搜索资源列表
粒子群算法计算最短路径
- 优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题. 为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度. 爬山法精度较高,但是易于陷入局部极小. 遗传算法属于进化算法( Evolutionary Algorithms) 的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解. 遗传算法有三个基本算子:选择、交叉和变异. 但是遗传算法的编程实现比较复杂,首先需要对问题进行编
TEC_CLPSO-Sept-05.zip
- 里面包含全面的粒子群算法，有CLPSO、CPSO、FIPSO等,Which contains a various particle swarm algorithms, there is CLPSO, CPSO, FIPSO, etc.
MCMProjects
- 我备战2010数学建模美赛所精心准备的算法资料，一共13个算法。应该说是目前比较全的算法集了。每个算法由一个VC6例子实现，来解决一个问题。其中一些是自己编写，其它的也是由网上找到后经过修改编译通过的。比赛结果还不错，一个M，现在把资料共享出来，希望对大家有所帮助，算法主要有模拟退火，遗传算法，蒙特卡罗算法，蚁群算法，粒子群算法，元胞自动机，Dijkstra，最小生成树算法，二分图最大匹配算法，最大流算法，动态规划算法，分支定界法，排队论算法，决策论算法等，我写了个说明文件，列的挺详细的-I a
[智能] 粒子群优化算法演示(PSO)-PSO_Wael
- 用粒子群优化算法进行函数寻优，比如寻找函数的最小值，最大值等。(Particle swarm optimization algorithm for function optimization, such as finding the function of the minimum, maximum and so on.)
PSO for 3 Models
- 粒子群算法对解决二次规划、旅行商问题、背包问题等源程序(Particle swarm algorithm to solve the secondary planning, traveler problems, backpack problems and other source code)
pso
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO。它具有精度高，收敛快等优点，广泛用于系统辨识、函数优化等领域。文件pso.m是粒子群算法辨识程序，在此基础上，需要自行编写目标函数计算程序以实现不同系统的参数辨识。(Particle swarm optimization (PSO), also known as particle swarm optimization algorithm or bird swarm foragi
liziqun
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"
智能算法导论课件
- 智能算法导论，包括神经网络遗传算法粒子群算法等(Introduction of intelligent algorithms, including neural network genetic algorithm, etc.)
粒子群算法源代码
- 改进的粒子群算法，与遗传算法，神经网络，模拟退火等算法相结合(An improved particle swarm optimization algorithm combined with genetic algorithm, neural network, simulated annealing algorithm and so on)
粒子群
- 粒子群寻优代码，可以获得水环境、气象等数值模型的最优值(The optimal value of the numerical model of water environment and meteorology can be obtained by the particle swarm optimization code.)
PSO粒子群算法matlab程序
- PSO粒子群算法的matlab程序，可用于最优化问题，比如求最大值最小值等
粒子群算法实例 (2)
- 本文主要利用粒子群算法解决连续函数的最小值问题，粒子群优化是一种新兴的基于群体智能的启发式全局 搜索算法，粒子群优化算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。它具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已经成为发展最快的智能优化算法之一。(Good particle swarm optimization and source program)
MATLAB智能算法30个案例分析
- 采用案例形式，以智能算法为主线，讲解了遗传算法、免疫算法、退火算法、粒子群算法等最常用的智能算法的MATLAB实现。(Taking the intelligent algorithm as the main line, we explain the MATLAB implementation of the most commonly used intelligent algorithms, such as genetic algorithm, immune algorithm, annealin
my_pso
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。(Particle swarm optimization (PSO), also known as particle swarm optimization (PSO) or Particle Swarm Optimization (
粒子群
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操
第十章粒子群
- 对多峰搜索问题提出了一类动态微粒群算法,该算法通过变换函数将多峰问题中的所有峰变为等高峰(A kind of dynamic particle swarm optimization (DPSO) algorithm is proposed for multi-peak search problem. The algorithm transforms all the peaks in multi-peak problem into equal peaks by transforming funct
人工智能算法
- 整理的一些人工智能算法，包括遗传算法、粒子群算法等。(Some artificial intelligence algorithms, including genetic algorithm, particle swarm optimization algorithm, etc.)
MATLAB智能算法30个案例分析代码
- 压缩包内是关于BeiHang出版的matlab智能算法30个案例的代码，对于学习理解智能算法的原理和编程有一定的帮助。如遗传算法、粒子群算法、免疫优化算法、模拟退火算法、BP算法等。(there are 30 matlab codes, which match a book about intelligence algorithms,such as genetic algorithms, PSO, ACO,BPO,etc. WISH that will be help for you.)
粒子群算法求解机器人路径规划
- 粒子算法，轨迹规划参考，适用于无人驾驶，紧急避障等(Particle algorithm, trajectory planning reference, suitable for unmanned driving, emergency obstacle avoidance, etc)
粒子群算法
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"