搜索资源列表
GA_suanfa
- 基因算法（GA） GA 是一种启发式的优化法 （heuristic optimization method）， 它是通过既定的随机搜索进行操作．优化问题的可能的解的集合被认为是 个体（individuals）组成的 人群（population）． 一个个体对它的环境的适应程度由它的 健康度（fitness）表示． -genetic algorithm (GA) GA is a heuristic optimization method (heuristic optimi method. 5)
hill
- 爬山算法是一种局部择优的方法，采用启发式方法，是对深度优先搜索的一种改进，它利用反馈信息帮助生成解的决策。 属于人工智能算法的一种。-Climbing algorithm is a partial merit-based approach, using heuristic methods, is a depth-first search of an improvement, which uses feedback information to generate solutions to help
AIsearchproblem
- 对于通常的九宫问题（八数码）的一个解决方案，程序中实现的三种搜索算法——深度，广度，启发式-Nine-palace for the usual problems (8 digital) of a solution, and procedures to achieve the three search algorithms- depth, breadth, heuristic
ant_colony
- 介绍了一种求解复杂优化问题的启发式算法--蚁群算法.该方法通过模拟蚁群对"信息素"的控制和利用进行搜索食物的过程-a distributed algorithm for the solution of combinatorial optimization problems which was inspired by the observation of real colonies of ants. We apply ACS to both symmetric and asymme
zhinengdianwang
- 基于 MAS 建立的分布并行计算环境，其任务调度问题具有新的特点 对于基于MAS 的配电快速仿真与模拟系统，以配电 网三相状态估计为例，建立了新的调度问题模型，提出了基于FCM 的启发式任务调度优化方法 该方法利用模糊C 均值聚类分析 算法对独立任务进行聚类分析，避免了在超大解空间中用基于搜索的方法去寻求最优解的做法 该方法具有线性时间复杂度，而 且通过大量算例表明它总是能够在合理的时间内获得次优解或最优解，使masDSE 的性能有明显改善-In the distributed pa
NEST110707
- 本文研究的是二维矩形件排样问题，即在多张规格相同的矩形板材上排放一定需求量 的毛坯，使得消耗板材的总面积达到最小。基于上述考虑，为了求解该问题，本文以“最 小浪费优先策略”为基础，提出了一种分组搜索的启发式算法。与其它文献中报道的实例 测试对比，板材利用率均有所改善，验证了本文算法的有效性。-Based on the previous consideration,to solve the two-dimensional rectangular packing problem,ba
relixue
- 传算法是一种基于生物进化原理的启发式并行搜索和优化技术，常被用于优化计算。该文针对经典遗传算法在多目标优化计算中存在的不足，结合热力学中熵的概念，利用约束交叉、适应度共享技术来进行多目标函数的优化计算。实验结果显示这种改进型遗传算法能得到一个较好的Ｐａｒｅｔｏ优集。 -Propagation algorithm is a heuristic based on the principle of biological evolution parallel search and optimiza
FF
- FF规划器是智能规划界最富盛名的作品，采用经典的前向搜索方法，结合启发式算法有效提高了规划算法搜索效率，在多次世界规划大赛中都有好的名次。-The FF planning is the most famous works of intelligent planning community, using classical forward search method, combined with heuristic algorithm to effectively improve the plan
The-new-meta-heuristic-algorithm-bat
- 摘要：新型元启发式算法例如粒子群算法，萤火虫算法，和声搜索算法已经成为现今复杂的优化问题的有效解决方法。该文基于蝙 蝠的回声定位行为提出了一种新型的元启发式算法———蝙蝠算法，同时也将现有的一些算法的优点引入到该算法中。 改文对该算 法进行了详细的公式化表述并对其执行流程的作出了说明，并且将该算法与遗传算法、粒子群优化算法等算法进行了比较。仿真结 果表明,蝙蝠算法明显优于其他算法，并对进一步的研究作出了展望。-Summary: The new meta-heuristic algor
harmony-search
- 一种新的启发式优化算法和声搜索算法的介绍-A new heuristic optimization algorithm harmony search
classical-GA-method
- 遗传算法是计算机科学人工智能领域中用于解决最优化的一种搜索启发式算法，是进化算法的一种。这种启发式通常用来生成有用的解决方案来优化和搜索问题。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。-In the field of artificial intelligence, a genetic algorithm (GA) is a search heuristic that mimics the process of natural selec
liziqun
- 粒子群优化是一种新兴的基于群体智能的启发式全局搜索算法，粒子群优化算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。-Particle swarm optimization is a new global search heuristic algorithm based on swarm intelligence, particle swarm optimization algorithm by particle competition and collaboration to a
DE
- 差分进化算法是一类基于种群的启发式全局搜索技术, 对于实值参数的优化具有较强的鲁棒性. 为了提 高差分进化算法的寻优速度、 克服启发式算法常见的早熟收敛问题-Differential evolution algorithm is a kind of heuristic global searching technique based on population, for real parameter optimization has stronger robustness. In order t
buguniaosuanfa
- 布谷鸟搜索算法，变量少，简洁高效，是一种元启发式优化算法，本程序是布谷鸟搜索算法的改进版本。-Cuckoo search algorithm, less variables, simple and efficient, is a meta heuristic optimization algorithm, this procedure is the cuckoo search algorithm, an improved version.
yiqunlvxing
- 蚁群优化是一种元启发式的随机搜索技术,是目前解决组合优化问题最有效的工具之一.将信 息素更新和随机搜索机制的改进相结合,提出一种快速求解旅行商问题的蚁群算法-Ant colony optimization is a kind of meta heuristic random search technique, is one of the most effective tool to solve combinatorial optimization problem. The letter
SOA
- 人群搜索算法（SOA , Seeker Optimization Algorithm）是基于人类的社会生活习惯，模拟人类搜索活动的智能行为的一种新的基于种群的启发式随机搜索算法。 -People search Algorithm (SOA, Seeker Optimization Algorithm) is based on human social life habit, simulation of the intelligent human search activity of a ki
SOA程序
- 针对面临的问题寻找优化解是人类的思维习惯和行为方式。借鉴人类丰富的社会经验，模拟人类搜索活动的智能行为，提出了一种新的基于种群的启发式随机搜索算法，即人群搜索算法 SOA（seeker optimization Algorithm）。SOA 研究人类在随机搜索时所采用的交流、协作、记忆、推理、学习知识与经验等的智能行为，结合搜索和进化思想，以搜寻队伍为种群，以搜寻者位置为优化问题的候选解，通过模拟人类搜索的“经验梯度”和不确定性推理，分别确定搜索方向和步长，完成位置更新，实现对所求问题解的优化(