搜索资源列表
yichuan
- 用遗传算法求解函数优化问题，自编遗传算法程序对2维变量函数进行寻优并测试主要参数对结果的影响。-A Genetic Algorithm for function optimization, genetic algorithms program to two self-dimensional variable function optimization and test results of main parameters.
yizhonggaijindeliziqunsuanfa
- 粒子群算法是求解函数优化问题的一种新的进化算法，然而它在求解高维函数时容易陷入局部最优，为了克服这个缺点，提出了一种新的粒子群算法，算法对粒子的速度和位置更新公式进行了改进，使粒子在其最有位置的基础上进行位置更新，增强了算法的寻优-PSO for solving function optimization problems is a new evolutionary algorithm, but it is easy to solve high-dimensional function into
MDSO
- Newton法与共轭梯度法求解多变量函数寻优搜索的设计与实现-Newton method and conjugate gradient method to solve multi-variable function optimization based on the design and implementation of the search
fish121
- 量子遗传算法函数寻优，用鱼群求解非线性函数-Quantum genetic algorithm for function optimization, fish for Nonlinear Function
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
Genetic Nonlinear Matlab
- 遗传算法虽然全局搜索能力较强，但是局部搜索能力较弱，一般只能搜索到函数优化问题的次优解，而不是最优解，特别是函数具有多个峰值时，遗传算法易陷入局部极小，不能找到真正的全局最优解。非线性规划因多采用梯度下降方法求解，而具有极强的局部搜索能力。因此，本源代码结合两种算法的优点，一方面采用遗传算法进行全局搜索，另一方面采用非线性规划进行局部搜索，以得到函数优化问题的全局最优解。实验证明，这种方法不仅能解决多峰函数寻优易陷入局部极小的问题，而且具有很高的迭代寻优效率，取得了满意的结果。-Global s
YQSF
- 鱼群算法函数寻优，以求解在约束条件下的极值。给出两个实例-Artificial fish swarm algorithm function optimization, in order to solve the constrained extreme value.Two examples are given
ercichazhi_1
- 二次差值机械优化中的数值算法，对多维函数进行寻优求解-failed to translate
TSP_GA
- 本代码是用matlab语言编写的利用遗传算法寻优求解TSP问题，遗传算法部分所有子函数均为手工编写，最后画出了仿真得到的最优路线图。-The program is written in matlab program to solve TSP problem by genetic alogrithm,and the genetic optimization part is all written by hand(not calling functions or tools).at last,I d
Optimization-design-test
- 从数控机床能耗角度出发，以切削参数为变量，以降低数控机床能耗为目标，在实际加工经验公式的基础上，考虑机床性能和刀具约束条件，建立数控机床能耗模型，采用粒子群优化算法对目标函数寻优求解，利用优化后的切削参数进行加工，能明显地降低能耗。-Optimization design of numerical control tool energy base on cutting paramenters
Optimization-design-experiment1
- 从数控机床能耗角度出发，以切削参数为变量，以降低数控机床能耗为目标，在实际加工经验公式的基础上，考虑机床性能和刀具约束条件，建立数控机床能耗模型，采用粒子群优化算法对目标函数寻优求解，利用优化后的切削参数进行加工，能明显地降低能耗。-From the perspective of CNC machine tool consumption to cutting parameters as variables , in order to reduce the energy consumption o
Optimization-design-experiment2
- 从数控机床能耗角度出发，以切削参数为变量，以降低数控机床能耗为目标，在实际加工经验公式的基础上，考虑机床性能和刀具约束条件，建立数控机床能耗模型，采用粒子群优化算法对目标函数寻优求解，利用优化后的切削参数进行加工，能明显地降低能耗。-From the perspective of CNC machine tool consumption to cutting parameters as variables , in order to reduce the energy consumption o
genetic
- 基于遗传算法和非线性规则的函数寻优算法,结合非线性规划，使算法的收敛速度和求解结果优于基本的遗传算法-GA function optimization algorithm based on rules and nonlinear
PSO
- 基于罚函数的粒子群算法的函数寻优，求解结果收敛较快且不易陷入局部最优-The function optimization of the particle swarm algorithm based on the penalty function is faster and difficult to get into the local optimal
粒子群算法的寻优算法-非线性函数极值寻优
- 通过粒子群算法对非线性函数的极值进行求解(The extremum of the nonlinear function is solved by particle swarm optimization)
粒子群算法的寻优算法-非线性函数极值寻优
- 使用粒子群优化算法实现函数最优值的求解，并对参数进行优化。(The particle swarm optimization algorithm is used to solve the optimal value of the function, and the parameters are optimized.)
模拟退火算法计算函数最小值以及SVM参数寻优
- 利用模拟退火算法求解已知函数的最小值，即模拟退火算法寻优问题，可以广泛推广。(Using simulated annealing algorithm to solve the minimum of the known function, that is, the simulated annealing algorithm optimization problem, can be widely promoted.)
基于matlab多种群粒子群算法求解多目标优化问题
- 本代码主要是matlab源代码，介绍了一种通多种群粒子群算法求解多目标优化问题，这是本人毕业设计的内容，源代码附有相关说明，且运行没有问题，大家可以参考(This code is mainly matlab source code, introduced a variety of particle swarm optimization algorithm to solve multi-objective optimization problem, this is my graduation pr
FA
- 使用萤火虫算法求解大维度复杂函数寻优问题，matlab平台。(Using the firefly algorithm to solve the problem of optimizing the complex function of large dimension, the MATLAB platform.)
GA-PSO
- PSO算法计算函数极值时，常常出现早熟现象，导致求解函数极值存在较大的偏差，然而遗传算法对于函数寻优采用选择、交叉和变异算子操作，直接以目标函数作为搜索信息，以一种概率的方式来进行，因此增强了粒子群优化算法的全局寻优能力，加快了算法的进化速度，提高了收敛精度。(When PSO algorithm calculates function extremum, it often appears premature phenomenon, which leads to large deviation