搜索资源列表
yichuan
- 遗传优化算法求函数的极值问题,用c++软件进行编译已通过,并得到了很好的效果-Genetic optimization algorithm to solve the function of the extreme value problem, using c++ compiler software has passed, and get good results
GA
- 本程序主要是用Matlab进行编写的关于bermark函数的遗传优化算法-matlab
gmp
- GA是一个参数优化算法,以编码空间代替问题的参数空间,将适应度函数作为评价依据,以编码群体为进化基础,对群体中个体遗传操作实现遗传机制,建立迭代过程,跟具体的优化对象没有直接联系,只需优化对象提供目标函数的计算标准和参数的上下限,就可得到最优结果。-the algorithm is improved by the laplace crossover in which the parent of the Laplace distribution density function coefficie
GoodGAMVP129_2D
- 遗传智能优化算法,求解二维函数的最优值,注释比较详细。-Genetic intelligent optimization algorithm, the optimal value of two dimensional function, more detailed comments.
Genetic-neural-network-algorithm
- 一种遗传优化神经网络的算法,里面包含有初始化函数,在运行程序前先将实验数据load进去。输入A =load( D:\数据.txt ) 这里的D是你存储数据的位置-A genetic optimization of neural network algorithm, which contains the initialization function, before running the program to the experimental data in load. Enter the A
gaSVMcgForClass
- svm 的参数优化,利用ga(遗传优化算法)选择最优参数c g,最终提高训练集的分类准确率,更好的提高分类器性能,这是ga的功能函数源码-Svm parameter optimization, the use of ga (genetic optimization algorithm) to the optimal parameter c g, and ultimately improve the training set classification accuracy, better imp
GA-LSSVM.m
- 遗传算法优化最小二乘支持向量机的核函数参数和正则化参数(Optimization of Kernel Function and Regularization Parameters of Least Square Support Vector Machine by Genetic Algorithms)
NSGA
- 多目标遗传算法是NSGA-II[1](改进的非支配排序算法),该遗传算法相比于其它的多目标遗传算法有如下优点:传统的非支配排序算法的复杂度为 ,而NSGA-II的复杂度为 ,其中M为目标函数的个数,N为种群中的个体数。引进精英策略,保证某些优良的种群个体在进化过程中不会被丢弃,从而提高了优化结果的精度。采用拥挤度和拥挤度比较算子,不但克服了NSGA中需要人为指定共享参数的缺陷,而且将其作为种群中个体间的比较标准,使得准Pareto域中的个体能均匀地扩展到整个Pareto域,保证了种群的多样性
BAS代码
- 天牛须搜索( beetle antennae search,BAS) 算法是2017 年提出的一种基于天牛觅食原理的适用于多目标函数优化的新技术,其生物原理为: 当天牛觅食时,其并不知道食物在哪里,而是根据食物气味的强弱来觅食。天牛有两只长触角,如果左边触角收到的气味强度比右边大,那下一步天牛就会向左边飞,反之则向右飞。依据这一简单原理天牛就可以有效找到食物。与遗传算法、粒子群算法等类似,BAS 不需要知道函数的具体形式以及梯度信息,就可以自动实现寻优过程,且其个体仅为一个,寻优速度显著提高。(