搜索资源列表
Matlab遗传算法改进程序
- 遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出,其主要特点是直接对结构对象进行操作,不存在求导和函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力;采用概率化的寻优方法,能自动获取和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则。遗传算法的这些性质,已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算
MATLAB-Neural-network-cases
- 共有30个MATLAB神经网络的案例(含可运行程序),包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。-Neural network cases
MATLAB-GA
- 详细讲述了MATLAB主要遗传算法函数的参数,并举例说明应用;-MATLAB described in detail the main function of genetic algorithm parameters, and examples of applications
MATLAB-GAa
- 详细讲述了MATLAB遗传算法工具箱中主要函数的用法,并且举例说明算法;-Described in detail in the main MATLAB genetic algorithm toolbox functions are used, and examples of algorithms
PPD
- 通用的遗传算法,可实现以下问题:(a)设计出n种不同尺寸货品的排放方法,使得集装箱的空间利用率最高;(b)给出一批货物所需的最少集装箱数量。请给出在附件一对应具体问题下的最优排放及空间利用率。 -General genetic algorithm, can achieve the following questions: (a) design of size n different methods of emission goods, allowing maximum utilization
30-case-studies
- MATLAB神经网络30个案例分析__读者调用案例的时候,只要把案例中的数据换成自己需要处理的数据,即可实现自己想要的网络。该书共有30个MATLAB神经网络的案例(含可运行程序),包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。-30 case studies of the MATLAB Neural Network __ readers call the case, as
ga1
- 遗传算法matlab源代码; 遗传算法matlab源代码;遗传算法matlab源代码-Genetic algorithm matlab source code Genetic algorithm matlab source code
GA
- 遗传算法应用程序使用说明: 1.安装MATLAB5.X; 2.建立目录:(c:\GeneticProgram),并将这里提供的所有源程序拷入该目录; 3.运行(c:\GeneticProgram)中的 startup; 4.在MATLAB Command Window内直接运行程序 FloatExample和BinaryExample。 FloatExample和BinaryExample分别采用浮点编码和二进制编码方法,求函数 y=20+x + 10*sin(
gatbx
- matlab遗传算法程序包,补充版本较低的matlab,安装方法如下 1、解压gatbx-origin.zip,得到DOC和SRC文件夹; 2、拷贝SRC到Matlab安装目录下的toolbox文件夹中,并将SRC更名为genetic; 3、打开toolbox\local\目录下的pathdef.m文件,在适当位置添加以下两行代码: Code in pathdef.mmatlabroot, \toolbox\genetic ,... matlabroot, \toolbox\
遗传算法改进的神经网络程序
- 自己整理网上的遗传算法改进的神经网络,matlab实现,主要应用于数据函数逼近拟合,网上的一般无法运行。这个可以运行。(The neural network improved by the genetic algorithm on the Internet, matlab implementation, mainly applied to the data function approximation fitting, the network is generally unable to run
Function optimization algorithm
- 遗传算法提供了求解非线性规划的通用框架,它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化, 而不针对参数本身, 从而不受函数约束条件的限制; 搜索过程从问题解的一个集合开始, 而不是单个个体, 具有隐含并行搜索特性, 可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息,且不要求目标函数连续及可导,使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。(Genetic algorithm provides a general framework f