搜索资源列表
GAJava
- 这是一个应用遗传算法解决的函数优化问题，通过一系列的交叉变异得到最优的函数解。- This is an application of genetic algorithms to solve the function optimization problem, through a series of cross-variance function of the optimal solution.
GA
- 遗传算法在求解多约束条件下的组合优化问题有独特优势，本代码是关于用遗传算法解决智能组卷问题的好例子。-Of genetic algorithm in solving the multi-constrained optimization problem under the condition of a unique combination of advantages, this code is on the use of genetic algorithm to solve the problem
ThinkingInJava
- 探讨了矩形件和任意形状图案的排样优化问题的遗传算法求解,提出了剩余矩形表示法和条形图表示法。对于矩形排样，剩余矩形表示法提高了板材利用率，更容易得到较优解。对于任意形状图案排样，条形图表示法直接利用位图排样，不对图案作任何限制（允许有孔洞），排样速度很快。该算法已应用于智能印花分色系统中-very good
aaaaa
- 蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。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。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质。针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。-Ant Colony Algori
PSO
- 动态环境下的粒子群算法研究 动态优化问题是指目标函数随时间连续、缓慢或突然、随机变化的情况。该课题旨在将动态优化问题连续变化的时间变量区间进行任意划分，在得到的每个时间子区间上将动态问题转化为静态问题，针对此静态优化问题设计相应的遗传算法。同时给出一种能自动检测时间变化的应答算子。-Dynamic optimization problem refers to the objective function over time in a row, slow or sudden, random c
jopt_sdk_4_9_5_evaluation_complete
- JOpt.SDK是一个自动化车辆路线和派送Java/J2SE和.NET.组件的工具。它可以解决旅行推销员的问题（TSP）和时窗限制路线规划的问题。它提供了各种因素限制的最佳化运输路线，如时窗，负载能力，规定行程路线。该组件是基于遗传算法，并自动确定订单任意设置车辆的优化配置。-JOpt.SDK is an automated vehicle routing and delivery of Java/J2SE and.NET. components of the tool. It can solv
algorithms
- 先是将多目标问题分解为单目标 （用切比雪夫和加权平均法）然后用遗传算法优化(Multi-objective optimization algorithm based on java language. First, the multi-objective problem is decomposed into single objectives (using Chebyshev and weighted average method) and then optimized by genetic a