搜索资源列表
pso1
- 某些实际问题的优化目标是求所有的局部最优解, 即求解多峰寻优问题, 为了求解多峰优化问题, 提出了改造的微粒 群优化算法. 尽量减少微粒群算法中的全局因素, 从而增大其局部因素, 同时采用变步长方法增加微粒的多样性. 并给出了该算法 的原理和步骤. 仿真实验表明该算法概念清楚, 计算简单, 具有很好的局部寻优特性, 可应用求解于多峰寻优问题. 另外还给出了几 个运算实例和与其它优化算法的比较.-Some of the practical problems the optimizati
pso3
- 为寻求复杂多峰函数的全局最优解问题, 提出了新型混合算法。该算法由带共享函数 的遗传算法、移民技术、聚类算法和改进的Pow ell 算法组成。由于上述算法的有机配合, 提高了 混合算法的全局和局部搜索能力。油藏系统应用实例和仿真实例证明了算法的有效性-Complex multimodal function to find a global optimal solution of problem, a new hybrid algorithm. The algorithm function
Segmentation-combining-of-GA-and-ANN
- 结合遗传算法与神经网络的图像分割,能得到分割结果的全局最优解,避免陷入局部最优.- Segmentation of image through the combining of genetic algorithm and neural network.
pso
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(（Evolu2tionary Algorithm - EA）。PSO 算法属于进化算法的一种，和遗传算法相似，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
Bat-algorithm-source-code
- 蝙蝠算法是最近新提出来的，是一种搜索全局最优解的有效方法，这个是其源代码，在适当的条件下，可以看作是和声算法和粒子群算法的结合-Bat algorithm source code, the latest in a search element global optimal solution proposed in 2010, can be seen as a combination of harmony and PSO algorithm
nrtsparticles
- 保证全局收敛的随机微粒群算法,当最优粒子的解无进化,则对其位置(Guarantee the global convergence of the stochastic particle swarm algorithm, the optimal solution of particles when no evolution, with its position)
Spectral_ClusteringNJW
- 谱聚类能够识别任意形状的样本空间且收敛于全局最优解，其基本思想是利用样本数据相似矩阵的进行特征分解后得到的特征向量进行聚类，程序进行了几种不同聚类算法的比较，包括Q矩阵聚类，kmeans聚类，第一特征分量聚类，第二广义特征分量聚类，公用数据生成和近邻矩阵生成(Spectral clustering can distinguish arbitrary sample space and converge to the global optimal solution, the basic idea i