搜索资源列表
genetic
- 遗传算法 种群大小为50； 交换位数为：，其中n为个体基因数； 变异位数为4（固定不变）； 交换的个数分别取：Nc=20，28，36，44； 变异的个数分别取：Nm=1，5，10，15；-genetic algorithm
GSM_detector
- 针对雾天下拍摄图像的退化现象，远景部分是一块灰度分布比较集中且接近天空亮度的区域，而近景部分可以分辨，其灰度分布比较分散。提出了一种基于遗传算法阈值分割的雾天图像增强方法；该方法首先用遗传算法求出近远景的分割阈值将图像分割[1]出来，然后对两个部分分别进行清晰化处理。-make the picture clear
test
- 用于曲线拟合中评估点的选取问题的研究；可用于遗传算法-Assessment of points for curve fitting in the selection of issues can be used for genetic algorithm
ga
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂
MATLAB
- 1．本程序演示的是用简单遗传算法随机一个种群，然后根据所给的交叉率，变异率，世代数计算最大适应度所在的代数 2．演示程序以用户和计算机的对话方式执行，即在计算机终端上显示“提示信息”之后，由用户在键盘上输入演示程序中规定的命令；相应的输入数据和运算结果显示在其后。 3．测试数据 输入初始变量后用y=100*(x1*x1-x2)*(x1*x2-x2)+(1-x1)*(1-x1)其中-2.048<=x1,x2<=2.048作适应度函数求最大适应度即为函数的最大值 -1.
pid
- 人工神经网络(Artificial Neural Network)是从生理角度对智能的模拟，具有极 高的学习能力和自适应能力，能够以任意精度逼近任意函数，完成对系统的仿真； 而遗传算法是对自然界生物进化过程的模拟，具有极强的全局寻优能力，这两种 算法都是当下研究较多的智能方法。将这两种方法与常规的 PID 控制相结合， 构成智能 PID 控制器，使其具有参数自整定、自适应的能力，以适应复杂环境 下的控制要求，这一思路对提高控制效果具有很好的现实意义。 -Artificia
GAprog
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂
Rectangle
- 矩形件优化排样是一个NPC问题，在工业界有着广泛的应用．针对该问题，提出一种自适应模拟退火遗传算法．采用一种基于环形交叉算子和环形变异算子的自适应遗传算法来自动调整交叉和变异概率；同时引入模拟退火算法对个体适应度大于平均适应度的个体进行退火处理．自适应模拟退火遗传算法充分发挥了自适应遗传算法与模拟退火算法各自的全局搜索能力与局部搜索能力．对比实验表明，该算法结合改进的最左最下布局算法解决矩形件优化排样问题更加有效．-Optimal layout is rectangular pieces of
DE
- 差分进化，智能计算的一种，和遗传算法，粒子群算法，蚁群算法是一类的。-Intelligent Computation ， inspired and Autonomic Computing ；Intelligent Computation ；smart computing
30-case-studies
- MATLAB神经网络30个案例分析__读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。-30 case studies of the MATLAB Neural Network __ readers call the case, as
ga1
- 遗传算法matlab源代码； 遗传算法matlab源代码；遗传算法matlab源代码-Genetic algorithm matlab source code Genetic algorithm matlab source code
GA
- 遗传算法应用程序使用说明： 1.安装MATLAB5.X； 2.建立目录：(c:\GeneticProgram),并将这里提供的所有源程序拷入该目录； 3.运行(c:\GeneticProgram)中的 startup； 4.在MATLAB Command Window内直接运行程序 FloatExample和BinaryExample。 FloatExample和BinaryExample分别采用浮点编码和二进制编码方法，求函数 y=20+x + 10*sin(
GA_algorithm
- 遗传算法在车间布局中的应用，可以调试通过的，对于这类问题规划很有帮助；其中涉及到染色体种群等-Inherit calculate way the application in the layout is between each car, can adjust to try to pass of, program to this problem very helpful Involve the chromosome kinds to wait among them
JSP--E-T--GA
- 针对带有交货期窗口硬约束，并对提前/拖期零件进行惩罚的一类作业车间调度问题，设计了一种改进型遗传算法EGA。交货期窗口硬约束是指每个零件均有交货期和deadline，零件可以在交货期后完工，但绝不能超出deadline。EGA采用“逆向后推”和“顺向前拉”相结合的两阶段求解策略。针对部分染色体在解码过程中违反交货期窗口硬约束而产生非法解的问题，采用基于关键路径的染色体修复方法来调整染色体基因序列，以期实现在满足交货期窗口硬约束的同时降低零件拖期成本；在保持第一调度阶段拖期成本不变的基础上，采用基
gatbx
- matlab遗传算法程序包，补充版本较低的matlab，安装方法如下 1、解压gatbx-origin.zip，得到DOC和SRC文件夹； 2、拷贝SRC到Matlab安装目录下的toolbox文件夹中，并将SRC更名为genetic； 3、打开toolbox\local\目录下的pathdef.m文件，在适当位置添加以下两行代码： Code in pathdef.mmatlabroot, \toolbox\genetic ,... matlabroot, \toolbox\
Genetic-algorithm-source-code
- 遗传算法代码：对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；-Genetic algorithm source code：AlphaA specific application to amend this code, the user simply change the definition of constants and define the evaluation function can. Attention
StockPrediction
- 遗传算法，很难学；有经典例子共享，变异和交叉以及选择，初始化种群-Genetic algorithm, it is difficult to learn a classic example of a shared mutation and crossover, as well as select, initialize the population
example
- 遗传算法实例：生成初始种群：遗传优化算法搜索；将不等式约束作为惩罚项加入适应度函数-Genetic algorithm example
Yichuansuanfadaima
- 这是一个非常实用的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交
genetic-algorithm
- 用遗传算法解旅行商问题 算法的目的为最小化旅费。各个城市间旅费不同，分别为60-200 之间的随机数。以此 为基础，分别编写不同代码，比较改变后的算法与原算子的运行效率有何不 同： 使用部分映射杂交算子实现杂交；使用插入变异算子实现变异； 随机运行算法5 次，根据采用不同算子得到的种群的平均适应值随迭代代数变化的情况与最终获得的最优解-solve TSP(Traveling Salesman Problem) use genetic algorithm