搜索资源列表
jiaocha-PSO
- ％--- --- ----- ％--- 名称：带交叉因子的改进PSO算法 ％------功能：求解多维无约束优化问题 ％------特点：收敛性强，还可以加入变异算子
进化算法-竞赛争冠算法函数优化程序 v100801
- 该程序是在自创的无约束优化的竞赛争冠算法(旧称竞技取冠算法)函数优化程序基础上,开发出来的有约束优化程序.程序采用罚函数法实现有约束优化的,但罚因子(惩罚系数)的处理方法有别于其它罚函数法.该程序证明这种惩罚系数处理方法是有效的.该法调整惩罚系数简单,粗放,一般应用默认值即可.该程序普适性较好,进化参数调整简单,不敏感,全局最优解的搜索能力较强,数据重现性(鲁棒性)较好,获得结果精度较高,不足是有时评价函数调用次数稍多些.
improvedPSO.rar
- ------名称：带交叉因子的改进PSO算法 ------功能：求解多维无约束优化问题 ------特点：收敛性强，还可以加入变异算子,------ Name: with cross-factor function to improve the PSO algorithm ------: Solving multi-dimensional unconstrained optimization problem ------ characteristics: strong converge
psowithdate
- ％--- 名称：带交叉因子的改进PSO算法 ％------功能：求解多维无约束优化问题 ％------特点：收敛性强，还可以加入变异算子 ---- Name: with cross-factor function to improve the PSO algorithm------: Solving multi-dimensional unconstrained optimization problems------ characteristics: strong convergen
pso3
- 带交叉因子的改进粒子群优化算法，算法用于示解多维无约束优化问题，收敛性强。-With cross-factor improvement of particle swarm optimization algorithm for multi-dimensional solution that unconstrained optimization problem, convergence is strong.
PSOGA
- 带交叉因子的改进PSO算功能：求解多维无约束优化问题收敛性强，还可以加入变异算子-With cross-factor improvement of PSO operator functions: Solving multi-dimensional unconstrained optimization problem of strong convergence can also add mutation operator
pso
- 程序说明： jblzq.m为基本粒子群程序求函数的最大值 lzq2.m是惯性权重法求函数的最大值 lzq3.m是惯性权重法求函数最小值。当然也可以用lzq2.m实现，在函数前加个负号 lzq4.m是收敛因子法求函数最小值 lzq5.m是带变异的惯性权重法求最大值，变异条件比较简单，变异次数多。还有一种变异是利用各粒的最优位置与全局最优位置的差的平方和，再开根号的值小于某一值最为收敛条件，将在我的报告中叙述 lzq6.m是分层粒子群优化算法，即利用两个粒子群同时进行搜索，一
zlbPSO
- 实现多目标粒子群优化功能，重点是进化因子的选取。-Multi objective particle swarm optimization, with emphasis on evolutionary selection factor.
CompetitionChampionAlgorithm100801
- 可用于有约束函数优化的竞赛争冠算法程序已基本完成,但肯定还有未发现的问题.请您试用,并提宝贵的意见和批评.谢谢!该程序是在自创的无约束优化的竞赛争冠算法(旧称竞技取冠算法)函数优化程序基础上,开发出来的有约束优化程序.程序采用罚函数法实现有约束优化的,但罚因子(惩罚系数)的处理方法有别于其它罚函数法.该程序证明这种惩罚系数处理方法是有效的.该法调整惩罚系数简单,粗放,一般应用默认值即可.该程序普适性较好,进化参数调整简单,不敏感,全局最优解的搜索能力较强,数据重现性(鲁棒性)较好,获得结果精度较
tspdaima
- 设计特定的进化操作或约束修正因子。文献[ 28 ]采用罚函数法,利用非固定多段映射罚函数对约束优化问题进行转化,再利用PSO求解转化后的问题,仿真结果显示PSO相对进化策略和遗传算法有优越性,但其罚函数的设计过于复杂,不利于求解-Operation or design of the evolution of specific binding correction factor. Literature [28] The penalty function method, using non-stat
pos-algorithm-with-cross-factor
- 带交叉因子的改进PSO算法，功能：求解多维无约束优化问题，特点：收敛性强，还可以加入变异算子-With cross-factor improved PSO algorithm, function: solving multi-dimensional unconstrained optimization problems, characterized by: strong convergence, mutation operator can also add
jiaochapso
- 名称：带交叉因子的改进PSO算法功能：求解多维无约束优化问题特点：收敛性强，还可以加入变异算子-Name: Improved PSO algorithm with cross-factor: Solving multidimensional unconstrained optimization problem characteristics: strong convergence can also join the mutation operator
dcf
- 利用动态惩罚因子法对多学科协同优化方法进行改进，并用具体的一个算例进行了验证-Using dynamic penalty factor multidisciplinary collaborative optimization method to improve, and the specific example
CO
- 采用松弛因子法处理多学科协同优化问题的一个具体算例，验证了协同优化方法的有效性-Relaxation factor treatment effectiveness of multidisciplinary collaborative optimization problems, a specific example, verify the collaborative optimization method
PSO
- 经典粒子群算法，经过多次优化，演示出图， 待优化的目标函数：N 粒子数目：N 惯性权重：w 学习因子：c1,c2 最大迭代次数：M 问题的维数：D 目标函数取最小值时自变量值：xm 目标函数的最小值：fv-Classical particle swarm algorithm, optimized for many times, demonstrates plotting objective function to be optimized: N of
Aerodynamic-performance
- 提高风力机将风能转化为机械能的效率，根据我国西北地区的风频风能曲线，用最优设计攻角沿叶片轴线的非线性分布修正传统Wilson算法，优化设计大型水平轴风力机叶片的气动性 能．该优化设计利用Madab优化工具箱，优化速度干涉因子的迭代计算，提高计算效率；考虑多翼型和变攻角等因素对叶片外形优化的影响，从结构及加工工艺角度修正翼型．通过对1．2MW风力发电机组叶片外形的气动性能计算和优化设计，结果表明该优化设计的有效性和可行性，可为风力机叶片外形设计提供参考．-Improve wind turbin
yi_qun_suan_fa
- 这种算法是目前国内外启发式算法中的研究热点和前沿课题，被成功地运用于旅行商问题的求解，蚁群算法在求解复杂优化问题方面具有很大的优越性和广阔的前景。但是,根据观察实验发现，蚁群中的多个蚂蚁的运动是随机的，在扩散范围较大时，在较短时间内很难找出一条较好的路径，在算法实现的过程中容易出现停滞现象和收敛速度慢现象。在这种弊端的情况下，学者们提出了一种自适应蚁群算法，通过自适应地调整运行过程中的挥发因子来改变路径中信息素浓度,从而有效地克服传统蚁群算法中容易陷入局部最优解和收敛速度慢的现象。-This a
MTSOO
- 多任务进化，多因子进化， 进化计算，遗传算法(multitasking evolution)
SRGTSToolbox
- SURROGATES工具箱是一个多维函数逼近和优化方法的通用MATLAB库。当前版本包括以下功能： 实验设计：中心复合设计，全因子设计，拉丁超立方体设计，D-optimal和maxmin设计。 代理：克里金法，多项式响应面，径向基神经网络和支持向量回归。 错误和交叉验证的分析：留一法和k折交叉验证，以及经典的错误分析（确定系数，标准误差;均方根误差等;）。 基于代理的优化：高效的全局优化（EGO）算法。 其他能力：通过安全裕度进行全局敏感性分析和保守替代。(SURROGATES Toolbox
遗传算法优化广义回归神经网络多分类
- 用遗传算法优化光滑因子，来搭建广义回归神经网络分类器，代码全面带数据，可移植性好