搜索资源列表
第12章 基于FCEM的TRIZ评价
- TRIZ创新方法是由苏联人Genrich Altshullrer在1946年创立的，它是一种系统改良的方法，可以自觉性演化的技术系统，解决工程问题并消除工程冲突而不抵消妥协，同时它也是一种增加工程人员知识创新力和解决问题技巧的方法。其核心思想包含三个方面：①无论是一个简单产品还是复杂的技术系统，其核心技术的发展都是遵循着客观的规律发展演变的，即具有客观的进化规律和模式；②各种技术难题和矛盾的不断解决是推动这种进化过程的动力；③技术系统发展的理想状态是用最少的资源实现最大效益的功能。(TRIZ i
蚁群算法TSP问题
- 典型的matlab求运行商问题，可以看到进化曲线和线路计算过程。(The typical matlab asks the operator problem, and you can see the evolution curve and the line calculation process.)
遗传算法解决TSP问题
- 遗传算法求TSP问题，有演进过程和最终进化曲线(The genetic algorithm for solving the TSP problem has evolution process and final evolution curve)
PlatEMO
- 多目标优化算法平台，内涵多种遗传算法和进化算法，图形界面，算法齐全并且最新的，时间：2017-5-10(Multi objective optimization algorithm platform, the connotation of a variety of genetic algorithm and evolutionary algorithm, graphical interface, algorithm is complete and up-to-date, time: 2017-5
遗传算法txt
- 遗传算法解决tsp问题 遗传算法，模拟达尔文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，一种选择不断选择优良个体的算法。谈到遗传，想想自然界动物遗传是怎么来的，自然主要过程包括染色体的选择，交叉，变异（不明白这个的可以去看看生物学），这些操作后，保证了以后的个体基本上是最优的，那么以后再继续这样下去就可以一直最优了。(Genetic algorithm to solve TSP problem)
蚁群算法
- 蚂蚁算法 蚁群算法是一种用来寻找优化路径的概率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。这种算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。蚁群系统(Ant System或Ant Colony System)是由意大利学者Dorigo、Maniezzo等人于20世纪90年代首先提出来的。他们在研究蚂蚁觅食的过程中，发现单个蚂蚁的行为比较简单，但是蚁群整体却可以体现一些智能的行
2222
- 进化算法（如纯遗传算法）是元启发式算法。 这意味着，它们是一个通用框架和一组概念准则，可用于创建特定的算法以解决特定的问题。 因此，本文中介绍的示例可以看作是实验和创建进化优化代码的起点，而不是固定的静态代码库。(Evolutionary algorithms (such as pure genetic algorithms) are meta heuristic algorithms. This means that they are a generic framework and a set
spMODE
- 该代码基于偏好实现了具有球形修剪的多目标差分进化算法的版本，有改进和处理的机制：多样性，针对性，多目标优化实例以及受限优化实例。(It is a MOEA with mechanisms to improve and deal with:Diversity, Pertinency, Many-objective optimization instances, Constrained optimization instances.)
DE_TCR
- matlab脚本实现了DE_TCR算法-自适应交叉机制的混合差分进化算法，对研究进化算法具有一定帮助。(These matlab scr ipts implement a version of the DE_TCR algorithm which is a Hybrid Differential Evolution Algorithm With Adaptive Crossover Mechanism.)
遗传算法
- 利用遗传算法计算目标函数极值，遗传算法与传统的优化方法（枚举，启发式等）相比较，以生物进化为原型，具有很好的收敛性，在计算精度要求时，计算时间少，鲁棒性高等都是它的优点。(Using the genetic algorithm to calculate the extremum of a objective function. Compared with the traditional optimization methods (enumeration, heuristics, etc.), g
2016.11.03DE_SVR（差分进化）
- 以优化SVR算法的参数c和g为例，对DE（差分进化）算法MATLAB源码进行了详细中文注解。(Differential Evolution algorithm (DE) is a heuristic random search algorithm based on group differences. This algorithm is proposed by R.S and k.p. rice for solving Chebyshev polynomials. DE algorithm is
Artificial Bee Colony
- artificial bee colony蜂群算法（ABC）代码(matlab code of artificial bee colony)
gaot
- 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。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。(Genetic Algorithm (based Algorithm) is a simulation Darwin the evolution natural selectio
NSGA-III
- 用matlab实现的多目标进化NSGA-3算法，直接修改目标函数后即可使用，十分有用(The multi-objective evolutionary NSGA-3 algorithm implemented by Matlab can be used directly after modifying the objective function, which is very useful.)
ABC_1
- 人工蜂群算法自2005年被Karaboga等人提出以来，以其操作简单、参数少、易于编程实现、收敛速度快等特点而受到越来越多的关注。2007年，Karaboga【2007】使用人工蜂群算法对多变量函数进行优化，并对由人工蜂群算法（ABC），遗传算法（GA），粒子温度算法（PSO）和粒子温度灵敏演化算法（PS-EA）产生的结果进行了比较。 结果表明，人工蜂群算法优于其他算法。2009年，Karaboga【2009】使用人工蜂群算法优化大量的数值函数，并对由人工蜂群算法（ABC），遗传算法（GA），粒
DE
- 差分进化算法的代码框架和实例，可以实现迭代进化，得到需要的优化解。(Code framework and example of differential evolution algorithm.It can achieve iterative evolution and get the desired solution.)
Matlab genetic algorithm and examples
- 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，本文介绍了一种基于Matlab的遗传算法实例。(An example of genetic algorithm based on Matlab)
DE-test
- 差分进化算法，求最优解，能实现，能运行，是个测试版本，可以在这基础改(Differential evolution algorithm, to achieve the optimal solution, can be realized, can run, is a test version, can be modified in this basis.)
8895885MOEA !!!可用
- 基于分解的多目标进化算法的MATLAB程序，可以使用并运行出结果(MATLAB program based on decomposition of multi-objective evolutionary algorithm can be used and run the results.)
差分优化BP
- 差分进化算法调节BP神经网络，选用差分进化算法对BP神经网络进行调节(Differential evolution algorithm regulates BP neural network)