搜索资源列表
粒子群优化算法C
- 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域-comparison with the genetic algorithm, the advantages of PSO is simple and easy to achieve without many parameters need to be adjusted. Now it has been widely used function op
粒子群算法计算最短路径
- 优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题. 为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度. 爬山法精度较高,但是易于陷入局部极小. 遗传算法属于进化算法( Evolutionary Algorithms) 的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解. 遗传算法有三个基本算子:选择、交叉和变异. 但是遗传算法的编程实现比较复杂,首先需要对问题进行编
GAPSO
- 这个算法是遗传算法和粒子群优化算法相互结合的matlab程序，优化效率提高很多，不会陷入局部最优-This algorithm is a genetic algorithm and particle swarm optimization algorithm combined with each other matlab program, optimizing the efficiency a lot and will not fall into local optimum
psoandga
- 粒子群算法及其与遗传算法的比较，加深交流！-pso ga compare
pso
- 通过对现有数据进行迭代，用粒子群遗传算法进行预测(By iterating over the existing data, the particle swarm genetic algorithm is used to predict the data)
chap8（遗传算法和粒子群算法）
- 遗传算法流程以及几种应用场景，matlab原程序代码及mat文件(Genetic algorithm process and several application scenarios, matlab original program code and mat files)
杂交粒子群算法源程序
- 杂交粒子群算法求函数极值，是粒子群算法和遗传算法的一种混合算法(Hybrid Particle Swarm Optimization for extremum of function)
遗传算法和粒子群算法求解非线性函数最大值问题
- 遗传算法和粒子群算法求解非线性函数最大值问题(Solving the maximum value problem of nonlinear function by genetic algorithm and particle swarm optimization)
粒子群算法源代码
- 改进的粒子群算法，与遗传算法，神经网络，模拟退火等算法相结合(An improved particle swarm optimization algorithm combined with genetic algorithm, neural network, simulated annealing algorithm and so on)
PSO_TSP（混合粒子群：较优）
- 解决环球旅行问题的一种精确度比较高的算法，相较于蚁群算法和遗传算法都有较大的改进；(A high precision algorithm for solving global travel problems has a greater improvement than the ant colony algorithm and the genetic algorith)
粒子群优化算法
- 粒子群优化算法（Particle Swarm Optimization，简称为PSO），粒子群算法是近年来发展起来的一种新的进化算法，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，通过适应度来评价解的品质(Particle swarm optimization algorithm (Particle Swarm Optimization, referred to as PSO), particle swarm algorithm is a new evolutionary algori
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
13种PSO算法以及课件
- 各算法对应的问题如下： PSO 用基本粒子群算法求解无约束优化问题 YSPSO 用带压缩因子的粒子群算法求解无约束优化问题 LinWPSO 用线性递减权重粒子群优化算法求解无约束优化问题 SAPSO 用自适应权重粒子群优化算法求解无约束优化问题 RandWPSO 用随机权重粒子群优化算法求解无约束优化问题 LnCPSO 用学习因子同步变化的粒子群优化算法求解无约束优化问题 AsyLnCPSO 用学习因子异步变化的粒子群优化算法求解无约束优化问题
基于粒子群算法和遗传算法的PID参数优化
- 基于粒子群算法和遗传算法的PID参数优化程序和相应文档(The Optimization of PID Parameters Based on Particle Swarm Optimization and Genetic Algorithm)
粒子群
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操
遗传粒子群优化算法-GAPSO
- 遗传算法改进粒子群算法及混沌粒子群算法的源码(Improved genetic algorithm for particle swarm optimization and chaotic particle swarm optimization)
GA_RBF_SVM
- 粒子群优化SVM参数 遗传算法优化SVM参数(Particle Swarm Optimization of SVM Parameters)
基于遗传算法优化VMD参数
- 基于遗传算法优化多尺度排列熵参数，类似于粒子群算法优化参数(Optimization of VMD parameters based on genetic algorithm)
粒子群算法
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"
遗传粒子群优化算法-GAPSO
- 混沌粒子群优化算法，及其该算法的简单应用(A SIMPLE IMPLEMENTATION OF THE PARTICLE SWARM OPTIMIZATION)