搜索资源列表
遗传算法c++程序
- 首先采用某种编码方式将解空间映射到编码空间，每个编码对应问题的一个解，称为染色体或个体。一般通过随机方法确定起始的一群个体，称为种群，在种群中根据适应值或某种竞争机制选择个体，使用各种遗传操作算子产生下一代如此进化下去，直到满足期望的终止条件。-begin using some form of coding mapping to the solution space coding space, each encoding a corresponding solution to the probl
改进遗传算法－郭涛算法做最优化问题很管用
- 改进遗传算法－郭涛算法做最优化问题很管用,算法的基本思想是 先任意产生n个随机数，然后从n个数里随机选择m个数，再有这m个 数合成一个新数，将这个新数同n个数中间适应值函数值的最差的比较， 如果好的话就取代最差的那个，如果它比最好的还要好的话，则把最好的 也取代。如果比最差的坏，则重新合成一个新数。依次循环下去。 程序的奇妙之处是GA_crossover()函数，产生的新数确实比较好，看看 那位大侠能改进一下，产生比这跟好的数。-improved genetic algo
immunity
- 提供一个人工免疫算法源程序，其算法过程包括： 1.设置各参数 2.随机产生初始群体——pop=initpop(popsize,chromlength) 3.故障类型编码，每一行为一种！code(1,:)，正常；code(2,:)，50％；code(3,:)，150％。实际故障测得数据编码，这里Unnoralcode,188％ 4.开始迭代（M次）： 1）计算目标函数值：欧氏距离[objvalue]=calobjvalue(pop,i) 2）计算群体中
AI_prog
- 这是一个非常简单的遗传算法源代码，对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交和均匀变异。-This is a very simple genetic algorithm source code for a specific application to amend this code, Users only need to change t
jiandan0101
- 这是一个非常简单的遗传算法源代码，代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交和均匀变异。如果用 Gaussian变异替换均匀变异，可能得到更好的效果。代码没有任何图形，甚至也没有屏幕输出，主要是保证在平台之间的高可移植性。读者可以从ftp.uncc.edu, 目录 coe/evol中的文件prog.c中
bpsuanfa
- 用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m；
Pso
- 模拟一群鸟捕食的情景，从而达到优化目标函数的目的，这就是粒子群算法！起初在可行的空间中随机的产生一群粒子，然后让每个粒子开始在虚拟的空间中向四面八方飞翔，并且每个粒子都记下他们飞过的适应值（也就是目标优化函数）最高的点，而且整个粒子群有一个最高适应值个体，这样，粒子在飞翔的时候尽量朝向自己曾飞过的最好的点和集体的最好的点。最后达到收敛到近似最优点的目的。
code
- 一个遗传算法 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择
gaandann
- 基于遗传算法的神经网络程序，共三个文件，主程序，适应值函数和应用示例
pso
- 二进制粒子群优化算法pso，主程序：swarmpso.m 它包括以下子程序： 1. 初始化：swarminit.m 2. 适应值计算函数：swarmeval.m；
BPnetware2
- 用遗传算法优化BP神经网络的Matlab编程适应值函数
simplegeneticalgorithmimplementation
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂
ga
- 遗传算法(Genetic Algorithm,GA)是一种抽象于生物进化过程的基于自然选择和生物遗传机制的优化技术. 遗传算法的基本原理 在遗传算法的执行过程中,每一代有许多不同的种群个体(染色体 )同时存在。这些染色体中哪个保留(生存)、哪个淘汰(死亡),是根据 它们对环境的适应能力来决定的,适应性强的有更多的机会保留下来 。适应性强弱是通过计算适应性函数f(x)的值来判别的,这个值称为适应值。适应值函数f(x)的构成与目标函数有密切关系,往往是目标函数的变种。
多值自适应算术编码
- 多值自适应算数编码，改进了传统算术编码硬件实现上的局限，将输出结果由小数改进为二进制比特流。能够实现对文本的压缩，若对图像进行压缩需要少许改变，或者将图像数据写入文本即可。
2008101523144260
- 一、用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m； 二、用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－BP算法 主程序：gabpfault.m 它包括以下子程序： 1. 网络初始化：nninit.m――给出P，T，
genetic-algorithm
- 用基本遗传算法求解一维无约束优化问题 用顺序选择遗传算法求解一维无约束优化问题 用动态线性标定适应值的遗传算法求解一维无约束优化问题 用大变异遗传算法求解一维无约束优化问题 用自适应遗传算法求解一维无约束优化问题 用双切点遗传优化求解一维无约束优化问题 用多变异位自适应遗传优化求解一维无约束优化问题 -The basic genetic algorithm with one-dimensional sequence of unconstrained optimizat
matlab小波自适应小波阈值去噪
- 一种基于小波变换的图像自适应阈值去噪方法和软阈值硬阈值去噪对比。
yi_chuan_Final
- 利用常规的遗传算法，分别进行适应值计算，选择，交叉等步骤，实现了对负责多项式的最大值求解(GA method To solve polygen max value)
自适应滤波器
- 通过设计一个二阶加权系数自适应横向FIR滤波器，对一个加随机噪声的正弦信号实现滤波。 具体设计方案为： 1，生成标准正弦信号S 2，生成等长的随机信号N 3，生成加随机噪声的正弦信号X 4，X通过参数可调数字滤波器，输出Y 5，Y与参考信号作差得到误差E 6，E通过自适应算法调整权值W 7，用LMS算法处理噪声干扰的信号，最终实现滤波器功能(A two order weighted coefficient adaptive transverse FIR filter is des
自适应权值立体匹配算法
- 一种改进的自适应权值立体匹配算法，用于图像处理等(An improved adaptive weight stereo matching algorithm for image processing, etc.)