搜索资源列表
multi-ctp1
- 一个基于阈值的粒子比较准则，用于处理多目标约束优化问题,该准则可以保留一部分序值较小且约束违反度在允许范围内的不可行解微粒,从而达到由不可行解向可行解进化的目的；一个新的拥挤度函数,使得位于稀疏区域和Pareto前沿边界附近的点有较大的拥挤度函数值,从而被选择上的概率也较大 从而构成解决多目标约束优化问题的混合粒子群算法。-A comparison based on the threshold criteria for the particle to handle multi-objective
SVM_Short-term-Load-Forecasting
- 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
tspPSO
- tsp问题的pso ；粒子群算法 程序简单 简单粒子群 二分查找 速度更快 但是没有加入其余优化 希望得到优化后的 和GA优化后的算法-pso for TSP problems
GA2
- 程序6：遗传算法工具箱使用例子； 程序7：多种群遗传算法的函数优化； 程序8：基于量子遗传算法的函数寻优； 程序9：基于遗传算法的多目标优化算法； 程序10：基于粒子群算法的多目标搜索算法-Program 6: examples of the use of genetic algorithm toolbox Program 7: multi-population genetic algorithm function optimization Program 8: a func
PSOBP502
- Parsopoulos等采用罚函数法，利用非固定多段映射函数对约束优化问题进行转化，再利用PSO算法求解转化后问题，仿真结果显示PSO算法相对遗传算法更具有优越性，但其罚函数的设计过于复杂，不利于求解；Hu等采用可行解保留政策处理约束，即一方面更新存储中所有粒子时仅保留可行解，另一方面在初始化阶段所有粒子均从可行解空间取值，然而初始可行解空间对于许多问题是很难确定的；Ray等提出了具有多层信息共享策略的粒子群原理来处理约束，根据约束矩阵采用多层Pareto排序机制来产生优良粒子，进而用一些优良的
MATAB神经网络30个案例分析
- 该PDF共有30个MATLAB神经网络的案例，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。本PDF作为本科毕业设计、研究生项日设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。(The PDF has a total of 30 MATLAB in the case of neural networks, including BP, RBF, SVM
粒子群算法的程序
- 粒子群算法也称粒子群优化算法是一种并行算法；在对动物集群活动行为观察基础上，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解(Particle Swarm Optimization)
多目标进化+多目标粒子群优化代码
- 多目标粒子群优化，多目标进化算法，两种方法能够有效的解决复杂的优化问题(optimization based on intelligent swarm)
13中粒子群优化算法
- 写论文的创新点来源，粒子群算法的创新与改进(The source of innovation, particle swarm optimization algorithm innovation and improvement)