搜索资源列表
colon
- 基于自适应免疫进化算法的多用户检； 本文采用自适应免疫进化算法来解决多用户检测问题. 通过计算机仿真,无论是抗多址干 扰还是抑制远近效应,此方法都明显优于传统检测方法,并且具有与最优检测器接近的误码率性能.-based on adaptive immune evolutionary algorithm multi-user location; In this paper, adaptive immune evolutionary algorithm to solve the probl
Genetic_Algorithm
- 人工智能；进化算法；遗传算法（GA）；多目标最小生成树
Matlab遗传算法改进程序
- 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算
pbbo
- 基于生物地理优化进化算法（BBO）代码，以及几组测试函数；使用方法： 输入BBO（@函数名），如BBO(@QuarticDisc) ）-matlab code for biography-based algorithm. The software can be run by typing the following MATLAB command： BBO(@"function name")
thegeneticalgorithm
- 遗传算法的基本运算过程如下: a)初始化:设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。 b)个体评价:计算群体P(t)中各个个体的适应度。 c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。 d)交叉运算；将交叉算子作用于群体。所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。遗传算法中起核心作用的就是交叉算
ant
- 蚁群算法(ant colony algorithm，简称ACA)是20世纪90年代由意大利学者M．Dorigo等人首先提出来的一种新型的模拟进化算法．它的出现为解决NP一难问题提供了一条新的途径．用蚁群算法求解旅行商问题(TSP)、分配问题(QAP)、调度问题(JSP)等，取得了一系列较好的实验结果．虽然对蚁群算法研究的时间不长，但是初步研究已显示出蚁群算法在求解复杂优化问题(特别是离散优化问题)方面具有一定的优势，表明它是一种很有发展前景的方法．蚁群算法的主要特点是：正反馈、分布式计算．正反馈
MPQEA
- 多宇宙并行量子多目标进化算法。该算法主要思想如下：将所有的量子个体按给定的拓扑结构分成多个独立的子种群，划分为多个宇宙；采用目标个体均匀分配原则和动态调整旋转角机制对各宇宙量子个体进行演化；宇宙之间采用最佳移民操作来交换信息，设计最优个体保留方案以便各宇宙共享全局信息，提高算法的执行效率。-Multi-quantum universe parallel multi-objective evolutionary algorithm. The main idea of t
wenhualiziqun
- 文化算法是一种用于解决复杂计算的新型全局优化搜索算法，它模拟人类社会的演化过程。在人类社会中，文化可以被看做是信息的载体，这些信息潜在地影响所有社会成员，并且有益于指导同代及其后代解决问题的实践活动。区别于其他进化算法，文化算法是基于知识的双层进化系统，其包含两个进化空间：一个是由在进化过程中获取的经验和知识组成的信仰空间；另一个是由具体个体组成的种群空间，通过进化操作和性能评价进行自身的迭代。-Culture is an algorithm to solve complex calculati
Differential-evolution
- 差分进化方法是一种新的智能算法，可以和多种算法结合，例如神经网络优化；约束性算法；线性算法。-Differential evolution method is a new intelligent algorithm, and can be combined with a variety of algorithms, such as neural network optimization constraint algorithm linear algorithm.
PSO
- Python 实现的粒子群优化算法 粒子群算法源于复杂适应系统（Complex Adaptive System,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主体进行交流，并且根据交流的过程“学习”或“积累经验”改变自身结构与行为。整个系统的演变或进化包括：新层次的产生（小鸟的出生）；分化和多样性的出现（鸟群中的鸟分成许多小的群）；新的主题的出现（鸟寻找食物过程中，不断发现新的食物）。(Par
yichuansuanfawugong
- 遗传算法(genetic algorithm，GA)是一种近年来发展起来的基于自然选择规律的进化算法，本程序利用改进型遗传算法对电力系统进行无功优化，与遗传算法进行比较，通过实际算例分析及MATLAB编程结果运行，成功解决了无功优化问题，并验证了改进型遗传算法的优越性。(The genetic algorithm (genetic algorithm GA) is an evolutionary algorithm based on natural selection rules develop
刘星算法
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。遗传算法广泛应用在生物信息学、系统发生学、计算科学、
DE_FOPID
- 差分进化算法，整定分数阶PID控制器参数(Differential evolution algorithm, tune fractional PID controller parameters)
遗传算法
- 利用遗传算法计算目标函数极值，遗传算法与传统的优化方法（枚举，启发式等）相比较，以生物进化为原型，具有很好的收敛性，在计算精度要求时，计算时间少，鲁棒性高等都是它的优点。(Using the genetic algorithm to calculate the extremum of a objective function. Compared with the traditional optimization methods (enumeration, heuristics, etc.), g
Artificial Bee Colony
- artificial bee colony蜂群算法（ABC）代码(matlab code of artificial bee colony)
chap10
- 整定PID参数时，需采用一种不需要任何初始信息并可以寻求全局最优解的、高效的组合优化方法(When tuning PID parameters, an efficient combination optimization method is needed, which does not need any initial information and can seek global optimal solution)
多目标进化+多目标粒子群优化代码
- 多目标粒子群优化，多目标进化算法，两种方法能够有效的解决复杂的优化问题(optimization based on intelligent swarm)
遗传算法理论,应用与软件实现 随书源码
- 遗传算法理论,应用与软件实现随书源码 《遗传算法:理论应用与软件实现》全面系统地介绍了遗传算法的基本理论，重点介绍了遗传算法的经典应用和国内外的新发展。全书共分11章。第1章概述了遗传算法的产生与发展、基本思想、基本操作以及应用情况；第2章介绍了基本遗传算法；第3章论述了遗传算法的数学基础；第4章分析了遗传算法的多种改进方法；第5章初步介绍了进化计算理论体系；第6章介绍了遗传算法应用于数值优化问题；第7章介绍了遗传算法应用于组合优化问题；第8章介绍了遗传算法应用于机器学习；第9章讨论了遗传
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。
DE-ANN
- 本程序用差分进化算法来优化神经网络，克服局部最优，使得全局最优，亲测可用(This program uses differential evolution algorithm to optimize neural network, overcome local optimum, make global optimum and pro-test available.)