搜索资源列表
a2
- 复件 演化程序――遗传算法和数据编码的结合-Copies evolutionary process- genetic algorithms and the combination of data encoding
sres.tar
- 基于约束的随机排序的演化优化算法程序，并且应用于12个例子-Constraint-based random sort of evolutionary optimization process, and applied to 12 examples
PDE_in_image_processing
- 包含五个文件夹。 （1）MATLAB程序：其中包含10余个MATLAB程序或（函数）的源代码。程序中所作的注释，与书中关于对应算法的描述是一致的 （2）二值图像：其中的图像可供形态学图像处理实验用，也可通过提取对象的边界，供曲线演化实验使用。 （3）灰度图象和彩色图像：其中的图像，可以作为图像分割，平滑滤波，反差增强，彩色增强以及图像放大等实验的素材。 （4) 视频剪辑：，"two_cells"是采用改进的变分水平集方法，实现GAC模型图像分割的演化过程；"denoissing
CEP_demo
- 经典的进化规划算法，是一种基于遗传算法演化而来的，即Classical Evolution Algorithm-CEP Algorithm is based on genetic algorithm, that Classical Evolution Programming Algorithm
ini-square
- 此算法描写了如何选择初始轮廓的位置，以及怎样控制初始轮廓的演化。-This algorithm describes how to select the location of the initial profile, and how to control the evolution of the initial contour.
pswe
- 微粒群演算法(Particle Swarm Optimization algorithm)又稱粒子群優化，是一個年代較為新穎的新式演算法。PSO是由J. Kennedy和R. C. Eberhart於1995年開發的一種演化計算技術,源自於對一個簡化社會模型的模擬。 -(Particle Swarm Optimization algorithm
evolution2
- 很简单的演化计算程序，实验了演化计算的基本功能，用于学习实验遗传算法的基本方法。包括评估、选择、杂交、变异、修复等部分。VC6下变异通过。-program of evolution，include parts of heritable，value，chose，cross,mutate
Genetic-Algorithm
- 遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来
KnapsacksProblem
- 本程序将遗传算法应用于背包问题。借助了大自然的演化过程,是多线索而非单线索的全局优化方法,采用的是种群和随机搜索机制. -This procedure will be applied to knapsack problem genetic algorithm. With the evolution of nature, is more than a single clue leads the global optimization method, using population and ran
Adaptive-Random-Testing
- 自适应性随机数检测算法，重点比较演化式算法和其他随机数检测算法-Detection of a random number adaptive algorithms, focusing on evolutionary algorithms and comparing a random number of other Detection
populationevolution
- 使用演化博弈描述认知用户网络选择问 题，给出了基于种群演化的网络选择算法。-Game descr iption of the evolution of cognitive users using the network selection problem, given the evolution of the network based on population selection algorithm.
Particle-swarm-optimization
- 微粒群优化算法(Particle Swarm Optimization,PSO算法)源于鸟群和鱼群群体运 动行为的研究，是一种新的群体智能优化算法，是演化计算领域中的一个新的分支。它 的主要特点是原理简单、参数少、收敛速度较快，所需领域知识少。该算法的出现引起 了学者们极大的关注，已在函数优化、神经网络训练、组合优化、机器人路径规划等领 域获得了广泛应用，并取得了较好的效果。尽管粒子群优化算法发展近十年，但无论是 理论分析还是实践应用都尚未成熟，有大量的问题值得研究。 -
FOAprogram
- FOA求極大值!! 說明: 繼基因算法,蟻群,粒子群算法後,一種新的演化式計算方法-果蠅最佳化演算法(Fruit Fly Optimization Algorithm, FOA),由台灣學者潘文超(2011)所提出,相關論文請參考 Pan, W.T. (2011), “A new fruit fly optimization algorithm: Taking the financial distress model as an example,” Knowledge-Based Sys
duoboluyou
- 针对通信网络中多重QoS约束条件下的多播路由计算，提出了一个基于模拟退火技术的改进遗传算法HGA-QoSR。该算法把模拟退火技术的局部寻优能力与遗传算法的全局寻优能力有机结合，并利用隔离小生境机制控制种群的独立进化，使演化过程中的种群保持生态多样性，以提高算法运行效率和解的质量。理论分析和仿真实验表明，与传统遗传算法相比较，该算法性能有显著改进。 -Communication networks for multi-QoS Constrained multicast routing calcula
GA
- 遗传算法（Genetic Algorithm，GA）是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。-Genetic Algorithm (Genetic Algorithm, the GA) is a kind of evolution Algorithm, the basic principle is to imitate p
SA
- 模拟退火算法 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i
Evolution-Computation
- 阐述演化计算的课件，包括遗传算法，粒子群优化，多峰优化，多目标优化等等，清华大学 于歆杰-Evolution Computation
DEcshp
- 连续函数优化的差分演化（由肯尼斯和莱纳S的算法而来）-Differential Evolution (DE) for Continuous Function Optimization (an algorithm by Kenneth Price and Rainer Storn)Table of contents
GSAA
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始-S
An-Object-Tracking-Method-
- 室外场景下由于场景背景条件变化容易导致视频目标跟踪稳定性差。该文提出一种利用红外和可见光传感 器的双通道视频目标跟踪方法。该算法利用可见光图像的目标颜色特征和红外图像的目标轮廓特征，结合均值漂移 算法与水平集曲线演化实现目标定位，并给出了目标尺度和模板更新方法；对多目标跟踪的互相遮挡问题，通过判 断目标合并与分离实现遮挡时多个目标的定位。实验结果表明，该文方法能够有效处理光照变化、阴影、遮挡等情 况，实现目标的稳定跟踪。-Considering the poor stabilit