搜索资源列表
ga
- 遗传算法(Genetic Algorithm,GA)是一种抽象于生物进化过程的基于自然选择和生物遗传机制的优化技术. 遗传算法的基本原理 在遗传算法的执行过程中,每一代有许多不同的种群个体(染色体 )同时存在。这些染色体中哪个保留(生存)、哪个淘汰(死亡),是根据 它们对环境的适应能力来决定的,适应性强的有更多的机会保留下来 。适应性强弱是通过计算适应性函数f(x)的值来判别的,这个值称为适应值。适应值函数f(x)的构成与目标函数有密切关系,往往是目标函数的变种。
实数自适应并行遗传算法的研究
- 曾孝平,陈燕飞,李勇明.实数自适应并行遗传算法的研究。针对遗传算法中的早收敛现象,提出了一种实数自适应并行遗传算法(real adaptive parallel genetic algo- rithm,RAPGA)。该算法采用了一种并行遗传进化结构,并将自适应交叉、变异算子引入到本算法中,增强和保 持了种群的多样性。最后,通过与其他经典优化遗传算法进行比较显示,RAPGA对多个标准测试函数均表现出 较好的搜索性能。
GAPBPNN
- 多种群遗传算法的函数优化算法案例分析,Much of the population genetic algorithm function optimization algorithm -Much of the population genetic algorithm function optimization algorithm
MPGA
- 多种群遗传算法的函数优化算法，求解约束条件下的极大值-Multi population genetic algorithm function optimization algorithm for solving the constrained conditions, the maximum value
30-cases-in-matlab
- MATLAB智能算法30个案例分析，109页的详细讲解，程序和程序注解，可以直接复制代码。包括遗传算法，基于遗传算法和非线性规划的函数寻优算法，遗传算法工具箱详解及应用，多种群遗传算法的函数优化算法， 基于粒子群算法的多目标搜索算法，基于多层编码遗传算法的车间调度算法，基于遗传模拟退火算法的聚类算法，蚁群算法，支持向量机等等30章。-MATLAB intelligent algorithm 30 case studies, 109 detailed explanations, procedur
Multi-population-genetic-algorithm
- 多种群遗传算法的函数优化算法，利用多个种群同时优化，提高遗传算法效率。-Multi-population genetic algorithm function optimization algorithm, the use of multiple populations simultaneously optimize and improve the efficiency of genetic algorithm.
DUOHANSHU
- 多种群遗传算法的函数优化算法，非常实用，使用时可根据具体情况修改-Multi-population genetic algorithm function optimization algorithm is very practical, use can be modified according to the specific circumstances
chapter7
- 多种群遗传算法的函数优化算法Matlab程序实现-Multi-population genetic algorithm for function optimization algorithm Matlab program
MPGA
- 多种群遗传算法的函数优化算法,整个程序代码讲的非常详细，分享给大家希望可以对大家有帮助！-Multi-population genetic algorithm function optimization algorithm, the entire program code in a very detailed, we hope to share with all of you can help!
000007
- 多种群遗传算法的函数优化算法，含有移民算子、人工选择算子及主程序的源代码-A variety of functions of genetic algorithm optimization algorithm, including immigration, artificial selection operator and the source code of the main program
danyuan
- 多种群遗传算法的函数优化算法。 复杂二元函数求最值-Function Optimization Algorithm for Multi- population Genetic Algorithm. Complex binary function for the most value
多种群遗传算法的函数优化算法
- 多种群遗传算法的函数优化算法，可以实现基于多种群遗传算法的函数最优化问题(Multi population genetic algorithm function optimization algorithm, can be achieved based on multiple population genetic algorithm function optimization problem)
chapter7多种群遗传算法的函数优化算法
- 用遗传算法去优化多种群问题，寻求目标的最优解(The genetic algorithm is used to optimize the multi-population problem and seek the optimal solution)
demo4
- 遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。(Genetic algorithm (GA) is a search algorithm for solving optimization in computational mathematics. It is a kind of evolutionary algorithm. Evolutio
nsga2code
- 实现多目标优化，遗传算法，将种群全体按子目标函数的数目等分为子群体，对每一个子群体分配一个目标函数，进行择优选择，各自选择出适应度高的个体组成一个新的子群体，然后将所有这些子群体合并成一个完整的群体，在这个群体里进行交叉变异操作，生成下一代完整群体，如此循环，最终生成Pareto最优解(Achieve multi-objective optimization)
chapter7 多种群遗传算法的函数优化算法
- chapter7 多种群遗传算法的函数优化算法(Chapter7 Function optimization algorithm based on multi population genetic algorithm)
chapter7多种群遗传算法的函数优化算法
- 多种群遗传算法代码，亲测可用，加快种群迭代速度(multi-population genetic algorithm)
多种群遗传算法的函数优化算法
- 车辆路径问题VRP的matlab编程，里面包含距离矩阵和适应度函数和交叉，多种群遗传算法的程序(progrmming of vehicle routing problem)
多种群GA算法的函数优化算法
- 突破SGA仅靠单个群体进行遗传进化的框架，引入多个种群同时进行优化搜索；不同的种群赋以不同的控制参数，实现不同的搜索目的。
NSGA
- 多目标遗传算法是NSGA-II[1]（改进的非支配排序算法）,该遗传算法相比于其它的多目标遗传算法有如下优点：传统的非支配排序算法的复杂度为 ，而NSGA-II的复杂度为 ，其中M为目标函数的个数，N为种群中的个体数。引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度。采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性