一种基于改进最优流和遗传算法的配电网重构算法.该算法先利用配电网的同胚图将重构问题的全局寻优空间划分为若干子空间,然后利用改进最优流法寻找子空间内的最优解,之后再利用遗传算法搜索全局最优解所在的子空间,从而实现在局部最优解中寻找全局最优解.(A distribution network reconfiguration algorithm based on improved optimal flow and genetic algorithm is proposed. First, the