搜索资源列表
CompetitionChampionAlgorithm100801
- 可用于有约束函数优化的竞赛争冠算法程序已基本完成,但肯定还有未发现的问题.请您试用,并提宝贵的意见和批评.谢谢!该程序是在自创的无约束优化的竞赛争冠算法(旧称竞技取冠算法)函数优化程序基础上,开发出来的有约束优化程序.程序采用罚函数法实现有约束优化的,但罚因子(惩罚系数)的处理方法有别于其它罚函数法.该程序证明这种惩罚系数处理方法是有效的.该法调整惩罚系数简单,粗放,一般应用默认值即可.该程序普适性较好,进化参数调整简单,不敏感,全局最优解的搜索能力较强,数据重现性(鲁棒性)较好,获得结果精度较
constrained_OP
- 程序是最优化算法中的可行方向法和惩罚函数法，惩罚函数法中包括内点发外点法和混合内、外点法-Program is the feasible optimization algorithms direction method and the penalty function method, the penalty function method including the bit in the hybrid method and the internal and external method
Constrained-Engineering-Optimization
- 将离散约束优化问题转化为非负整数约束规划问题，开发求解该问题的离散差分进化算法。该算法采用基于混沌映射 的种群初始化、双版本变异和带随机扰动项的取整运算等新策略。针对非线性约束条件，给出惩罚基数的计算方法和连续映 射基函数的表达式，在此基础上设计处理非线性约束的自适应惩罚因子。提出一种刻画种群多样性的新测度——种群二次平 均基因距离及基于新测度的依概率混沌移民算子。将自适应罚函数法、依概率混沌移民操作与离散差分进化算法有机融合， 构造面向工程约束优化的混合离散差分进化算法
constrain-opt
- 针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法。CPSO算法利用混沌搜 索的全局遍历性、随机性和规律性等特点, 引导粒子在全局范围内搜索, 从而克服了传统粒子群算法早熟收敛的缺点。 该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据, 并用惩罚函数法处理违法约束的粒子, 当基本粒子群算 法陷入早熟时, 随机选择粒子群中的部分粒子实施混沌搜索, 直至满足迭代收敛条件为止。CPSO算法能提高种群的多 样性和粒子搜索的遍历性, 从而有效提高了PSO算法的收
gene
- 遗传算法惩罚函数法，说明如何对约束条件进行处理，将其转变成无约束的优化问题-Genetic algorithm penalty function method shows how to deal with the constraints, transforming them into a constrained optimization problem
punish_method_algorithm
- 惩罚函数法求解最优化问题，包括外电法，内点法等-punish_method of optimization
Ga-tsp
- 遗传算法tsp问题 针对题目中物流配送路径优化问题，本文引入0-1规划思想，建立了带约束条件的物流配送问题的数学模型。求解时，引入遗传算法的编码方式，并针对分区数与客户数量相差较小的情况，灵活运用分区配送算法确定包含最优解的分区序列组，紧密结合枚举法使得其算法兼顾简单、快速的优点。应用Matlab软件可执行得到最短路径。兼顾时间因素导致的复杂影响，我们引入了惩罚函数，并通过设定惩罚系数，进一步由最短路径求得最优路径。-Genetic algorithm tsp problem of logist