搜索资源列表
pso
- 二进制粒子群优化算法pso，主程序：swarmpso.m 它包括以下子程序： 1. 初始化：swarminit.m 2. 适应值计算函数：swarmeval.m；
SGA2.0MATLAB
- GA轮赌法选择，锦标赛选择；单点变异，MATAB编写，真的很好用哦-GA
PSO_base_RBF
- PSO的RBFNN优化程序 算法步骤 1.样本数据归一化处理，即将输入输出归一化到[-1,1]区间； 2.确定RBF网络的中心和宽度； 3.以拟合误差的均方根作为性能指标，使用PSO算法优化RBF网络输出层到隐层的连接权值矩阵-PSO-RBFNN algorithm optimization procedures Step 1. Sample data normalization treatment, about input and output normalized to [-
constriction_hexiaofei
- 这个Constriction pso 界面提供了10个可选择的测试函数，在界面可以输入粒子数和维度以及迭代次数，同时界面将输出全局最优和得到当前最优所需的迭代次数。里面有一个ＴＸＴ文档有一些操作说明；-The Constriction pso interface provides 10 selectable test function, can enter the number of particles in the interface and the dimensions and the nu
pso
- 对微粒群算法结构的改进方案有很多种，对其可分类为：采用多个子种群；改进微粒学习对象的选取策略；修改微粒更新迭代公式；修改速度更新策略；修改速度限制方法、位置限制方法和动态确定搜索空间；与其他搜索技术相结合；以及针对多模问题所作的改进。-Structure of the particle swarm algorithm to improve the program there are many, its can be classified as: the use of multiple sub-p
tspPSO
- tsp问题的pso ；粒子群算法 程序简单 简单粒子群 二分查找 速度更快 但是没有加入其余优化 希望得到优化后的 和GA优化后的算法-pso for TSP problems
PSO
- 本演示程序模拟了在二维面板上随机排布的任意数量的微粒,向目标聚集的过程。蓝色微粒构成一个微粒群；群落中的个体通过对自身的认知和与其他个体的交互判断飞行的速度和方向，逐步靠近目标。这是一个典型的微粒群优化过程。-This demo program to simulate the random arrangement of any number of particles in the two-dimensional panel, the aggregation process to the targ
pso
- 标准PSO算法代码采用C++编制；注释丰富；带有测试函数；测试函数在（0，-1）处取得最小值3。-Standard PSO algorithm code using C++ preparation Notes rich with test function test function in (0,-1) obtained at the minimum three.
pso
- 标准PSO算法代码采用C++编制；注释丰富；带有测试函数；测试函数在（0，-1）处取得最小值3。-Standard PSO algorithm code using C++ preparation Notes rich with test function test function in (0,-1) obtained at the minimum three.
pso-tracking
- MATLAB程序；粒子群优化算法源代码，详细简单，适合理解粒子群算法的思路，-pso particle swarm optimization
改进的PSOBP
- 使用改进的PSO算法优化BP神经网络是实现数据的分类。调试通过，替换样本数据即可使用(Optimizing BP neural network using improved PSO algorithm is the classification of data. Debug through, replace sample data can be used)
PSO
- Python 实现的粒子群优化算法 粒子群算法源于复杂适应系统（Complex Adaptive System,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主体进行交流，并且根据交流的过程“学习”或“积累经验”改变自身结构与行为。整个系统的演变或进化包括：新层次的产生（小鸟的出生）；分化和多样性的出现（鸟群中的鸟分成许多小的群）；新的主题的出现（鸟寻找食物过程中，不断发现新的食物）。(Par
PSO_Standard
- 粒子群优化算法（PSO），里面已经标注了详细的注释，特别适合想迅速掌握粒子群算法原理的人下载使用(Particle swarm optimization algorithm)
PSO
- 实现 %1、利用RGB模型识别天空区域；2、利用边缘识别检测天空边缘分割线；3、利用预测边缘点和实际边缘点的周围区域的均值滤波与本边缘点下方的像素之间的差异大小来修正天空边缘分割线 %4、将sky_seg+depthmap_v2中多余的带注释的地方删掉了 %！！！记得在295行，一定要改动是用I6还是I7，如果用sky_initia(f = edge(double(BW),'canny',thresh,sigma);)
code
- 该代码为基于pso算法优化的PID神经网络的系统控制算法 清空环境变量 粒子初始化 初始种群极值 迭代寻优 最优个体控制(The code is the system control algorithm of PID neural network based on PSO algorithm optimization Empty the environment variable Particle initialization Initial population extremum
PSO
- 粒子群算法的寻优算法-非线性函数极值寻优(Particle swarm optimization algorithm for Extremum seeking of nonlinear function)
PsoConstrained
- 带有约束的PSO算法实例，，，，，，，，，，，，，，，，(An example of PSO algorithm with constraints)
PSO+2
- 基于模拟退火的PSO算法;用一个算列来说明该方法；同步变化学习因子PSO算法,也用一个算例来说明;本人运行测试通过(PSO algorithm based on simulated annealing; a column is used to illustrate the method; I run the test.)
PSO-BP
- 粒子群算法优化BP神经网络，可用于指标预测(BP neural network optimized by Particle swarm optimization (PSO) that can be used for index prediction)
PSO提取特征
- PSO提取特征，数据为两个板块，标签和数据分成两个矩阵并分别进行了转置(PSO extracts features. The data is divided into two parts. Label and data are divided into two matrices and transposed respectively.)