搜索资源列表
TSP_Lingo
- 利用Lingo软件解决TSP问题，可以得到全局最优解，解决传统的旅行推销员问题、货郎担问题。-Using Lingo to solve the problem of TSP.
Kruskal
- 贪心法是解决某些优化问题的一种策略。假设我们可以通过一系列的决策来解决某个问题。贪心法使用如下的方法：在每个阶段做出的决策都是局部最优的决策。对于某些问题，这些局部最优解最终成为全局最优解。-Generation of minimum spanning tree algorithm Kruskal
pso
- 本文为基于matlab的粒子群算法的程序，以求函数最小值为例，讲述如何用粒子群算法求得局部和全局最优解。-This article is based on particle swarm algorithm matlab procedures, in order to the minimum function, for example, on how to use PSO obtain local and global optimal solution.
Genetic-and-Simulated-Annealing
- 针对战区装备保障点动态选址问题的广义最大覆盖选址模型，综合分析传统的启发式算法全局、局部搜索中的 优缺点，提出一种基于BP神经网络的遗传模拟退火算法，并将其运用于战区装备保障点动态选址决策实际同题中，对该算法 进行了仿真研究，给出具体实例的仿真结果验证了该算法求解最优解的高效性以及运算的高收敛速度。-Considering the generalized maximal covering location model of dynamic locating on war zone e
psoMATLAB
- 参数设置 w=0.9 权值 将影响PSO 的全局与局部搜优能力， 值较大，全局搜优能力强，局部搜优能力弱 反之，则局部搜优能力增强，而全局搜优能力减弱。 c1=0.1 加速度，影响收敛速度 c2=0.1 dim=6 6维，表示企业数量 swarmsize=100 粒子群规模，表示有100个解的空间 maxiter=200 最大循环次数，影响时间 minfit=0.001 最小适应值 vmax=0.01 vmin=-0.01 ub=[0.2,0.2,
PSO_about
- 粒子群算法matlab代码吐血推荐。粒子群算法，也称粒子群优化算法，是近年来发展起来的一种新的进化算法。它是从随机解出发，通过迭代寻找最优解，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。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。-PSO algorithm matlab cod
simulate
- 使用DC算法求解非凸函数的最优化问题。可以确保局部最优解，有时收敛到全局最优-DC algorithm using optimization problem of non-convex function. Ensure local optima, sometimes converge to the global optimum
matlabPSO
- 提出了一种新的多目标粒子群优化(MOPSO)算法，该算法采用自适应网格方法来估计非劣解集中粒子的密度信息、平衡全局和局 部搜索能力的 Pareto 最优解的搜索机制、删除品质差的多余粒子的 Archive 集的修剪技术。通过对三峡梯级多目标优化调度问题的计算， 表明该算法是求解大规模复杂多目标优化问题的一种有效手段。-A new multi-objective particle swarm optimization(MOPSO) is proposed. The proposed alg
非线性方程组求解
- 利用改进的遗传算法求解非线性方程，遗传算法得到全局最优解作为初值寻找局部最优解(Using the improved genetic algorithm to solve the nonlinear equation, the genetic algorithm gets the global optimal solution as the initial value to find the local optimal solution)
chap10
- 整定PID参数时，需采用一种不需要任何初始信息并可以寻求全局最优解的、高效的组合优化方法(When tuning PID parameters, an efficient combination optimization method is needed, which does not need any initial information and can seek global optimal solution)