搜索资源列表
PSOtoolbox.rar
- 微粒群算法[PSO ] 是由Kennedy 和Eberhart等于1995 年开发的一种演化计算技术, 来源于对鸟群捕食过程的模拟。PSO同遗传算法类似，是一种基于叠代的优化工具，但与遗传算法使用遗传操作子进行优化不同，利用群体中各个体之间的“协作”与“竞争”关系，根据自身及其竞争者的飞行经验，调整自己的行为。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。,Particle Swarm Opt
GA
- 使用此代码是用遗传算法求解优化模型的一个简单的实例-Application of genetic algorithm optimization model
ga
- 简单的遗传算法解决优化问题的汇编代码，包括单变量无约束优化、单变量有约束优化及多变量优化问题，并配以实例进行说明-Genetic Algorithms
codeaaa
- 用于求解简单函数优化的matlab遗传算法代码-Matlab genetic algorithm code used to solve simple function optimization
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
3
- 目前的多目标优化算法有很多，Kalyanmoy Deb 的 NSGA-II（Nondominated Sorting Genetic Algorithm II，带精英策略的快速非支配排序遗传算法）无疑是其中应用最为广泛也是最为成功的一种。MATLAB 自带的 gamultiobj 函数所采用的算法，就是基于 NSGA-II 改进的一种多目标优化算法（a variant of NSGA-II）。gamultiobj 函数的出现，为在 MATLAB 平台下解决多目标优化问题提供了良好的途径。gamu