搜索资源列表
mt4Mql
- MQL4编写的移动平均自动交易策略。 可在MT4上编译并执行。买卖信号执行条件为移动平均线金叉发生后生成买入信号。(MQL4's moving average automatic trading strategy. It can be compiled and executed on MT4. The sale of signal condition for moving average crossover occurs after generating a buy signal.)
pso2
- 粒子群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) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。(It is more simple than the genetic algorithm rule. It doesn't have the crossover (Crossover) and the Mutati
pso
- 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) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。(The PSO algorithm is a kin
PSO-Python
- 粒子群算法，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) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。(The particle swarm optimization (PSO) al
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
NSGA-III
- 测试可以跑，根据自己情况修改下函数即可. NSGA-III 首先定义一组参考点。然后随机生成含有 N 个（原文献说最好与参考点个数相同）个体的初始种群，其中 N 是种群大小。接下来，算法进行迭代直至终止条件满足。在第 t 代，算法在当前种群 Pt的基础上，通过随机选择，模拟两点交叉（Simulated Binary Crossover，SBX）和多项式变异 产生子代种群 Qt。Pt和 Qt的大小均为 N。因此，两个种群 Pt和 Qt合并会形成种群大小为 2N 的新的种群 Rt=Pt∪Qt。 为了
Microgrid optimal scheduling
- 文章以含有蓄电池、光伏、风机以及负荷的微电网为研究对象，在考虑蓄电池充放电约束、微电网与电网功率交换约束等条件下，建立了以负荷平均供电单价最小为目标的日前优化调度模型。并利用改进交叉算子的遗传算法进行求解。以某典型微电网为例进行建模与求解，得到了微电网日前优化调度方案，实现了微电网的经济稳定运行(Taking the micro-grid with storage battery, photovoltaic, fan and load as the research object, consid
基于遗传算法优化BP神经网络的非线性预测
- 针对BP神经网络的初始权值和阈值是随机选取的弊端，采用遗传算法寻优BP的初始权值和阈值，然后进行BP训练和测试。遗传算法包括编码 选择 交叉 和变异等操作(Aiming at the disadvantage that the initial weights and thresholds of BP neural network are randomly selected, genetic algorithm is used to optimize the initial weights and
GA
- 遗传算法，模拟达尔文进化论的自然选择和遗产学机理的生物进化构成的计算模型，一种不断选择优良个体的算法。谈到遗传，想想自然界动物遗传是怎么来的，自然主要过程包括染色体的选择，交叉，变异（不明白这个的可以去看看生物学），这些操作后，保证了以后的个基本上是最优的，那么以后再继续这样下去，就可以一直最优了。利用遗传算法，实现三维点云的配准。(Genetic algorithm, a computational model that simulates the biological evolution o
MATLAB genetic algorithm toolbox
- Matlab 遗传算法(Genetic Algorithm)优化工具箱是基于基本操作及终止条件、二进制和十进制相互转换等操作的综合函数库。其实现步骤包括：通过输入及输出函数求出遗传算法主函数、初始种群的生成函数，采用选择、交叉、变异操作求得基本遗传操作函数。以函数仿真为例，对该函数优化和GA 改进，只需改写函数m 文件形式即可。(The Matlab Genetic Algorithm optimization toolbox is a comprehensive function librar
带交叉算子的量子粒子群优化算法
- 带交叉算子的量子粒子群优化算法~~~~~~~~~~(Quantum Particle Swarm Optimization with Crossover Operator)
GAforPathPlaning
- 采用栅格对机器人的工作空间进行划分，再利用优化算法对机器人路径优化，是采用智能算法求最优路径的一个经典问题。目前，采用蚁群算法在栅格地图上进行路径优化取得比较好的效果，而利用遗传算法在栅格地图上进行路径优化在算法显得更加难以实现。 利用遗传算法处理栅格地图的机器人路径规划的难点主要包括：1保证路径不间断，2保证路径不穿过障碍。 用遗传算法解决优化问题时的步骤是固定的，就是种群初始化，选择，交叉，变异，适应度计算这样，那么下面我就说一下遗传算法求栅格地图中机器人路径规划在每个步骤的问题
遗传算法优化的BP神经网络
- 遗传算法优化BP 神经网络是用遗传算法来优化BP 神经网络的初始权值和阔值，使优化 后的BP 神经网络能够更好地预测函数输出。遗传算法优化BP 神经网络的要素包括种群初 始化、造应度函数、选择操作、交叉操作和变异操作。(Genetic algorithm optimizes BP neural network by using genetic algorithm to optimize the initial weight and broad value of BP neural netwo
遗传算法
- 遗传算法以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中，选择、交叉和变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。(Genetic algorithm takes all individuals in a group as objects, and uses randomized technology to guide efficient search of a c
code
- 基于蚁群算法的 TSP 求解，分别采用蚁群算法和蚁群算法-粒子群混合算法进行优化求解，使用不同的交叉和变异适应度函数更新粒子，从而实现 TSP问题的优化求解，更加逼近实际问题。(Based on the TSP solution of ant colony algorithm, ant colony algorithm and hybrid algorithm of ant colony algorithm particle swarm optimization are used to solv
neural-network-genetic-algorithm-master
- 为了自动学习CNN的深度网络结构，网络结构的数量随着网络中间层数量的增加呈指数增长，这启发我们使用遗传算法有效地遍历这个大的搜索空间。我们首先提出一种编码方法，将每个网络结构表示为一个固定长度的二进制字符串，然后通过生成一组随机个体来初始化遗传算法。在每一代中，我们定义标准的遗传操作(如选择、突变和交叉)来消除弱势个体并产生更具竞争力的个体。(In order to automatically learn the deep network structure of CNN, the number
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"
免疫算法求解配送中心选址问题matlab代码
- 免疫算法求解配送中心选址问题，配送中心向需求点配送货物是供应链中的重要部分.本文以成本最低为目标函数,把距离上限加入到惩罚机制,并根据抗体和抗原之间的亲和力设计自适应交叉和变异概率,把自适应的免疫算法应用到配送中心模型中进行求解,最后通过仿真实验对比验证了算法用在配送中心选址上有较好的效果.(Immune Algorithm is used to solve the location problem of Distribution Center, which is an important pa
GA-PSO
- PSO算法计算函数极值时，常常出现早熟现象，导致求解函数极值存在较大的偏差，然而遗传算法对于函数寻优采用选择、交叉和变异算子操作，直接以目标函数作为搜索信息，以一种概率的方式来进行，因此增强了粒子群优化算法的全局寻优能力，加快了算法的进化速度，提高了收敛精度。(When PSO algorithm calculates function extremum, it often appears premature phenomenon, which leads to large deviation