搜索资源列表
chapter3
- 遗传算法、粒子群算法优化BP神经网络-非线性函数拟合-Genetic algorithm and particle swarm optimization for BP neural network nonlinear function fitting
Stochastic-characterization-vehicles
- 包含插入式电动汽车的电能市场的随机特性，将电力市场调度抽象为混合整数的形式 非线性规划，采用了基于启发式的粒子群优化方法来解 为解决方案策略。-Stochastic characterization of electricity energy markets including plug-in electric vehicles
Binary-particle-swarm-source
- 本文给出了二进制粒子群算法的源程序，并运用实例进行了验证。-In this paper, the source code of the binary particle swarm algorithm is given and verified by an example.
pso
- 粒子群算法是目前人工智能的基础算法，本程序是初学者更好的学习遗传算法的基础-Particle swarm algorithm is the basic algorithm of artificial intelligence. This procedure is the basis of the better learning genetic algorithm for beginners.
Image-filter.tar
- 提出了一种基于改进 BP 神经网络和粒子群优化算法( PSO) 的图像滤波方法 。该方法利用双曲正切形式 的误差函数代替 BP 神经网络传统的最小均方误差函数( LMS),并将改进后的 BP 神经网络利用 PSO 算法优 化,用来减小图像噪声对神经网络精度的影响以及避免神经网络陷入局部极小值点,从而提高神经网络去噪能 力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像 细节 。- U63D0 u51FA u4E86 u4E00
PSO
- 用二阶振荡PSO算法实现系统的寻优，最后找到系统的最优值(Using PSO Algorithm to Realize System Optimization)
（268粒子群）《精通MATLAB最优化计算 2版》
- 一本详细的matlab优化算法教程书籍，里面由浅入深介绍了各种优化算法的原理以及相应的matlab实现代码，还有一些具体的范例计算代码，相当实用。(A detailed MATLAB optimization algorithm tutorial book, which introduces the principles of various optimization algorithms and the corresponding matlab implementation code. The
OPF control of dc grid
- 针对直流电网中的最优潮流问题，提出了一种基于模糊控制理论的自适应粒子群算法，以实现电网兼顾有功网损和电压质量的优化运行。(To solve optimal power flow problem in DC grid, an adaptive particle swarm optimization (PSO) algorithm based on fuzzy control theory is proposed in this paper, and optimal operation consi
电力系统短期负荷预测的研究
- 针对短期负荷预测的特点，通过各因子与负荷数据的相关性分析来评价各因子对于负荷预测的影响，从中选取最合适的影响因素作为训练样本。并对气温的积累效应进行了深入的研究，引入了错位样本概念，将其加入到训练样本中提高了预测精度。(In view of the characteristics of short-term load forecasting, the influence of each factor on load forecasting is evaluated through the cor
PSO-SVM
- 基于支持向量机负荷功率预测，使用粒子群算法进行参数寻优，供参考(Load Forecasting Based on Support Vector Machine)
智能优化算法应用于近红外光谱波长选择的比较研究
- 近红外光谱(NIRS)是一种间接分析技术,其应用需建立相应的校正模型。为了提高模型的解释能力、预测准确度和建模效率,需要对NIRS 进行波长选择,优选最小化冗余信息。选用蚁群优化(ACO)、遗传优化(GA)、粒子群优化(PSO)、随机青蛙(RF)和模拟退火(SA)5 种智能优化算法对烟叶总氮和烟碱近红外光谱数据进行特征波长选择,结合偏最小二乘(PLS)算法,构建了多个烟叶总氮和烟碱的校正模型,(Near infrared spectroscopy (NIRS) is an indirect an