搜索资源列表
GAF1
- 利用遗传算法,对一个函数求取极值的一种方法,考虑到普通遗传算法中初始种群,对极值影响较大,程序的采用了多个初试种群同时学习,相互比较以求取极大值。-use of genetic algorithm, a function of a strike extreme methods, taking into account the general genetic algorithm initial population, Extreme right big impact and the procedu
duodianjiaocha
- 用多点交叉实现遗传算法,能够自主选择种群大小、变异率、交叉率以及染色体编码的输出,结果输出为文本。-with more cross-Genetic algorithm, can choose the size of population, the mutation rate, chromosome cross-rate encoding and output, the output text.
SGA2[1].0
- GA(Simple Genetic Algorithm)是一种强大的智能多变量优化算法,它模仿种群繁殖规律来进行优化。 本SGA可以优化变量,求最小值,最大值(当把函数倒数也就求最小值啦) 并且支持浮点编码,grey编码,二进制编码;轮赌法选择,锦标赛选择;单点交叉,均布交叉,浮点交叉;单点变异,浮点变异;
yichuan
- * 这里是遗传算法的核心框架遗传算法的步骤: * 遗传算法核心部分的算法描述 * 算法步骤: * 1、初始化 * 1.1、生成初始种群编码 * 1.2、计算每个个体的适配值。 * 1.3、记录当前最优适配值和最优个体 * 2、选择和遗传, * 2.0、若当前最优适配值多次小于已有的最优适配值(或相差不大)很多次,或者进化的次数超过设定的限制,转4。 * 2.1、按照与每个个体的适配值成正比的概率选择个体并复制,复制之后个体的数目和原始种群数目
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。
afs1
- 人工鱼群算法(AFSA)是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略,该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习,形成了人工鱼群神经网络模型,通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较,验证了人工鱼群 神经网络在全局寻优能力上的优势,进而利用人工鱼群神经网络进行电力系统短期 负荷预测,建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性,以 及求得全局最优值的能力,文中
Matlab-GA
- 对于单种群进化,多方式进化是提高全局搜索能力和收敛速度的一种有效策略 该程序采用: 编码:二进制编码、实数编码(默认) 选择:非线性排名选择(主要表现在前期),锦标赛选择(主要表现在后期,含精英保留),由于单纯的转轮盘选择存在诸多弊端,这里没有采用 交叉:二进制编码采用多点交叉和均匀交叉,并逐步增大均匀交叉概率 实数编码采用离散交叉(前期)、算术交叉(中期)、AEA重组(后期) 变异:二进制编码采用随机变异 实数编码采用两种自适应变异和两种随机变异,且尽量采用前者
GTPSO
- 提出一种改进的粒子群优化算法———基于全局劣汰策略的混合粒子群优化算法(GTPSO) 。GTPSO在 保持PSO算法快速收敛的基础上,以郭涛算法(GuoA)的寻优机制确保种群的多样性和算法的坚韧性。数值计 算结果表明,对于高维(维数≥10)复杂非凸多峰函数的数值优化问题, GTPSO算法的计算结果均优于GuoA算 法和粒子群优化算法。-An improved particle swarm optimization algorithm--- poor overall survival
MPGA
- 多种群遗传算法,对遗传算法进行了扩展,对抑制未成熟收敛的大神有显著效果-Multi-population genetic algorithm, the genetic algorithm has been extended to inhibit the premature convergence of the Great God have a significant effect
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
genetic algorithm
- 多种群遗传算法,通过matlab编程,实现模拟生物进化的过程,对现实中的问题进行优化(Genetic algorithm to solve optimization problems)
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)
混沌蚁群算法
- 前推回代法的辐射状配电网潮流程序 matlab编写蚁群算法实践 粒子群工具箱PSOt 基于遗传算法配电网无功优化方法程序源代码 求解机组组合问题的多种群混沌蚁群算法(Forward push back generation method of radial distribution network tidal current procedures matlab prepared ant colony algorithm PSOt based on genetic algorithm distri
CSO
- 鸡群优化算法,这是一个全新的群智能优化算法,具有简单,良好扩展性的特点,是一种天然的多种群,自适应算法!(Chicken Swarm Optimization)
ga
- 一种改进型遗传算法。主要利用多种群协同竞争的方法,来提升算法的精度和鲁棒性,避免算法不成熟而导致提前收敛。(An improved genetic algorithm.The method of multi-group cooperative competition is mainly used to improve the accuracy and robustness of the algorithm, and avoid the premature convergence of the a
MPGA
- 多种群遗传算法; matlab程序(Multiple Populations GA)
种群预测算法
- 进化动态多目标优化算法,基于种群预测的策略,c++文件,作者 aimin zhou
多目标测试函数集
- 多目标测试函数集DTLZ1-7,无约束的7个多目标优化问题。 输入:种群、目标函数数量、决策变量数量、函数序号 输出:对应的函数值
SSMOPSO code
- 形成策略被用来形成稳定的生态位,小生境/子种群被优化以并行地搜索和维护帕累托最优解。此外,还提出了一种自组织机制,以提高物种制定的效率和算法的性能。为了在决策空间和目标空间保持解决方案的多样性,SS-MOPSO采用了非主导排序方案和特殊拥挤距离技术。(In the proposed method, the speciation strategy is used to form stable niches and these niches/subpopulations are optimized