搜索资源列表
GTPSO
- 提出一种改进的粒子群优化算法———基于全局劣汰策略的混合粒子群优化算法(GTPSO) 。GTPSO在 保持PSO算法快速收敛的基础上,以郭涛算法(GuoA)的寻优机制确保种群的多样性和算法的坚韧性。数值计 算结果表明,对于高维(维数≥10)复杂非凸多峰函数的数值优化问题, GTPSO算法的计算结果均优于GuoA算 法和粒子群优化算法。-An improved particle swarm optimization algorithm--- poor overall survival
pso
- 程序说明： jblzq.m为基本粒子群程序求函数的最大值 lzq2.m是惯性权重法求函数的最大值 lzq3.m是惯性权重法求函数最小值。当然也可以用lzq2.m实现，在函数前加个负号 lzq4.m是收敛因子法求函数最小值 lzq5.m是带变异的惯性权重法求最大值，变异条件比较简单，变异次数多。还有一种变异是利用各粒的最优位置与全局最优位置的差的平方和，再开根号的值小于某一值最为收敛条件，将在我的报告中叙述 lzq6.m是分层粒子群优化算法，即利用两个粒子群同时进行搜索，一
Guotao-algorithmic
- 线性非凸多父体杂交算子求解TSP问题。算法将搜索空间看成是一个全空间Ω，种群中的个体可以看作Ω中的一组向量。种群中的若干个向量构成一组基向量，它们可以张成Ω的一个子空间，这些向量随机性组合能相对均匀地搜索这一部分子空间。-Linear non-convex multi-parent crossover operator for solving TSP body problem. Algorithm search space as a full-space Ω, the individual po
MUL_FATHER
- 多父体杂交算法模型。采用实数编码方案，种群种子随即获取。该程序有详细的代码注释，希望对大家有所帮助。-Father of hybrid algorithm for multi-body model. Using real-coded program for populations of seeds immediately. The program has a detailed code comments, want to help everyone.
ReadMe
- SGA（Simple Genetic Algorithm）是一种强大的智能多变量优化算法，它模仿种群繁殖规律来进行 优化。-SGA (Simple Genetic Algorithm) is a powerful, intelligent multi-variable optimization algorithm, which imitate the laws of population reproduction is optimized.
logisticsuanfa
- 多目标优化 相对传统多目标优化方法, PSO在求解多目标问题上具有很大优势。首先, PSO的高效搜索能力有利于得到多目标意义下的最优解 其次, PSO通过代表整个解集的种群按内在的并行方式同时搜索多个非劣解,因此容易搜索到多个Pareto 最优解 再则, PSO的通用性使其适合于处理所有类型的目标函数和约束 另外, PSO 很容易与传统方法相结合,进而提出解决特定问题的高效方法。就PSO 本身而言,为了更好地解决多目标优化问题,必须解决全局最优粒子和个体最优粒子的选择问题-Compared
MMAdapGA
- 多变异遗传算法增加了种群的多样性，将自变量的二进制表示的多个位取反-Multivariate genetic algorithm to increase the diversity of population, will be from a number of binary variables to bit
Immune_Chaotic_Network_Algorithm_for_Multimodal_Fu
- 针对多峰函数优化问题，借鉴混沌遍历特性和免疫网络理论，提出一种免疫混沌网络算法。算法利用混沌运动的自身规律在不同的峰值区域内搜索最佳抗体，增强了算法的局部搜索能力；采用网络抑制策略，保持了种群的多样性；通过网络补充机制自适应地调节抗体群的规模，提高了算法对不同类型多峰函数的适应能力。仿真结果表明该算法能有效地改善种群的多样性，较好地保持全局搜索和局部搜索的动态平衡，具有更强的多峰函数优化能力-Referred to the ergodicity of chaos and immune netwo
toolforSGAPublic
- SGA（Simple Genetic Algorithm）是一种强大的智能多变量优化算法，它模仿种群繁殖规律来进行 优化。 本SGA可以优化变量，求最小值,最大值（当把函数倒数也就求最小值啦） 并且支持浮点编码，grey编码，二进制编码；轮赌法选择，锦标赛选择；单点交叉，均布交叉，浮点交叉； 单点变异，浮点变异；-SGA (Simple Genetic Algorithm) is a powerful smart multi-variable optimization algor
SGAPublic
- SGA（Simple Genetic Algorithm）是一种强大的智能多变量优化算法，它模仿种群繁殖规律来进行优化。本SGA可以优化变量，求最小值,最大值（当把函数倒数也就求最小值） 并且支持浮点编码，grey编码，二进制编码；轮赌法选择，锦标赛选择；单点交叉，均布交叉，浮点交叉；单点变异，浮点变异；调用时Genetic（目标函数名） 使用SGA时，首先需要一个目标函数（像AimFunc.m），该函数返回适应度输入变量为待优化变量x输出为一个适应度。然后修改Genetic.m中可以修
Genetic-Algorithm
- 遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来
KnapsacksProblem
- 本程序将遗传算法应用于背包问题。借助了大自然的演化过程,是多线索而非单线索的全局优化方法,采用的是种群和随机搜索机制. -This procedure will be applied to knapsack problem genetic algorithm. With the evolution of nature, is more than a single clue leads the global optimization method, using population and ran
pso
- 对微粒群算法结构的改进方案有很多种，对其可分类为：采用多个子种群；改进微粒学习对象的选取策略；修改微粒更新迭代公式；修改速度更新策略；修改速度限制方法、位置限制方法和动态确定搜索空间；与其他搜索技术相结合；以及针对多模问题所作的改进。-Structure of the particle swarm algorithm to improve the program there are many, its can be classified as: the use of multiple sub-p
duoboluyou
- 针对通信网络中多重QoS约束条件下的多播路由计算，提出了一个基于模拟退火技术的改进遗传算法HGA-QoSR。该算法把模拟退火技术的局部寻优能力与遗传算法的全局寻优能力有机结合，并利用隔离小生境机制控制种群的独立进化，使演化过程中的种群保持生态多样性，以提高算法运行效率和解的质量。理论分析和仿真实验表明，与传统遗传算法相比较，该算法性能有显著改进。 -Communication networks for multi-QoS Constrained multicast routing calcula
132
- 具有捕获的四种群捕食系统的多个正周期解The four groups to capture prey with multiple positive periodic solutions of the system-The four groups to capture prey with multiple positive periodic solutions of the system
psodivide
- 用分种群的粒子群算法来求取30维多峰行数Rastrigrin函数，运行100次得到平均值，标准差-Using points of population of the particle swarm algorithm to achieve 30 dimensions multi-peak Rastrigrin function, running 100 times get an average, standard deviation
constrain-opt
- 针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法。CPSO算法利用混沌搜 索的全局遍历性、随机性和规律性等特点, 引导粒子在全局范围内搜索, 从而克服了传统粒子群算法早熟收敛的缺点。 该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据, 并用惩罚函数法处理违法约束的粒子, 当基本粒子群算 法陷入早熟时, 随机选择粒子群中的部分粒子实施混沌搜索, 直至满足迭代收敛条件为止。CPSO算法能提高种群的多 样性和粒子搜索的遍历性, 从而有效提高了PSO算法的收
NSGAII
- 通过Matlab，实现NEGAⅡ，对于多目标优化，并对研究问题SCH，进行了相关实验，效果不错，可以通过增加种群数、个体长度、以及迭代次数，来提高解的质量-The Matlab, the NEGA II, for the multi-objective optimization, and research questions SCH, the relevant experiments, good results, by increasing the number of population, i
Semi-supervised-learning
- 义了一个欧氏距离和监督信息相混合的新的最近邻计算函数，从而将K一均值算法很好地应用于半 监督聚类问题。针对K一均值算法初始质心敏感的缺陷，用粒子群算法的搜索空间模拟聚类的欧氏空间，迭代搜 索找到较优的聚类质心，同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集 上测试都得到了较好的聚类准确率。-Righteousness of a Euclidean distance and supervision of a mixture of new nearest n
quamultiobjection
- 量子多目标进化算法代码 .用量子旋转门更新量子染色体种群-Quantum multi-objective evolutionary algorithm code. Quantum rotation gate updates the quantum chromosome population