搜索资源列表
-
0下载：
遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法，它借
用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性
的提高。这一点体现了自然界中\"物竞天择、适者生存\"进化过程。1962年Holland教授首次
提出了GA算法的思想，从而吸引了大批的研究者，迅速推广到优化、搜索、机器学习等方
面，并奠定了坚实的理论基础。 用遗传算法解决问题时，首先要对待解决问题的模型结构
和参数进行编码，一般用字符串表示，这
-
-
0下载：
This a demonstration of how to find a minimum of a non-smooth
objective function using the Genetic Algorithm (GA) function in the
Genetic Algorithm and Direct Search Toolbox. Traditional derivative-based
optimization methods, like those foun
-
-
0下载：
基本遗传算法求解连续问题的matlab实现-Basic genetic algorithm for continuous problems matlab implementation
-
-
0下载：
对于被控线性连续系统，基于遗传算法的PID参数整定程序。-For the charged linear continuous systems based on genetic algorithm PID parameter tuning process.
-
-
0下载：
遗传算法可求组合优化与连续优化的最优解，这里提供遗传算法算法一个组合优化的例-Combination of genetic algorithm optimization and rectifiable continuous optimization of the optimal solution, which offers a combination of genetic algorithm optimization algorithm example
-
-
0下载：
解决连续函数的遗传算法实例代码，适合初学者，可以运行的-The genetic algorithm is proposed to solve the continuous function code examples, is suitable for beginners, can run
-
-
0下载：
BP神经网络和遗传算法的结合，根据输入和输出的value，不断对参数进行修正，确定拟合关系-BP neural network and genetic algorithm combination of value, according to the input and output, continuous parameter correction to determine the fitting relationship
-
-
0下载：
差分进化算法（DE）是一种用于优化问题的启发式算法。本质上说，它是一种基于实数编码的具有保优思想的贪婪遗传算法[1] 。同遗传算法一样，差分进化算法包含变异和交叉操作，但同时相较于遗传算法的选择操作，差分进化算法采用一对一的淘汰机制来更新种群。由于差分进化算法在连续域优化问题的优势已获得广泛应用，并引发进化算法研究领域的热潮。 差分进化算法由Storn 以及Price [2]提出，算法的原理采用对个体进行方向扰动，以达到对个体的函数值进行下降的目的，同其他进化算法一样，差分进化算法不利用函数的梯
-
-
1下载：
遗传算法提供了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化， 而不针对参数本身， 从而不受函数约束条件的限制； 搜索过程从问题解的一个集合开始， 而不是单个个体， 具有隐含并行搜索特性， 可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。(Genetic algorithm provides a general framework f
-
