搜索资源列表
fmaxga
- 基于Matlab的函数优化遗传算法程序,包含了遗传算法实现的大部分步骤,而且有详细的注释.-Matlab functions genetic algorithm optimization procedures, including the genetic algorithm to achieve the most steps, and detailed notes.
gentenicfunction
- 基于实数编码遗传算法的函数极植优化程序,matlab编程-real-coded genetic algorithm optimization function very planting procedures, Matlab programming
yichuanmatlab
- 这是作者自己编写的基于matlab语言的程序设计。遗传算法的函数优化 应用。 -is prepared by the author himself on the Matlab programming language. Genetic Algorithms Optimization applications.
GAforFunction
- 基于Matlab的函数优化遗传算法程序 .-based on Matlab function of genetic algorithm optimization procedures.
heixianghanshuyouhua
- 基于遗传算法和神经网络的黑箱函数优化举例matlab程序-based on genetic algorithms and neural network as a black box function optimization procedures for Matlab
GAF
- 遗传算法用于函数优化问题,matlab编程,函数可选
BPnetware2
- 用遗传算法优化BP神经网络的Matlab编程适应值函数
Bpnetware3
- 用遗传算法优化BP神经网络的Matlab编程编解码函数
duomubiao--matlab
- matlab中多目标优化函数集合,其中有多目标遗传算法,多目标粒子群算法等等。-matlab multi-objective optimization function set, including multiple objective genetic algorithm, multi- objective particle swarm optimization and so on.
Globalsearch_vs_GA
- 一个关于matlab优化工具箱GOT中的遗传算法函数(GA)和全局优化算法函数(Globalsearch)优化能力的小对比,前者寻优快,但是结果不稳定,在风电场协同有功出力优化上面甚至可能比不过传统的单个风机层面的优化。后者计算量大,耗时较长,但是每次计算结果稳定,较传统单台风机层面优化有少量的提升。Tips:1,本文风场的建模只是采用了PARK模型,实际风场的气动过程应该还要复杂一些,未经实际风场验证,权当是工程优化入门 2,单个风机层面的功率系数Cp参数来源于NREL 5MW模型,跟实际叶片
genetic-algorithm
- MATLAB遗传算法源代码遗传算法简单函数优化-genetic algorithm
chapter3
- 遗传算法优化BP神经网络——非线性函数拟合(Optimization of BP neural network by genetic algorithm -- nonlinear function fitting)
程序
- 遗传算法程序,适应度函数,用于优化时计算目标函数,反馈给优化程序,进行择优(The fitness function is used to compute the objective function when optimizing)
1
- 主要是针对matlab编程的14个案例; 案例1:一般区域二重、三重积分; 案例2:被积函数含有积分项的一类积分; 案例3:一般区域n重积分; 案例4:蒙特卡洛法计算n重积分; 案例5:第二类Fredholm积分方程; 案例6:第一类Fredholm积分方程; 案例7:第二类Volterra积分方程; 案例8:第一类Volterra积分方程; 案例9:全局优化; 案例10:fsolve求非线性方程组; 案例11:渐变光波求导; 案例12:遗传算法在复杂系统可靠度和冗余度分
chapter3
- 用遗传算法优化神经网络,对非线性函数进行拟合。(The neural network is optimized by genetic algorithm, and the nonlinear function is fitted.)
案例4
- 遗传算法优化,BP神经网络,非线性函数拟合(Genetic algorithm optimization, BP neural network, nonlinear function fitting)
ABC_1
- 人工蜂群算法自2005年被Karaboga等人提出以来,以其操作简单、参数少、易于编程实现、收敛速度快等特点而受到越来越多的关注。2007年,Karaboga【2007】使用人工蜂群算法对多变量函数进行优化,并对由人工蜂群算法(ABC),遗传算法(GA),粒子温度算法(PSO)和粒子温度灵敏演化算法(PS-EA)产生的结果进行了比较。 结果表明,人工蜂群算法优于其他算法。2009年,Karaboga【2009】使用人工蜂群算法优化大量的数值函数,并对由人工蜂群算法(ABC),遗传算法(GA),粒
Function optimization algorithm
- 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
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
BAS代码
- 天牛须搜索( beetle antennae search,BAS) 算法是2017 年提出的一种基于天牛觅食原理的适用于多目标函数优化的新技术,其生物原理为: 当天牛觅食时,其并不知道食物在哪里,而是根据食物气味的强弱来觅食。天牛有两只长触角,如果左边触角收到的气味强度比右边大,那下一步天牛就会向左边飞,反之则向右飞。依据这一简单原理天牛就可以有效找到食物。与遗传算法、粒子群算法等类似,BAS 不需要知道函数的具体形式以及梯度信息,就可以自动实现寻优过程,且其个体仅为一个,寻优速度显著提高。(