搜索资源列表
shenjingwangluomoshishibie
- The code on this diskette has been organized by chapter. Each subdirectory containing listing has a readme.txt describing program usage and any relevent file formats. The readme will also describe how to compile the target programs under IBM OS
基于LPC美尔倒谱特征的带噪语音端点检测
- 基于LPC美尔倒谱特征的带噪语音端点检测.rar格式为ｖｉｐ-America Fall Cepstral Noisy voice endpoint detection. Rar format vip
PSO_Bound
- 此算法来自欧洲宇航局，具有良好的快速寻优性能，不容易陷入局部最优-The algorithm from the European Space Agency, has a good optimization of the fast performance, is not easy to fall into local optimum
GAPSO
- 这个算法是遗传算法和粒子群优化算法相互结合的matlab程序，优化效率提高很多，不会陷入局部最优-This algorithm is a genetic algorithm and particle swarm optimization algorithm combined with each other matlab program, optimizing the efficiency a lot and will not fall into local optimum
QPSO
- 量子粒子群优化算法，采用matlab编程，可实现快速优化多维函数，不易陷入局部最优值-Quantum particle swarm optimization algorithm, using matlab programming, multi-dimensional functions can be optimized for fast, easy to fall into local optimal value
Mdvsp_4dep_500trips
- 这是关于多车辆路径问题的测试数据，这是标准库里面的数据，用来测试您提出的算法的好坏。-This is more than about the vehicle routing problem of the test data, this is the standard library data to test you the stand or fall of the proposed algorithm
ga
- 本算法采用遗传算法求解目标函数的极小值，不易陷入局部极值- This algorithm uses a genetic algorithm for the minimum of the objective function, is not easy to fall into local minima
dizhengyuce-
- 主要应用神经网路算法对地震波的预测，交代了BP神经网落算法，并做出了神经网络预测地震波的精确性-Main application of neural network algorithm to prediction of seismic waves, account of the fall of BP neural network algorithm and neural network prediction accuracy of seismic wave
pso-with-mutation-operrator
- 带变异算子的粒子群优化算法,针算法存在易陷入局部最优点的缺点，提出带变异算子算法-Particle swarm optimization algorithm with mutation operator the needle algorithm easy to fall into the shortcomings of local minima, the proposed algorithm with mutation operator
Genetic Nonlinear Matlab
- 遗传算法虽然全局搜索能力较强，但是局部搜索能力较弱，一般只能搜索到函数优化问题的次优解，而不是最优解，特别是函数具有多个峰值时，遗传算法易陷入局部极小，不能找到真正的全局最优解。非线性规划因多采用梯度下降方法求解，而具有极强的局部搜索能力。因此，本源代码结合两种算法的优点，一方面采用遗传算法进行全局搜索，另一方面采用非线性规划进行局部搜索，以得到函数优化问题的全局最优解。实验证明，这种方法不仅能解决多峰函数寻优易陷入局部极小的问题，而且具有很高的迭代寻优效率，取得了满意的结果。-Global s
BPpredictinof-flood
- 针对BP 算法易陷入局部极小、收敛速度慢等缺点，遗传算法是全局优化算法和具有很强的全局搜索能力，遗传算法优化BP 神经网络初始连接权值和阈值形成混合算法。以安徽宣城市为例,将汛期降水量作为预测对象，前期74 项大气环流特征量、500 hPa、100 hPa 月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子，建立汛期降水短期气候预测模型。-BP algorithm is easy to fall into local minimum, slow convergence, genet
pso-bp
- ＢＰ神经网络具有较强的非线性问题处理能力 是目前一 种 较 好 的 用 于 时 间 序 列 预 测 的 方 法 然 而 它 存 在 易 于 陷 入 局 部 极 小,针对地震预测的应用,用改进粒子群优化的ＢＰ算法对四川地区最大震级时间序列进行预测,通过训练 预 测 次 年 的 最 大 震 级 结 果,表明此方法优于未经优化的 ＢＰ算法具有良好的预测效果 -BP neural network has a strong nonlinear problems processing power is a
FLO
- 基于粒子群优化算法的无源模拟滤波器优化设计方法容易陷入局部最优,收敛速度慢迭代次数多、运算量大且稳定性不够好。提出果蝇优化算法对滤波器的整个参数空间进行高效并行搜索直到获得最优的参数值,实例仿真表明,采用该方法设计的滤波器在相同的带宽准确度及阻带衰减的情况下,具有更快的运算速度及收敛性能。-Passive analog filter optimization algorithm based on particle swarm optimization design method is easy
yi_qun_suan_fa
- 这种算法是目前国内外启发式算法中的研究热点和前沿课题，被成功地运用于旅行商问题的求解，蚁群算法在求解复杂优化问题方面具有很大的优越性和广阔的前景。但是,根据观察实验发现，蚁群中的多个蚂蚁的运动是随机的，在扩散范围较大时，在较短时间内很难找出一条较好的路径，在算法实现的过程中容易出现停滞现象和收敛速度慢现象。在这种弊端的情况下，学者们提出了一种自适应蚁群算法，通过自适应地调整运行过程中的挥发因子来改变路径中信息素浓度,从而有效地克服传统蚁群算法中容易陷入局部最优解和收敛速度慢的现象。-This a
Improved-PSO
- 改进的PSO算法。对于原始方法具有的容易陷入局部最优的缺点做了改动。效果还可以，跟大家分享一下。-Improved PSO algorithm. For the original method has the disadvantage easy to fall into local optimum made changes. Results can also share with you.
mc_1
- 动图观察神经网络仿真过程中动量项对陷入局部极小值状况的改善-The momentum to fall into the local minimum value to improve the situation of neural network simulation process
MGA
- 这是一个多种群遗传算法。解决了容易陷入局部极值的问题。This a multi-population genetic algorithm. Solve the problem of easily fall into local optima.-This is a multi-population genetic algorithm. Solve the problem of easily fall into local optima.
a
- 本代码用于实现雷达网络在遭受欺骗攻击下其性能的下降情况。并附有对应的论文。-The code used to implement the radar network spoofing attack suffered at fall of its properties. Together with the corresponding papers.
Q-PSO
- 本人所写的基于量子行为优化的粒子群算法，很好的解决了粒子群算法易于陷入局部最优解的缺点-I wrote particle swarm optimization based on quantum-behaved, a good solution to the shortcomings of particle swarm algorithm is easy to fall into local optima
demos
- 采用了遗传算法进行神经网络的优化,避免了神经网络容易陷入局部最小的问题,大大提高了接地选线的准确性。(Genetic algorithm is used to optimize neural network, avoiding the problem that neural network is easy to fall into local minimum, which greatly improves the accuracy of grounding selection.)