搜索资源列表
禁忌搜索算法实现蚁群繁殖问题算法
- 采用禁忌算法实现的蚁群繁殖算法，该问题可以很好地解决蚁群问题中优化问题-taboo algorithm using the Ant Algorithm breeding, the problem can be successfully resolved ant colony optimization problems
EGA
- 遗传算法的程序 遗传 算 法 (GeneticA lgorithm,G A)是一种大规模并行搜索优化算法，它模 拟了达尔文“适者生存”的进化规律和随机信息交换思想，仿效生物的遗传方式， 从随机生成的初始解群出发，开始搜索过程。解群中的个体称为染色体，它是一 串符号，可以是一个二进制字符串，也可以是十进制字符串或采用其他编码方式 形成的码串。对父代(当前代)群体进行交叉、变异等遗传操作后，根据个体的 适应度〔fitness)进行选择操作，适应度高的个体有较高的概率被选中并
CDAPSO
- 一种新的随机优化技术:基于群落动态分配的粒子群优化算法(Community Dynamic Assignation-based Particle Swarm Optimization,CDAPSO)。新算法通过动态改变粒子群体的组织结构和分配特征来维持寻优过程中启发信息的多样性,从而使其全局收搜索能力得到了显著提高,并且能够有效避免早熟收敛问题。-a new stochastic optimization techniques : Community-based dynamic allocat
TSP
- 包括蚁群，模拟退火，遗传，神经网络，禁忌搜索等智能优化算法对TSP问题的解决。
差别算法matlab源码
- 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation).源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应
modern_youhua
- 现代最优化算法（有170多页的PPT，2010年的） 分为三个部分 Part 1 概论 Part 2 模拟退火算法 Part 3 遗传算法 现在常用的优化算法 禁忌搜索算法 模拟退火算法 遗传算法 人工神经网络 蚁群算法 粒子群算法 混合算法-Modern optimization algorithm is divided into three parts Part 1 Part 2 Introduction Part 3 simul
Artificial-bee-colony
- 人工蜂群算法（简称ABC）是由土耳其埃尔吉耶斯大学的Karaboga在2005年提出的一种基于蜜蜂群智能搜索行为的随机优化算法-Artificially colony algorithm (hereinafter referred to as ABC) is by Turkish elgie yves university in 2005 Karaboga
Particle-algorithm
- 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究。 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练
PSO_CPP
- 微粒群优化算法（PSO）是一种基于种群的随机优化技术，由Eberhart和Kennedy于1995年提出。微粒群算法模仿昆虫、兽群、鸟群和鱼群等的群集行为，这些群体按照一种合作的方式寻找食物，群体中的每个成员通过学习它自身的经验和其他成员的经验来不断改变其搜索模式。-Particle Swarm Optimization (PSO) is a population based stochastic optimization technique by Eberhart and Kennedy ma
dpso
- 离散微粒群优化算法解决流水线调度问题。包含多个有名算法：NEH，局部搜索算法等。-Discrete Particle Swarm Optimization algorithm to solve assembly line scheduling problem. Contains several well-known algorithms: NEH, local search algorithm.
GSOandqunti
- 几篇关于群搜索优化（Group Search Optimizer， GSO）算法在的高质量论文：包括群体智能搜索，改进群搜索以及快速群搜索算法。-3 articles on the Group Search Optimizer, GSO algorithm in high-quality papers include: swarm intelligence search, group search, and fast group improved search algorithm.
GSO
- 群搜索优化算法(Group search optimizer, GSO)函数优化程序，包含几种常用的单模及多模标准测试函数。运行demo即可。-Group search optimizer (GSO) program for nemerical funciton optimization. It contains several singlemodal and multimodal functions. Please run "demo".
SGSO
- Simplified Group Search Optimizer Algorithm ( SGSO ),一个简单的群搜索优化算法，可用于高维优化问题.-Simplified Group Search Optimizer Algorithm ( SGSO )
Krill-Herd
- 一种新兴的群智能优化算法，磷虾群优化算法，用于解决不同的优化问题，具有较强的全局搜索能力。-A new kind of swarm intelligence optimization algorithm, krill swarm optimization, optimization is used to solve different problems, with a strong global search capability.
SGSO
- GSO群搜索优化算法的一个改进算法：SGSO算法(Simplified Group Search Optimizer Algorithm),可用于高维优化问题.-SGSO（Simplified Group Search Optimizer Algorithm）
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"
最基本的蚁群算法+2opt邻域搜索_求解TSP
- 蚁群算法，蚁群优化算法（ant colony optimization,ACO）就是一种特别成功的元启发式算法，在20年前诞生于意大利的一所最负盛名的大学——米兰理工大学。其灵感来源于真实蚂蚁的行为。(We list below 25 TSP instances taken from the World TSP. For these instances, the cost of travel between cities is specified by the Eulidean distance
群搜索优化算法及其改进算法
- 文件内部包含原始GSO算法的原论文及其相应代码，还有改进后的SGSO算法的论文及其相应代码。
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"
GA-PSO
- PSO算法计算函数极值时，常常出现早熟现象，导致求解函数极值存在较大的偏差，然而遗传算法对于函数寻优采用选择、交叉和变异算子操作，直接以目标函数作为搜索信息，以一种概率的方式来进行，因此增强了粒子群优化算法的全局寻优能力，加快了算法的进化速度，提高了收敛精度。(When PSO algorithm calculates function extremum, it often appears premature phenomenon, which leads to large deviation