搜索资源列表
differential-grouping
- 利用差分算法，实现了自动高维度分解的粒子群算法，适合大规模协同进化的自动差分，分解问题规模，是粒子群算法的优化算法，包含测试函数、测试数据。-Using finite difference algorithm, and realized automatic decomposition of high dimension of particle swarm optimization (pso) algorithm, is suitable for large-scale cooperative c
Iclspso
- 一种改进的混沌算法，结合粒子群进化进行改进-An improved chaotic particle algorithm to improve the diversity of PSO
GA-Method
- 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。-Genetic Algorithm (Genetic Algorithm) is a kind of referen
201312456
- 本程序采用遗传算法接力进化,子函数和主函数不要放在一起，子函数另外作为一个M文件，运行主函数。多次运行主函数，直到达到误差满意的效果。-This procedure using genetic algorithm (ga) relay evolution, function and main function don t together, and function of the file as a M, run the main function. Run several times the
00
- 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-Genetic Algorithm (Genetic Algorithm) is a computational model simulates Darwinian natural selection and genetic mechanisms of biological evolution process of biological
yichuan
- 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-Genetic Algorithm (Genetic Algorithm) is a computational model simulates Darwinian natural selection and genetic mechanisms of biological evolution process of biological
P4-1
- 传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中
bga
- 遗传算法搜索最优解的方法是模仿生物的进化过程，即通过选择 与染色体之间的交叉和变异来完成的。遗传算法主要使用选择算子、交叉算子与变异算子来模拟生物进化，从而产生一代又一代的种群。 -Genetic algorithm searches the optimal solution is to mimic biological evolution, namely through crossover and mutation and chromosomal choose between to c
EvolutionStrategy
- 自己的课程作业，已调试通过。进化策略算法实现公交调度问题。-Their course work has been debugged. Evolution strategy algorithm bus scheduling problem.
GA_fx
- 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-Genetic Algorithm is a computational model simulates Darwinian natural selection and genetic mechanisms of biological evolution process of biological evolution, is a nat
EP
- 简单的进化规划算法（EP），用于理解该类算法的思想。-Simple evolutionary programming algorithm (EP)
pso-Describes
- 叙述了粒子群优化算法的进化学习方式和与其他群集智能算法的异同。-Describes the evolution of learning PSO and swarm intelligence algorithms and the similarities and differences of other algorithms.
GA_BPNN.C
- 遗传算法优化神经网络GA_NN.C语言,同步进化BP网络的拓扑结构和连接权值，避免了网络结构的选择和设计,非常实用。-Genetic algorithm optimization neural network GA_NN.C language, synchronization topology and evolution BP network connection weights, avoiding the selection and design of the network structur
Genetic-Programming
- 本书包括绪论、GP机理研究及算法性能改进技术、GP自定义函数共同进化方法研究、GP适应度函数光滑拟合与调整参数方法研究、基于GP的多目标决策函数建模及稳定性分析等-The book includes an introduction, GP mechanism and algorithm performance improvement techniques, GP custom function study co-evolution method, GP fitness function smoo
CMOPSO2
- Coello Coello等人提出了MOPSO。该算法引入了自适应网格机制的外部种群，不仅对群体的粒子进行变异，而且对粒子的取值范围也进行变异，且变异尺度与种群进化的代数成比例-Handling Multiple Objectives With Particle Swarm Optimization Carlos A. Coello Coello, Member, IEEE, Gregorio Toscano Pulido, and Maximino Salazar Lechuga
CMOPSO1
- Coello Coello等人提出了MOPSO。该程序针对测试函数 1的matlab程序。该算法引入了自适应网格机制的外部种群，不仅对群体的粒子进行变异，而且对粒子的取值范围也进行变异，且变异尺度与种群进化的代数成比例。-Handling Multiple Objectives With Particle Swarm Optimization Carlos A. Coello Coello, Member, IEEE, Gregorio Toscano Pulido, and Maximin
CMOPSO3
- Coello Coello等人提出了MOPSO。该matlab源程序针对test function 3的matlab程序。该算法引入了自适应网格机制的外部种群，不仅对群体的粒子进行变异，而且对粒子的取值范围也进行变异，且变异尺度与种群进化的代数成比例。-reference:Handling Multiple Objectives With Particle Swarm Optimization Carlos A. Coello Coello, Member, IEEE, Gregorio
CMOPSO4
- Coello Coello等人提出了MOPSO。该程序针对test function4的matlab程序。该算法引入了自适应网格机制的外部种群，不仅对群体的粒子进行变异，而且对粒子的取值范围也进行变异，且变异尺度与种群进化的代数成比例。-reference:Handling Multiple Objectives With Particle Swarm Optimization Carlos A. Coello Coello, Member, IEEE, Gregorio Toscano P
CMOPSO5
- Coello Coello等人提出了MOPSO。该程序针对test function 5的matlab程序。该算法引入了自适应网格机制的外部种群，不仅对群体的粒子进行变异，而且对粒子的取值范围也进行变异，且变异尺度与种群进化的代数成比例。-reference:Handling Multiple Objectives With Particle Swarm Optimization Writer:Carlos A. Coello Coello, Member, IEEE, Gregorio Tos
Genetic
- 利用遗传算法求解极值问题，进化代数30，种群个数1-Extremum problem using genetic algorithm, evolutionary algebra 30, the number of population 100