搜索资源列表
PSO
- 用粒子群算法优化RBF网络权值，根据适应度值对个体最优和群体最优进行更新-Particle Swarm Optimization with RBF network weights, according to the best fitness value of individuals and groups to update the best
Adaptiveconstrainedparticleswarm
- 针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题, 提出了一种改进的粒子群优化算 法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了 双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数, 相应地提出了调整各 权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略, 拓展了粒子群优化算法的单适应值的应用 范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明,
psobpbijiao
- 本例是采用粒子群优化神经网络权值，以前下的希望能有用。-PSO neural networks under the previous
PSO-algorithm
- 粒子群优化算法及其参数设置如惯性权值，加速因子的设置对算法基本性能的影响-Particle swarm optimization algorithm and its parameters, such as inertia weight, acceleration factor setting the basic performance of the algorithm
粒子群算法
- 重点利用单因子方差分析方法，分析了粒群优化算法中的惯性权值，加速因子的设置对算法基本性能的影响，给出算法中的经验参数设置
pso-bp
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现
PSOBP1
- 改进粒子群算法优化BP神经网络的权值，建立BP神经网络-Improved PSO algorithm optimizes the weights of BPneural networks to establish the neural networks.
pso-bpguzhangzhenduan
- 应用粒子群优化算法优化bp网络的权值和阈值应用于故障诊断，程序可行，效果明显编写详细，注释清晰。-Application of particle swarm optimization algorithm to optimize the weights and thresholds of BP network is applied to fault diagnosis, the program is feasible, the effect is obvious, and the notes ar
PSO-BP
- 利用粒子群算法（PSO）来优化BP神经网络的权值和阈值，可运行，fun.m是用来计算适应度（误差）值的，在PSO.m中点击运行即可。-Using particle swarm optimization (PSO) to optimize the BP neural network weights and threshold, can run, fun.m is used to calculate the fitness value (error)