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
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
自适应神经网络在确定落煤残存瓦斯量中的应用
- 落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌
微粒群算法源程序
- 微粒群算法源程序 微粒群算法与其它进化类算法相类似，也采用“群体”与“进化”的概念，同样也是依据个体（微粒）的适应值大小进行操作。所不同的是，微粒群算法不像其它进化算法那样对于个体使用进化算子，而是将每个个体看作是在n维搜索空间中的一个没有重量和体积的微粒，并在搜索空间中以一定的速度飞行。
基本遗传算法程序
- 用二进制数来编码，每个个体用一串二进制编码来表示，适应值计算函数由自己来定义。通过选择、复制、交叉、变异来产生更好的的个体，经过一定代数的循环后，得到最优的个体。
PSO_C++
- 一个很好的学习粒子群算法的例子。（刘康C++版本） 程序介绍： 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。 备注：目标优化函数程序中已经内定了，f6 ={0.
pso1
- 微粒群算法与其它进化类算法相类似，也采用“群体”与“进化”的概念，同样也是依据个体（微粒）的适应值大小进行操作。所不同的是，微粒群算法不像其它进化算法那样对于个体使用进化算子，而是将每个个体看作是在n维搜索空间中的一个没有重量和体积的微粒，并在搜索空间中以一定的速度飞行。-Particle swarm optimization algorithm with other similar type of evolution, but also the use of " groups"
myGA
- 自适应遗传算法，可以通过简单的调用即可实现最大值和最小值等函数-Adaptive genetic algorithm, a simple call through to the achievement of maximum and minimum values, such as function
IEEEXplore
- 视频编码中的自适应维纳插值滤波中的一种框架水平迭代算法。pdf 与大家分享-An Iterative Method for Frame-Level Adaptive Wiener Interpolation Filters in Video Coding
cp321123
- 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、单点杂交
GA
- 热力学遗传算"~-(therm odynamical genetic algorithms，简称TDGA)借鉴固体退火过程中能量与熵的竞争 模式来协调GA 中“选择压力”和“种群多样性”之间的冲突．然而TDGA 目前极高的计算代价限制了其应用．为了提 高TDGA的计算效率，首先定义一种等级熵(rating—based entropy,J~j称RE)度量方法，它能以较小的计算成本度量种 群中个体适应值的分散程度．然后引入分量热力学替换规则(component thermod)rnami
SGA
- 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
- 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
NormFitGA
- NormFitGA(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)-NormFitGA (dynamic linear calibration of genetic algorithm to adapt to the value of one-dimensional unconstrained optimization problems)
GAprog
- 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
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)