搜索资源列表
afs1
- 人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性，以 及求得全局最优值的能力，文中
002
- 人工鱼群算法是一种基于行为的人工智能思想,通过鱼在水里的行为方式模拟构建了一种鱼群模式,用来解决寻优问题-Artificial fish swarm algorithm is a behavior-based artificial intelligence thinking to build a fish model, simulate the behavior of fish in the water, used to solve the optimization problem
Research-on-Some-Novel-Bionic-Opt
- ：仿生优化算法是模拟自然界中生物行为的随机搜索算法，可以用来解决现实中的许多优化问题。简要介绍了目前比 较流行的四种新型仿生优化算法(蚁群算法、微粒群算法、人工免疫算法以及人工鱼群算法)的基本原理；然后深入分析了这 些仿生优化算法的异同之处-Bionic optimization algorithms aye stochastic search methods that mimic the natural biological behavior of species．They age
Niche-artificial-fish-swarm-alg
- 提出了一种基于生境人工鱼群算法的多峰问题优化算法．该算法融合了模拟退火、小生境技术的思想，并加入了变异算子和自动生成合适小生境半径机制-Since it is difficult to find all the optima when artificial fish SWalTn algorithm(AFSA)is used in multimodal optimization．a niche artificial fish swalTn algorithm(NAFSA)based on b
zhinengTSP
- TSP的matlab神经网络解法，包括遗传算法、粒子群算法 、鱼群算法、模拟退火法程序，程序有注释-The TSP Matlab intelligent solution, including genetic algorithm, particle swarm optimization, fish school algorithm, simulated annealing procedures, procedures comment
yqsf
- 此程序主要是用Matlab模拟了鱼群算法寻优的过程，对算法寻优的应用有指导作用。-The procedure is used Matlab simulation of fish swarm algorithm optimization process, the application of the algorithm optimization of a guiding role.
Fish
- 模拟生物种群鱼群的觅食行为，让人工鱼直接移动到较优位置。解决多维非线性多目标优化问题-Simulate the foraging behavior of biological populations of fish, let the fish move directly to artificial optimum position. Solve multidimensional nonlinear multi-objective optimization problem
daima
- 人工鱼群算法，模拟鱼群随机游动来寻求最优解(Artificial fish swarm algorithm is used to simulate the random walk of fish swarm to find the optimal solution)
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
30个智能算法模型
- 1-8遗传算法，9 多目标Pareto最优解搜索算法，10 基于多目标Pareto的二维背包搜索算法，11-12免疫算法，13-17粒子群算法，18鱼群算法，19-21模拟退火算法，22-24蚁群算法，25-27神经网络，28 支持向量机的分类，29 支持向量机的回归拟合，30 极限学习机的回归拟合及分类(1-8 genetic algorithm, 9 multi-objective Pareto optimal solution search algorithm, 10 multi-obje