搜索资源列表
源程序实例
- 遗传算法提供了一种求解复杂系统优化问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性。所以，广泛应用于很多学科。(Genetic algorithm (GA) provides a general framework for solving complex system optimization problems. It does not depend on the specific domain of the problem, and has a strong robustn
matlab程序
- 通过遗传算法实现宽带天线的匹配网络优化，提高整个频带内的传输效率、(The genetic algorithm is used to optimize the matching network of broadband antenna and improve the transmission efficiency in the whole frequency band,)
智能优化算法
- 优化技术是一种以数学为基础，用于求解各种工程问题优化解的应用技术。作为一个重要的科学分支，它一直受到人们的广泛重视，并在诸多工程领域得到迅速推广和应用，如系统控制、人工智能、模式识别、生产调度、VLSI技术和计算机工程等。鉴于实际工程问题的复杂性、约束性、非线性、多极小、建模困难等特点，寻求一种适合于大规模并行且具有智能特征的算法已成为有关学科的一个主要研究目标和引人注目的研究方向。 20世纪80年代以来，一些新颖的优化算法，如人工神经网络、混沌、遗传算法、进化。(Optimization te
智能优化算法资料
- 优化算法有很多，经典算法包括：有线性规划，动态规划等；改进型局部搜索算法包括爬山法，最速下降法等，模拟退火、遗传算法以及禁忌搜索称作指导性搜索法。而神经网络，混沌搜索则属于系统动态演化方法。 梯度为基础的传统优化算法具有较高的计算效率、较强的可靠性、比较成熟等优点，是一类最重要的、应用最广泛的优化算法。但是，传统的最优化方法在应用于复杂、困难的优化问题时有较大的局限性。(There are many optimization algorithms, the classical algori
遗传优化工具箱 - NSGA-II
- 改进的遗传算法，多目标优化算法，简单，快捷有效(Improved Genetic Algorithm)
b. GA_UF代码
- 遗传算法通用工具，为方便大家使用GA优化算法进行优化，这里自己编写的一个面向用户的GA优化算法，希望帮到大家。(General genetic algorithm tool to facilitate using the GA optimization algorithm was optimized, here I have written a user oriented GA algorithm, I hope to help you.)
chapter4
- 用遗传算法优化BP神经网络，并进行结果预测的操作(Optimization of BP by genetic algorithm)
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(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)
混合遗传蚁群HGIACA
- 智能优化方法--混合遗传蚁群算法，结合了蚁群算法和遗传算法(Intelligent optimization method, hybrid genetic ant colony algorithm, combines ant colony algorithm and genetic algorithm.)
智能优化算法及其matlab实例code
- 遗传算法 粒子群 蚁群等7种算法，可解决求极值问题以及旅行商问题(Genetic algorithm, particle swarm optimization and ant colony algorithm can solve extreme value problem and traveling salesman problem. 7 algorithms are used to solve extreme value problem and traveling salesman probl
GASA
- 运用模拟退火遗传算法解决路径优化问题，其中已给出中文注释(GASA for VPR.Simulated Annealing Genetic Algorithms (SAGA) is used to solve the problem of path optimization, in which Chinese annotations are given.)
way_2
- 使用遗传算法对pid参数优化 遗传算法简称GA（genetic algorithms），它是模拟自然界遗传机制和生物进化论的一种并行随机搜索最优化方法。它将“优胜劣汰，适者生存”的生物进化理论引入优化参数形成的编码串联群体中，按所选择的适配值函数并通过遗传中的复制、交叉及变异对个体进行筛选，使适配值高的个体被保留下来，组成新的群体，周而复始，群体中个体适应度不断提高，直到满足某一条件。 。(Using genetic algorithm to optimize PID parameters)
遗传算法
- 考虑了孤岛型微电网的灵活性，在成本最低的条件下，进行优化调度(Considering the flexibility of islanded microgrid, the optimal dispatch is carried out at the lowest cost.)
Maltlab程序
- 改进遗传算法用于多车多类型车辆的车辆路径优化(Application of improved genetic algorithm to vehicle routing optimization of multi-vehicle and multi-type vehicles)
源代码
- 1 基于遗传算法的TSP算法（王辉） 2 基于遗传算法和非线性规划的函数寻优算法（史峰） 3 基于遗传算法的BP神经网络优化算法（王辉） 4 设菲尔德大学的MATLAB遗传算法工具箱（王辉） 5 基于遗传算法的LQR控制优化算法（胡斐）(1 TSP algorithm based on genetic algorithm (Wang Hui) 2 Function optimization algorithm based on genetic algorithm and non
nsga2code
- 对多目标遗传算法进行解析，基于多目标协同优化算法编写的遗传算法程序，具有很好的收敛性，提供了相应测试算例。(Analyzing multi-objective genetic algorithm, the genetic algorithm program based on multi-objective cooperative optimization algorithm has good convergence, and provides corresponding test example
CEC 2017
- 测试函数：主要用于测试智能优化算法，如遗传算法、粒子群算法等的性能(Test function: it is mainly used to test the performance of intelligent optimization algorithms, such as genetic algorithm and particle swarm optimization algorithm)
GABP
- GABP，遗传算法优化神经网络（BP)进行预测 ，优化前后对比，可套用在其它模型。(GABP, genetic algorithm optimization neural network (BP) for prediction, optimization before and after comparison, can be applied to other models.)
遗传算法多目标优化模板
- 利用geatpy库是实现多目标优化， 基于改进NSGA-Ⅱ算法求解多目标优化问题的进化算法模板，传统NSGA-Ⅱ算法的帕累托最优解来只源于当代种群个体，这样难以高效地获取更多的帕累托最优解，同时难以把种群大小控制在合适的范围内，改进的NSGA2整体上沿用传统的NSGA-Ⅱ算法，不同的是，该算法通过维护一个全局帕累托最优集来实现帕累托前沿的搜索，故并不需要保证种群所有个体都是非支配的。(Using geatpy library to realize multi-objective optimiza
ga_aco_opt_on_anfis_svm-master
- 利用遗传算法、蚁群算法、PSO等对SVM模型进行优化，实现高效分类和回归预测(The SVM model is optimized by genetic algorithm, ant colony algorithm and PSO to achieve efficient classification and regression prediction.)