搜索资源列表
细菌觅食优化算法的研究与应用
- 介绍了细菌觅食优化算法的三大主要操作：趋向性、复制和迁徙操作的基本原理及流程。相当不错的资料
w
- 蚁群算法，从自然界中蚁群的的觅食行为中受启发， 于1991年，由意大利学者M.Dorigo在其博士论文中提出，并成功的解决了旅行商(TSP)问题 -Ant Colony Algorithm
zl
- 描述鱼群的最优化问题，以及边际问题，包括觅食居群行为-Artificial fish swarm algorithm code to deal effectively optimize the optimization problem, with better optimization results than the genetic algorithm
Particle-swarm-optimization
- 粒子群算法（ Particle Swarm Optimization, PSO）最早是由Eberhart和Kennedy于1995年提出，它的基本概念源于对鸟群觅食行为的研究。-Particle swarm optimization (Particle Swarm Optimization, PSO) was first proposed in 1995 by the Eberhart and Kennedy, it stems from the basic concept study fora
鱼群算法---代码
- 在一片水域中，鱼往往能自行或尾随其他鱼找到营养物质多的地方，因而鱼生存数目最多的地方一般就是本水域中营养物质最多的地方，人工鱼群算法就是根据这一特点，通过构造人工鱼来模仿鱼群的觅食。聚群及追尾行为，从而实现寻优，以下是鱼的几种典型行为: (1)觅食行为：一般情况下鱼在水中随机地自由游动,当发现食物时,则会向食物逐渐增多的方向快速游去。 (2)聚群行为:鱼在游动过程中为了保证自身的生存和躲避危害会自然地聚集成群，鱼聚群时所遵守的规则有三条：分隔规则：尽量避免与临近伙伴过于拥挤;对准规则
fish
- 人工鱼群算法,包括追尾行为\觅食行为\跟随行为等-matlab fish includes:follow pery swarm and soon
MOPSO-MATLAB
- 多目标粒子群算法是模拟动物群体的社会行为，找到一个最优设计点的过程比作这些生物的觅食活动。换句话说，这些例子在设计空间中寻找最好的位置。-Multi-objective Particle Swarm social behavior is simulated animal groups, a process to find the optimal design point likened foraging activity of these organisms. In other words, t
结合双模多尺度 ＣＮＮ 特征及自适应深度ＫＥＬＭ 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ Ｅｘｔｒｅｍｅ Ｌｅａｒｎｉｎｇ Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码