搜索资源列表
FrameReader
- 是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。遗传算法的基本操作包括：编码、初始群体的生成、适应度评估检测、选择、杂交操作、变异
Rule-Expert-Knowledge
- 本文提出了一种新的推理机制来确定规则的专业知识为基础的Petri网适当的开关操作（RKPN）方法。一个26馈线的实际分配制度被指定为揭示了发展与计算机模拟方法的有效性。拟议的推理机制可以成功地解决馈线过载/故障应急根据负载的变化，从温度升高导致的。 -This paper presents a novel inference mechanism to determine appropriate switching operations by the rule-expert knowledge
yichuansuanfaC
- 遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型. 生存+检测的迭代搜索过程是它的核心. 具体分成五部,其中每步就是程序实现过程: 参数编码(实际问题编码到遗传基因),初始群体设定(祖先),适应度函数的设计(生存选择),遗传操作设计(遗传+变异),控制参数设计(交叉率0.2-0.99,变异率0.001-0.1). -Genetic algorithms are simulated Darwinian natural selection of genetic sel
ASM-2.4
- 人工股票市场模拟的源代码，在swarm平台上运行，文件夹中有具体操作说明。-sourse code of artifitial stock market.it needs to be operated on SWARM.
genetic-algorithms
- 遗传算法（Genetic Algorithms，简称 GA）是一种基于自然选择原理和自然遗传机 制的搜索（寻优）算法，它是模拟自然界中的生命进化机制，在人工系统中实现特定目 标的优化。遗传算法的实质是通过群体搜索技术，根据适者生存的原则逐代进化，最终 得到最优解或准最优解。它必须做以下操作：初始群体的产生、求每一个体的适应度、 根据适者生存的原则选择优良个体、被选出的优良个体两两配对，通过随机交叉其染色 体的基因并随机变异某些染色体的基因后生成下一代群体，按此方法使群体逐代进
TSP
- TSP问题是一个典型的、容易描述但是难以处理的NP完全问题，同时TSP问题也是诸多领域内出现的多种复杂问题的集中概括和简化形式。目前求解TSP问题的主要方法有启发式搜索法、模拟退火算法、遗传算法、Hopfield神经网络算法、二叉树描述算法。所以，有效解决TSP问题在计算理论上和实际应用上都有很高的价值，而且TSP问题由于其典型性已经成为各种启发式的搜索、优化算法的间接比较标准(如遗传算法、神经网络优化、列表寻优(TABU)法、模拟退火法等)。遗传算法就其本质来说，主要是解决复杂问题的一种鲁棒性
QrobotSDK
- QQ机器人 开发包 QrobotSDK 可以使用多种语言合并开发，机器人模拟操作-QQ robot development kit QrobotSDK can merge multiple languages developed robot simulation operation
h
- 模拟退火算法，程序简单，正确可操作。解决实际问题。-Simulated annealing algorithm, the procedure is simple, correct operational. Solve practical problems.
SA_solve_TSP
- 模拟退火算法解决旅行商问题，操作步骤详见readme.txt-Simulated annealing algorithm to solve the traveling salesman problem, the steps described in Readme.txt
Artificial_Intelligence_EA神经网络 五星
- EA描述 这个EA使用神经网络技术，虽然只包含一个感知器，却有良好的结果。此感知器能接收MACD指标的数据。 货币对：欧元/美元 时间段：1分钟 EA逻辑 EA根据开仓价格来操作。根据真实交易来得到最佳结果。测试的详细结果见下图： EA模拟了一个神经网络来发出买入/卖出信号。您可以通过设定加权参数来优化机器人。这个建议也检测自由保证金来监控交易操作。 输入选项 x1 … x4 —感知器加权（优化时选择） FastMA —针对 MACD 的快速移动平均线时间间隔 S
myPSO
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等[1] 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutati
liziqun
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"
HLIAE815
- 本程序是模拟DOS系统下创建目录,并对目录进行操作,()
PSO-Python
- 粒子群算法，PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。(The particle swarm optimization (PSO) al
粒子群算法
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"
【神龙黄金-EA】胜率高达90%的趋势ea，真正做到稳定盈利
- 策略功能介绍： 这款策略属于一次一单，每单都带止损止盈，小资金也可以操作，策略带移动止损，不怕大行情，不加仓不扛单，概率取胜，做单准确率高，对市场预测非常准确，条件过滤良好，胜率高达90%，真正做到稳定盈利，风险降到最低！！！ 趋势黄金一次一单带固定止损止盈，止损8美元，止盈6美元，胜率高，单量不多，风险可控，ea运行后就会启动移动止损止盈 趋势一次一单原理： 1， 该策略是根据K线的上下走势一直在计算的一个算法交易策略，因此更有效的提高了做单准确率， 2，增加了稳定性，对于胜率和止损
【三币对冲-EA】最流行安全稳定的盈利方法非三币对冲莫属
- 三币对冲套利-EA： 是指利用多种币种在不同的市场间的差价进行套利动作的交易策略，因其一次交易一般由三种币进行三次操作，形成一种三角关系，故称三币对冲套利。 基于控制风险最小化，和利润最大化的研发宗旨，抛弃了传统的一夜暴富思维，使投资者在保证安全的原则下，获取长期稳定的收益。 当今交易界里最流行，最安全，最稳定的盈利方法非三币对冲莫属。 系统特点： 1、多币种分散策略，风险分散； 2、资金回撤低，盈利稳定； 3、行情不相关， 不用担心行情涨跌； 4，安全稳健型，每一组都带止损止盈