搜索资源列表
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
利用改进遗传优化算法解决BP神经网络中局部最小问题
- 利用改进的遗优化算法解决BP神经网络中局部最小问题
GABP.利用改进遗传优化算法解决BP神经网络中局部最小问题
- matlab格式源代码。功能：利用改进遗传优化算法解决BP神经网络中局部最小问题。,matlab source code format. Function: the use of improved genetic optimization algorithm BP neural network to solve local minimum problems.
GAFCM
- 遗传算法改进的模糊C-均值聚类MATLAB源码 模糊C-均值算法容易收敛于局部极小点，为了克服该缺点，将遗传算法应用于模糊C-均值算法(FCM)的优化计算中，由遗传算法得到初始聚类中心，再使用标准的模糊C-均值聚类算法得到最优分类结果。 -Value algorithm (FCM) of the optimization calculations, by the genetic algorithm is the initial cluster centers, and the
SURFACESMATCHINGALGORITHMBASEDONGENETICALGORITHMAN
- 针对基于最小二乘法的ICP 曲面匹配算法难以处理待比较曲面的局部大变形问题, 提出一种改进算 法。即采用遗传算法确定曲面初始相对位置以保证匹配优化结果为全局最优值, 利用ICP 算法匹配结果构造 偏差阈值, 以此阈值过滤点群后再以最小二乘法进行匹配处理, 消除局部大变形影响, 获得合理的变换矩阵。以此变换矩阵变换初始点群再进行误差计算, 从而获得理想的匹配结果-Least square method based on the ICP surface matching algorithm
GAexperiment
- 遗传算法matlab程序，注释详细，适合于初学者学习，采用灾变法避免算法陷入局部最优解-matlab code for genetic algorithm
TSnake
- Snake的初衷是为了进行图像分割，但它对初始位置过于敏感，且不能处理拓扑结构改变的问题。初始位 置的敏感性可以用遗传算法来克服，因为它是一种全局优化算法，且有良好的数值稳定性。为了更精确地进行图 像分割，本文提出了一种基于遗传算法的双T—Snake模型图像分割方法，它将双T—Snake模型解作为遗传算法的搜 索空间，这既继承了T—Snake模型的拓扑改变能力，又加快了遗传算法的收敛速度。由于它利用遗传算法的全局优 化性能，克服了Snake轮廓局部极小化的缺陷，从而可得到对目标的
tspyouhua
- 将局部优化算子引入遗传算法求解TSP问题，以求提高算法的性能。具体措施是在标准遗传算法的最后阶段增加步，即对每代的最优个体进行一定次数的局部搜索，以求改善该最优个体。首先提出将反序一杂交法引入局部优化过程中。 同几种‘常用的局部优化力一法相比，反序一杂交法的性能最为突出。实验结果表明，该优化力一法能有效求解300个城市以内的 TSP问题。 -Will introduce a local optimization operator TSP problem genetic algorit
GoodsAllocatingProblemwithMultiAimsbasedonTheHybri
- 多目标货物配装问题是一个复杂的组合优化问题，属于NP难问题，本文用混合粒子群算法求解多目标货物配装问题。混合粒子群算法在基本粒子群算法的基础上，通过引进遗传算法中的交叉和变异的策略，避免了陷入局部最优，加快了达到全局最优的收敛速度。此外，本文提出用权重系数来平衡各目标使各目标都能达到相对较优的效果。-Multi-objective loading of goods is a complicated combinatorial optimization problems are NP hard p
jsjy20070288
- :针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了三个新的操作- 复原、重构和录优操作,使改 进后的遗传算法收敛于全局最优,并在此基础上以路边约束、动态避障和路径最短作为适应度函数,提出了动态避障的路径 规划方法。通过实验仿真验证了算法的有效性、准确性和实时性,并与基于以往的遗传算法的路径规划方法进行比较,结果 表明本文提出的方法在产生的路径长度和算法运行时间上都具有更优的性能。-: Genetic algorithm for the lack of easy to
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
gaMatlab
- 模糊C-均值算法容易收敛于局部极小点，为了克服该缺点，将遗传算法应用于模糊C-均值算法(FCM)的优化计算中，由遗传算法得到初始聚类中心，再使用标准的模糊C-均值聚类算法得到最优分类结果。-Fuzzy C-means algorithm converges to local minimum points easily, in order to overcome the shortcomings of genetic algorithm is applied to fuzzy C-means al
GA
- 用遗传算法求解函数最优值，收敛速度快且不易陷入局部最优值。遗传算法是经典算法，此程序适合初学者。-A Genetic Algorithm for the optimal value function, convergence is fast and easy to fall into local optimal value. Genetic algorithm is a classical algorithm, this program suitable for beginners.
tuxiangfenge
- 基于改进遗传算法的图像分割，算法中引入了优生算子、改进的变异算子和新个体,避免了局部早熟,提高了收敛速度和全局收敛能力。 -Based on improved genetic algorithm for image segmentation algorithm is introduced eugenics operator, the improved mutation operator and new individual, to avoid premature local, to improv
基于遗传算法的 TSP 算法
- tsp问题（全称：TravellingSalesmanProblem），又称为旅行商问题、货郎担问题、TSP问题，是一个多局部最优的最优化问题，遗传算法是一种基于种群演变一种优化的算法，在此基础上的优化程序会自动寻找出最短路(TSP (full name: TravellingSalesmanProblem), also known as the traveling salesman problem, traveling salesman problem, but TSP problem is
gaot
- tep 1：对遗传算法的运行参数进行赋值。参数包括种群规模、变量个数、交叉概率、变异概 率以及遗传运算的终止进化代数。 Step 2：建立区域描述器。根据轨道交通与常规公交运营协调模型的求解变量的约束条件，设 置变量的取值范围。 Step 3：在Step 2的变量取值范围内，随机产生初始群体，代入适应度函数计算其适应度值。 Step 4：执行比例选择算子进行选择操作。 Step 5：按交叉概率对交叉算子执行交叉操作。 Step 6：按变异概率执行离散变异操作。 Step 7：计算
遗传算法课件与程序
- 现代优化算法，智能优化算法通过其有效设计可以在跳出局部最优和收敛到一个点之间有个较好的平衡，从而实现找到全局最优点，但有的时候局部最优也是可接受的，所以传统算法也有很大应用空间和针对特殊结构的改进可能。(Modern optimization algorithm)
非线性方程组求解
- 利用改进的遗传算法求解非线性方程，遗传算法得到全局最优解作为初值寻找局部最优解(Using the improved genetic algorithm to solve the nonlinear equation, the genetic algorithm gets the global optimal solution as the initial value to find the local optimal solution)
GA-BP
- 遗传算法优化神经网络，可以增加精度，避免陷入局部极小值(BP neural network optimized by genetic algorithm)
MPGA
- 使用多种群遗传算法进行DOA估计, 可以避免常规遗传算法容易陷入局部解的问题(DOA estimation with muti-population Genetic algorithm, which can avoid getting into local optimal solutions)