搜索资源列表
PSO_Algorithm
- PSO’s precursor was a simulator of social behavior, that was used to visualize the movement of a birds’ flock. Several versions of the simulation model were developed, incorporating concepts such as nearest-neighbor velocity matching and accele
Clerc_seminar_15122004
- Particle swarm optimization (PSO) was originally designed and introduced by Eberhart and Kennedy (Ebarhart, Kennedy, 1995 Kennedy, Eberhart, 1995 Ebarhart, Kennedy, 2001). The PSO is a population based search algorithm based on the simulation of
PSO
- Particle swarm optimization (PSO) is a population based stochastic optimization technique developed by Dr. Eberhart and Dr. Kennedy in 1995, inspired by social behavior of bird flocking or fish schooling. Each particle keeps track of its coordinates
Swarm_Intelligence_GCOE08_ver002
- 主要是关于一些粒子演算法的思想及如何进行分析。并且粒子演算法的一些衍生算法- PSO is a recently proposed algorithm, motivated from the simulation of social behavior. PSO is based on the evolutionary computation technique.
modeling-social-behavior
- iccv09_You’ll NeverWalk Alone Modeling Social Behavior for Multi-target Tracking 社会行为建模-iccv09_You' ll NeverWalk Alone Modeling Social Behavior for Multi-target Tracking modeling of social behavior
ant-colony
- 蚁群优化算法的基本思想是模仿蚂蚁依赖信息素进行通信而显示出的社会行为-The basic idea of ant colony optimization algorithm is to mimic the ants rely on pheromones to communicate and show social behavior
solsr.synctex
- A PAPER SHOWING ADVANTAGES OF SOCIAL BEHAVIOR BEING TAKEN INTO ACCOUNT IN OLSR
PSO_introduction
- 这是关于粒子群算法的一篇综述论文，说明了PSO算法的原理，及其算法流程！-PSO is a population-based stochastic optimization technique inspired by social behavior of bird flocking or fish schooling. All of particles have fitness values which are evaluated by the fitness function to be op
code3
- Cockroach Swarm Optimization a new bionic algorithm, entitled Cockroach Swarm Optimization (CSO), that is inspired by the social behavior of cockroaches. We construct some models by imitating the foraging behaviors of cockroach, and describe
PSOTool
- 求解非线性方程组方法有经典算法以及近年来流行的遗传算法．牛顿法及其改进形式,但是此类算法的收敛性在很大程度上依赖于初始点的选择，对于某些非线性方程组容易导致求解失败 为了克服经典算法的缺点，设计了求解非线性方程组的混合遗传算法,但依然对方程组和编码方法有很高要求。PSO是受到鸟群或者鱼群社会行为的启发而形成的一种基于种群的随机优化技术。它是一类随机全局优化技术，通过粒子间的相互作用发现复杂搜索空间中的最优区域。该算法是一种基于群体智能的新型演化计算技术，具有简单易实现、设置参数少、全局优化能力强
The-learning-system-of-collective-behavior-in-stu
- The learning system of collective behavior in students social
Abnormal-Crowd-Behavior-Detection-
- 通过利用社会力学，对已有的人群异常行为检测方法进行优化-Abnormal Crowd Behavior Detection by Social Force Optimization
9
- 灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的。灰色理论建立的是生成数据模型，不是原始数据模型。所谓灰色系统是介于白色系统和黑箱系统之间的过渡系统，其具体的含义是：如果某一系统的全部信息已知为白色系统，全部信息未知为黑箱系统，部分信息已知，部分信息未知，那么这一系统就是灰色系统。一般地说，社会系统、经济系统、生态系统都是灰色系统。例如物价系统，导致物价上涨的因素很多，但已知的却不多，因此对物价这一灰色系统的预测可以用灰色预测方法。 灰色系统理论认为对既含有已知信息又含有未知或非
Main-Paper
- Interpreting user behavior on social networks
MOPSO-MATLAB
- 多目标粒子群算法是模拟动物群体的社会行为，找到一个最优设计点的过程比作这些生物的觅食活动。换句话说，这些例子在设计空间中寻找最好的位置。-Multi-objective Particle Swarm social behavior is simulated animal groups, a process to find the optimal design point likened foraging activity of these organisms. In other words, t
Chared ICA Code
- 受帝国主义殖民竞争机制的启发，Atashpaz-Gargari和Lucas于2007年提出了一种新的智能优化算法—帝国竞争算法 (ICA)。与GA, PSO, ABC等受生物行为启发的群智能算法不同，ICA受社会行为启发，通过摸拟殖民地同化机制和帝国竞争机制而形成的一种优化方法。ICA也是一种基于群体的优化方法，其解空间由称为国家的个体组成。ICA将国家分为几个子群，称为帝国。在每个帝国内，ICA通过同化机制使非最优的国家(殖民地)向最优国家(帝国主义国家)靠近，该过程类似于PSO。帝国竞争机制
Social-Profile-master冷启动
- 推荐Netflix，亚马逊系统Spotify，例如，可以推荐我们基于我们的历史的新东西，行为和我们玩什么内容。但是当一个新用户到达没有数据的系统时会发生什么呢？我们向他推荐什么？这是冷启动问题。(Recommending systems like Netflix, Spotify, amazon, for instance, can recommend us new stuff based on our history, behavior and what content we play. Bu
ABC_1
- 人工蜂群算法自2005年被Karaboga等人提出以来，以其操作简单、参数少、易于编程实现、收敛速度快等特点而受到越来越多的关注。2007年，Karaboga【2007】使用人工蜂群算法对多变量函数进行优化，并对由人工蜂群算法（ABC），遗传算法（GA），粒子温度算法（PSO）和粒子温度灵敏演化算法（PS-EA）产生的结果进行了比较。 结果表明，人工蜂群算法优于其他算法。2009年，Karaboga【2009】使用人工蜂群算法优化大量的数值函数，并对由人工蜂群算法（ABC），遗传算法（GA），粒
ant-colony-optimization
- 蚁群优化是一组概率性元启发式算法和智能优化算法，受蚂蚁社会行为的启发。(Ant Colony Optimization (ACO) are a set of probabilistic metaheuristics and an intelligent optimization algorithms, inspired by social behavior of ants.)
nichingparticle-swarm-optimization
- 粒子群优化算起源于对鸟群、鱼群以及对某些社会行为的模拟，是一种基于群体智能的进化计算技术。而小生境技术则起源于遗传算法，这种方法能使基于群体的随机优化算法形成物种，从而使相应的优化算法具有发现多个最优解的能力。而多分类器集成技术则是通过多个分类器进行某种组合来决定最终的分类，以取得比单个分类器更好的性能。多分类器集成技术要求基元分类器不仅个体性能要好并且其差异度要大，这与小生境技术形成物种的能力具有很多内在的相似性。目前己经有研究者将小生境技术应用于多分类器集成，但由于传统的小生境技术仍然不完善