搜索资源列表
遗传退火进化算法（附源码）
- 对Matlab中的遗传算法工具箱进行改进而得到的遗传退火进化算法。可用于一般的最优化问题，求解无约束的或带有线性约束的连续函数的全局最小值。 首先对传统的遗传算法和模拟退火算法进行改进，然后将模拟退火算法引入了遗传算法，结合两种算法的优点，得到一种新的遗传退火进化算法。它不但实现了遗传算法的全局搜索能力与模拟退火算法的局部搜索能力的结合，同时可使改进后的模拟退火算法能够充分利用遗传算法所得的全局信息。经验证，改算法能使遗传算法避免产生早熟收敛，增强了算法的全局收敛性，而且加快了算法的收敛速
求解非线性方程组的混合人口迁移算法
- 摘要：针对变尺度法对初始值敏感和人口迁移算法容易陷入局部极值的缺陷，结合变尺度法和人口迁移算 法各自的优点，提出了一种混合人口迁移算法，用来求解非线性方程组。该混合算法不仅发挥了人口迁移算 法强大的全局搜索能力，而且利用了变尺度法的局部精细搜索能力。实验结果表明，该算法不但以较高的精 度求出了各种非线性方程组的解，而且鲁棒性强，收敛速度快速，是一种解决非线性方程组问题的较好方法。
predatorysearch
- Alexandre Linhares于1998 提出了一种新的仿生计算方法,即捕食搜索算法。捕食搜索策略很好地协调了局部搜索和全局搜索之间的转换，已成功应用于组合优化领域的旅行商问题和超大规模集成电路设计问题。-The predatory search strategy consists of scanning the solution space in a straightforward manner, but, as each new optima is found, restricting
hdj
- 针对基于内容的网络信息过滤中存在的特征维数过高影响分类过滤效果问题,运用遗传算法进行特征 选择,通过遗传操作搜索最优解。并且引入个体寿命概念用于实施种群更新,同时根据种群进化情况动态调整遗传操作算子,从而解决遗传算法训练过程中种群以及操作算子的单一性带来局部最优问题
Hybrid_Genetic_Algorithm_and_Simulated_Annealing.r
- 将适合全局搜索的遗传算法(GA)和适合局部搜索的模拟退火算法(SA)相结合-Hybrid Genetic Algorithm and Simulated Annealing
paper2
- 在深入研究主动形状模型(Active Shape Model，ASM)的基础上，提出了一种在AsM 中结合特征点 的邻域Gabor信息进行局部纹理建模的方法，并改进了搜索策略-In-depth study of active shape model (Active Shape Model, ASM), based on A combination of feature points in the AsM
AFusionOfCrossoverAndLocalSearch
- 《融合的交叉和局部搜索》本文使用一个新的遗传算子的交叉融合(MSXF称为关联的交叉结合起来经营者以邻域搜索算法。 -《Integration of the cross and the local search》This article uses a new genetic operator of crossover fusion (MSXF called the associated operators to combine cross-neighborhood search al
1234255
- 介绍了一种利用量子行为粒子群算法(QPSO)求解多峰函数优化问题的方法。为此，在 QPSO中引进一种物种形成策略，该方法根据群体微粒的相似度并行地分成子群体。每个子群体是 围绕一个群体种子而建立的。对每个子群体通过QPSO算法进行最优搜索。从而保证每个峰值都有 同等机会被找到，因此该方法具有良好的局部寻优特性。将基于物种形成的QPSO算法与粒子群算 法(PSO)对多峰优化问题的结果进行比较。对几个重要的测试函数进行仿真实验结果证明，基于物 种形成的QPSO算法可以尽
swarm-optimization-algorithm-
- 子群优化算法，并把次算法用于求解旅行商问题．为了增强算法的局部搜索能力，在改进的算法中加入倒置，局部搜索等方法，同时利用遗传算法的全局搜索能力强的特点对求到的解再进行优化，同时，对于搜索全局最优路径方面，通过应用消除交叉路径的方法进行了优化．-Sub swarm optimization algorithm, and the second algorithm is used to solve the traveling salesman problem. In order to enhance
LSset
- 10余种局部搜索算法，包含了大量近年来局部搜索算法的研究-10 kinds of local search algorithms, including a large number of studies in recent years, local search algorithm
image-feature
- 把 SIFT 算法应用在牙齿模型图像上，检测牙齿图像的特征点。 方法：首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息，从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点，得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度，并采用 KNN 算法进行特征匹配。 结果：通过大量的实验和与其他特征提取方法相比较，该方法能有效地检测牙 齿模型图像的特征，并为牙齿
scheduling-in-flow-shop
- 本文将局部优化与模拟退火算法结合解决了置换流水车间的订单接收和调度问题。本文给出了数学模型，局部优化策略，邻域搜索的3个操作(Swap, Insert, Reverse)，并给出了相应的调度和计算收益的程序。 -Permutation flow shop scheduling with order acceptance and weighted tardiness.
matlab
- 以42个地点为例，如果要列举所有路径后再确定最佳行程，那么总路径数量之大，几乎难以计算出来。多年来全球数学家绞尽脑汁，试图找到一个高效的算法TSP问题在物流中的描述是对应一个物流配送公司，欲将n个客户的订货沿最短路线全部送到。如何确定最短路线。 TSP问题最简单的求解方法是枚举法。它的解是多维的、多局部极值的、趋于无穷大的复杂解的空间，搜索空间是n个点的所有排列的集合
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
RRT-algorithmtype
- 针对基本快速扩展随机树(RRT)算法存在搜索过于平均、效率低下、用时较长的缺陷，提出了一种偏向目标型的改进型RRT算法。这种算法在生成随机点时以一定概率选择最终目标点作为局部目标点，使树的扩展有一个趋向于最终目标点的趋势，从而加快了算法的收敛速度，优化了规划路径-For basic fast Random Tree (RRT) search algorithm exists too mean, inefficient, long time with defects, we proposed a
A late acceptance hill climbing algorithm
- 通过加入Late Acceptance Strategy，改进了爬山局部搜索算法，该算法在求解某些benchmark函数时，比禁忌搜索和模拟退火等局部搜索算法更好。(by Late Acceptance Strategy, An improved hill climbing local search algorithm is proposed which outperforms Tabu and SA when solving some benchmark functions.)
蚁群算法 约束条件下
- 对有约束的优化问题．提出了一种改进的蚁群算法．将罚函数策略引入算法中，自动调节惩罚比，避免过度惩罚。算法构造了蚁群适应函数．结合局部搜索策略引导蚂蚁找到解空间中有希望的区域。经过一系列算例测试。证明算法对这些问题的求解是有效的。