搜索资源列表
PrincipleandApplicationofantcolonyalgorithm
- 蚁群算法的原理及其应用.pdf；；蚁群算法是优化领域中新出现的一种仿生进 化算法。该算法采用分布式并行计算机制,具有较强的鲁棒性 但有搜索时间较长,易陷入局部最优解的缺点。-The principle of ant colony algorithm and its application. Pdf ant colony algorithm is to optimize the emerging field of evolutionary algorithm for a bionic. T
HierarchicalDistributedGeneticAlgorithim
- 这是一篇关于分层分布式遗传算法的比较早的参考文献，于1996发表于Intellient Control ,IEEE检索；Arizona 大学Jinwoo Kim等人的研究成果。该论文详细介绍了分层分布式遗传算法的原理和设计理念、设计思路，接着用分层分布式遗传算法去优化模糊控制器，取得了很好的实际效果。-This is a hierarchical distributed genetic algorithm on the earlier references, published in 1996
matlabyiqunsuanfa
- 蚁群算法是一种用来在图中寻找优化路径的机率型算法。是一种求解组合最优化问题的新型通用启发式方法，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型，基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。-Ant colony algorithm is a method used to find optimal path in the graph the probability-based algorithm. Is a combination of opt
Parallel_Artificial_Immune_Algorithm_for_Large_Sca
- 为求解大规模TSP 问题, 提出了并行人工免疫系统的塔式主从模型(TMSM), 和基于TMSM 的并行免疫记忆克隆选择算法(PIMCSA) TMSM 是粗粒度的两层并行人工免疫模型, 其设计体现了分布式的免疫响应和免疫记忆机制. PIMCSA 用疫苗的迁移代替了抗体的迁移, 兼顾了种群多样性的保持和算法的收敛速度. 与其他算法相比, PIMCSA 在求解精度和运行时间上都更具优势, 而且问题规模越大优势越明显. TMSM 很好地体现了免疫系统的特性, PIMCSA 是适合求解大规模复杂优化问
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
mopos-DG
- 多目标粒子群算法优化分布式发电选址 实现了最优目标-Mutil-Objective particle swarm optimization
vb
- 基于粒子群算法的分布式电源优化配置的vb实现 毕业设计用 不是太全 可以借鉴-failed to translate
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器
PSO_0810
- 海岛分布式能源系统调度 粒子群算法优化 可以用-Island distributed energy system operator
免疫优化算法在物流配送中心选址中的应用
- 免疫算法是受生物免疫系统的启发而推出的一种新型的智能搜索算法，是一种确定性和随机性选择相结合并具有"勘探"与"开采"能力的启发式随机搜索算法。 算法主要的步骤: (1)抗原识别与初始抗体产生。 (2)抗体评价 (3)免疫操作 免疫算法的特点: (1)全局搜索能力 (2)多样性保持机制 (3)鲁棒性强 (4)并行分布式搜索机制(A new intelligent i
TSP_edge_histogram_modal.m
- 用分布式优化算法（EDA）的概率思想解决tsp问题。其中概率矩阵用（EHM）模型建立。里面有具体注释。(using EDA solve the TSP)
tsp 2
- 使用分布式优化算法的概率思想解决tsp问题，内含一篇相关论文，txt文档复制到matlab中。 一些tsp标准测试数据（结合matlab可直接调用，只需要改掉matlab中调用路径即可） 自己的测试情况。 我算法内在100维以上就运行很慢，而且精度下降，如果有朋友找到解决方法可以联系我，大家学习交流 （比上次的上传完整很多）(using EDA solving tsp)
AntColonyOptimization-TSP
- 蚁群算法作为新发展的一种模拟蚂蚁群体智能行为的仿生优化算法，它具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法相结合等优点，本算法用来解决最短路径问题，并在TSP旅行商问题上取得较好的成效。同时也可以在他领域如图着色问题、车辆调度问题、集成电路设计、通讯网络、数据聚类进行参考。(Ant colony algorithm is a newly developed bionic optimization algorithm that simulates the ant colony intel
免疫优化算法
- 是分布式电源的选址定容的免疫优化算法算法，是最基本的遗传算法，基本实现了选址定容的功能(It is an inheritance algorithm for location and capacity of distributed power supply and the most basic genetic algorithm. It basically realizes the function of location and capacity determination.)
PSO_DG_Optimization
- 利用改进的粒子群算法实现了分布式电源的优化配置！有详细的中文注释！(The improved particle swarm optimization algorithm is used to optimize the configuration of distributed power supply. Detailed Chinese notes!)
智能微电网调度算法
- 采用智能微电网调度算法，对微电网内分布式发电资源进行优化配置(The intelligent micro grid scheduling algorithm is used to optimize the allocation of distributed generation resources in the micro grid)
萤火虫分布式电源优化
- 采用萤火虫算法对分布式电源进行优化，采用33节点系统(Firefly algorithm is used to optimize the distributed power supply)
含分布式电源多目标粒子群无功优化
- 使用matlab语言编程的粒子群算法对含分布式电源的配电网进行多目标优化(Multi-objective optimization of distribution network with distributed generation using particle swarm optimization algorithm programmed by MATLAB)
基于遗传算法的无功优化
- 应用遗传算法对IEEE33节点算例进行无功优化，在节点18处接入了1个分布式发电和1个补偿电容。