搜索资源列表
实数自适应并行遗传算法的研究
- 曾孝平,陈燕飞,李勇明.实数自适应并行遗传算法的研究。针对遗传算法中的早收敛现象,提出了一种实数自适应并行遗传算法(real adaptive parallel genetic algo- rithm,RAPGA)。该算法采用了一种并行遗传进化结构,并将自适应交叉、变异算子引入到本算法中,增强和保 持了种群的多样性。最后,通过与其他经典优化遗传算法进行比较显示,RAPGA对多个标准测试函数均表现出 较好的搜索性能。
JTXHFANGZHEN
- 本文在分析城市交通信号控制研究现状和交叉口交通信号控制原理、评价方 法的基础上，设计了单交叉口交通信号两级模糊控制系统。分级模糊控制能有效 减少模糊规则数，易于提取模糊规则，适合于交通状况复杂的城市交叉口交通信 号控制。但它存在难以由人工合理定义全部模糊隶属度函数的问题。为此本文进 一步采用遗传算法对两级模糊控制器中模糊隶属度函数进行优化。本文提出的方 法具有分级模糊控制的优点，同时可以使模糊隶属度的选取更为合理，获得更好 的控制效果。对一个四相位单交叉口，利用MA
ga_work1
- 利用改进的遗传算法求取函数的最大值，进行优化设计，在MATLAB下可以运行使用。-Using improved genetic algorithm to strike a function of the maximum optimized design, the use of MATLAB can be run under.
cccc
- 摘要:提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。 最后,算法对3个较复杂的多目标问题进行了优化,优化结果能很好地覆盖问题的Pareto最优面,并且把算法与某些混合遗传算法进行 了对比实验,表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。 -Abstract:In order to effectively solve multiobjective optimization problems, a novel
ll
- 一个遗传算法的函数优化，求函数的最小值，matlab编写的程序-A genetic algorithm for function optimization, seeking the minimization, matlab program written
Intelligent-controller
- PID控制算法简单、鲁棒性强，但其参数整定过程繁琐，整定时需要控制对象的精确数学模型，而且整定往往是针对某一种具体工况进行的，缺乏自学习和自适应能力。模糊神经网络则兼备了模糊逻辑和神经网络的优点，具有函数逼近功能，具有较强的自适应、自学习能力、容错能力和泛化能力。借助于遗传算法对全局性参数进行优化设计，借助于BP算法对局部性参数进行优化，将模糊神经网络和遗传算法引入PID控制参数的整定过程，构造出一种基于模糊神经网络和遗传算法的智能PID控制器-Intelligent controller ba
qrqrqq
- 遗传算法求目标函数的最大值，同时对遗传算法进行了优化求解-Genetic algorithms to find the maximum value of the objective function, genetic algorithm optimization solution. . .
A-hybrid
- 针对传统的ＢＰ或ＧＡ对模糊神经网络的识别应用存在收敛容易陷入局部极小 识别率低下等问题 提出一 种基于ＢＦＧＳ的混合遗传算法 其基本思想为 首先构造一种前馈型模糊神经网络结构 然后用遗传算法进化若干代 后 当目标函数的梯度或者范数小于预先设定值 则改用ＢＦＧＳ算法进行优化识别 仿真实验表明 对比ＧＡ该算法 收敛速度较快 识别精度提高了约７％ 能够较好地应用于一类模糊神经网络的识别-In traditional BP or GA to identify the application
Research-on-Optimization
- 介绍了基于模型的位姿估计中所使用的一些优化方法。为了提高位姿估计的精度, 摄像机的标定参数必须足够精确, 这就对标定过程的非线性优化算法提出了很高的要求, 采用了一种新的优化目标函数, 用来最小化控制点间的三维重建误 差, 从而使标定参数是全局最优 在双像机位姿估计中, 引入了实时遗传算法进行全局搜索, 加快了算法的收敛速度。最后的 实验证明了这些方法的正确性并显示出这些方法在精度上比传统方法有了较大程度的提高- It int roduces s ome opt imizat ion
Genetic-Algorithm-for-Function-Max
- 遗传算法求解函数最大值,本文将用一个详细的例子来说明用遗传算法解一个简单参数优化问题的过程。这里求解的是一个函数的最大值的问题。-Genetic algorithm function maximum, this article will use an example to illustrate in detail the genetic algorithm for solving the problem with a simple parameter optimization process.
1
- 基于遗传算法和蚂蚁算法求解函数优化问题，文档说明，不错-Based on genetic algorithm and ant algorithm for function optimization problems, documentation, good
matlab
- 该程序是遗传算法优化BP神经网络函数极值寻优-The program is a genetic algorithm to optimize BP neural network function optimization extreme
yichuansuanfa
- 遗传算法（Genetic Algorithm，GA）是通过对自然界中生物的遗传和优胜劣汰的进化过程进行模拟与抽象，进而形成的一种自适应全局随机优化搜索方法。遗传算法只需提供目标函数作为寻优信息，它从某一随机生成的初始群体出发，经过选择、交叉和变异等遗传操作后对个体进行适应度评价，保留适应度较强的个体遗传到子代种群中，经过多次的迭代计算求得最优个体，即问题的最优解。本程序采用遗传算法可求解微网优化运行。-Genetic Algorithm is an adaptive global by natu
Genetic-algorithms-
- 基 于遗传算法的形状误差计算进行了系统的深入研究，重点包括实数编码遗传算 法理论研究:遗传算法在函数优化方面的应用研究:基于遗传算法的基本几何形体的形状误 差计算 基于遗传算法的平面曲线形状误差计算:基于遗传算法的复杂几何形体的形状误差 计算-the theory of Genetic algorithms based on real encoding
chapter3
- 遗传算法、粒子群算法优化BP神经网络-非线性函数拟合-Genetic algorithm and particle swarm optimization for BP neural network nonlinear function fitting
用遗传算法优化模糊控制器的隶属度函数的参数
- 使用遗传算法优化模糊控制器的隶属度函数的一种新方法
简单函数优化的遗传算法程序
- 遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。(Genetic algorithm (GA) is a random search and optimization method based on biological natural selection and genetic mechanism.)
粒子群优化算法
- 粒子群优化（PSO）是一种进化计算技术（进化计算）。 捕食鸟行为的研究。粒子群算法（PSO）的基本思想是通过群体中个体之间的协作和信息共享找到最优解。 粒子群优化算法的优点是它简单且易于实现，没有多个参数。目前，它已广泛应用于函数优化、神经网络训练、模糊系统控制等遗传算法中。(The particle swarm optimization (PSO:Particle swarm optimization) is an evolutionary computing technology (Ev