搜索资源列表
ai
- 在工程实践中，经常会接触到一些比较“新颖”的算法或理论，比如模拟退火，遗传算法，禁忌搜索，神经网络等。这些算法或理论都有一些共同的特性（比如模拟自然过¬ 程），通称为“智能算法”。它们在解决一些复杂的工程问题时大有用武之地
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
基于遗传模拟退火算法的低空飞行器航迹规划.pdf
- 基于遗传模拟退火算法的低空飞行器航迹规划
geneticalgorithm
- 结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模 拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点 -By embedding simulated annealing operator into genetic algorithm, a hybrid algorithm is put forward, which assimilates advantages ofboth genetic algorithm and simulated
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
BP
- 基于BP神经网络算法的研究，主要比较了模拟退火算法、遗传算法、P神经网络的区别，提出了一种比较优化的BP算法-the research for BP
Solving
- 求解双层规划问题常用的算法有极点算法、直接搜索法、下降法和非数值优化方法(如模拟退火算法、遗传算法等)，遗传算法的求解思路是：首先对上层的决策变量编码，代人下层规划模型，通过求解下层模型的决策变量值，代入上层模型计算适应度值，然后进行交叉、变异、选择操作，最后求出最优解。-Solving Bilevel Programming Problems with pole algorithm commonly used algorithms, direct search method, descent
Theadvancedcomparisonalgorithmlecture
- 在本讲义中，我们将着重讲述一些数学建模中常用的算法，包括神经网络算法、遗传算 法、模拟退火算法和模糊数学方法。用这些算法可以较容易地解决一些很复杂的，常规算法很难解决的问题。-In this lecture, we will focus on about a number of commonly used mathematical modeling algorithms, including neural network algorithm, genetic algorithm Meth
SimulatedAnnealing
- 本文介绍了模拟退火算法的原理和求解方法,并将其用于指数曲线的拟合,在Matlab语言环境下实现了该算法,并且与文献中的遗传算法、线性回归相比较。数值模拟结果表明,该算法能更好地实现最优拟合。-This article describes the principle of simulated annealing algorithm and solution methods, and used an exponential curve fitting, the language environmen
QosMulticastMATLAB
- 功能代码含多种QoS约束的组播路由问题遗传模拟退火算法通用MATLAB源码.-multicast
Design-and-implementation
- 基于遗传和模拟退火算法的自动组卷系统设计与实现-Design and implementation of automatic test paper based on genetic algorithms and simulated annealing
The-Multi-user-Detection-paper
- 提出了基于联合智能算法的MIMO-OFDM系统多用户检测算法。联合智能算法结合了粒子群优化算法、遗传算法、模拟退火算法的思想。-Joint intelligent algorithm is proposed based on multi-user detection algorithm of MIMO- OFDM system. Combined intelligent algorithm combining particle swarm optimization algorithm and g
ant-algorithms-of-vrp
- 采用蚁群算法能够解决31个城市的旅行商问题，相对于遗传算法，模拟退火算法和其他的算法，蚁群算法有其自身的优势-Ant colony algorithm to solve the traveling salesman problem 31 cities, with respect to genetic algorithms, simulated annealing algorithm and other algorithms, ant colony algorithm has its own ad
Artificial-Intelligence
- 人工智能上机指导,介绍了PCB图像中的定位孔的四种搜索算法,即盲目搜索，分级搜索，遗传算法，模拟退火算法。-Artificial intelligence machine guidance, introduced the PCB image search algorithm to locate the four holes that blind search, hierarchical search, genetic algorithms, simulated annealing algorit
DS-for-MIMO-and-HARQ
- MIMO 检测与HARQ 合并中的不确定性处理研究，介绍了通过证据理论的方法进行MIMO信号检测，以及HARQ合并，同时也介绍了一些人工智能算法，例如遗传算法或模拟退火算法-MIMO detector combined with the uncertainty HARQ processing research, describes the method of performing MIMO signal detection theory of evidence, and HARQ merger,
nice
- 除了蚁群算法，可用于PID参数优化的智能算法还有很多，比如遗传算法、模拟退火算法、粒子群算法、人工鱼群算法，等等。-In addition to the ant colony algorithm, can be used to optimize the PID parameters, there are many intelligent algorithms, such as genetic algorithms, simulated annealing algorithm, particle
MATLAB智能算法30个案例分析
- 对于各种现今时髦的算法的分析，里面有三十种算法，包含蚂蚁算法，遗传算法，模拟退火等等。(For the analysis of modern algorithms, there are thirty algorithms, including ant algorithm, genetic algorithm, simulated annealing, and so on)
智能优化算法及其应用
- 介绍了模拟退火，遗传算法等优化算法、神经网络、混合优化算法等(The optimization algorithms such as simulated annealing, genetic algorithm, neural network and hybrid optimization algorithm are introduced.)
智能优化算法应用于近红外光谱波长选择的比较研究
- 近红外光谱(NIRS)是一种间接分析技术,其应用需建立相应的校正模型。为了提高模型的解释能力、预测准确度和建模效率,需要对NIRS 进行波长选择,优选最小化冗余信息。选用蚁群优化(ACO)、遗传优化(GA)、粒子群优化(PSO)、随机青蛙(RF)和模拟退火(SA)5 种智能优化算法对烟叶总氮和烟碱近红外光谱数据进行特征波长选择,结合偏最小二乘(PLS)算法,构建了多个烟叶总氮和烟碱的校正模型,(Near infrared spectroscopy (NIRS) is an indirect an