搜索资源列表
用Delphi开发的遗传算法源程序
- 开发环境:Delphi 简要说明:TGABase is a abstract class. You must Derivate a sub_class from it. You must override abstract function calculateFitness. By the way, this class can only get minimum solution -development environment : Delphi Brief Descr iption :
模拟退火程序
- 以一个简单的例子说明模拟退火算法的思想。 模拟退火法求函数f(x,y) = 5sin(xy) + x^2 + y^2的最小值，对理解模拟退火算法是一个很好的程序示例。-to a simple example illustrates the simulated annealing algorithm thinking. Simulated Annealing for the function f (x, y) = 5sin (xy) x ^ 2 y ^ 2 minimum, the right u
模拟退火例子1
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
模拟退火例子2
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
模拟退火例子3
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
rbfSrc
- This program demonstrates some function approximation capabilities of a Radial Basis Function Network. The user supplies a set of training points which represent some \"sample\" points for some arbitrary curve. Next, the user specifies the number o
chap5_1
- 基于实数编码遗传算法的PID整定,采用误差绝对值积分性能指标作为参数选择的最小目标函数-real-coded genetic algorithm PID tuning, integral absolute error performance parameters as the minimum objective function
MyPSO
- //开发平台：Microsoft .NET Framework 2.0，Microsoft Visual C# 2005 Express //日期：2005.3.12 //作者：刘波 //粒子群优化算法(PSO)：本算法求目标函数的最小值-/ / development platforms : Microsoft.NET Framework 2.0, Microsoft Visual C# 2005 Express / / Date : 2005.3.12 / / Author : Liu Bo
hopfild1
- Hopfield 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元
vbpso
- 粒子群算法的vb源程序，可以自定义算法参数，实现对6个非约束性测试函数极小值的全局优化，动态显示粒子的移动。低维下，优化效果很好。直接解压，无须密码。请多指正。-PSO algorithm vb source, the algorithm can define parameters to achieve the six non-binding function tests minimum of global optimization, dynamic display particle movem
psoprogress.rar
- ％程序名称：求解约束优化问题的改进粒子群优化算法 ％程序功能：求解带各种约束条件的优化问题 ％输入条件：各种初始条件，以及设定参数 ％输出数值：最优解位置以及函数极小值 , Program name: for solving constrained optimization problems to improve particle swarm optimization algorithm program features: solving with a variety of constr
MGA
- 这是一个基于多智能体的遗传算法，算法中以一个30维Rastrigin的函数（该函数有无数个局部积小点一个最小点）为例进行了演示——连续独立运行五十次，每次的解小于1e-4，使用了matcom45和C++的混合编程,请先下载后使用程序-This is a Multi-agent-based genetic algorithm with a 30-dimensional Rastrigin function (the function has numerous local small plot po
GA
- 遗传算法，交配，进化，变异，求函数最小值-Genetic algorithm, mating, evolution, mutation, and function of the minimum
MATLAB
- MATLAB中GA遗传算法工具箱帮助信息-Find the minimum of a function using genetic algorithm
webinar_files
- This a demonstration of how to find a minimum of a non-smooth objective function using the Genetic Algorithm (GA) function in the Genetic Algorithm and Direct Search Toolbox. Traditional derivative-based optimization methods, like those foun
FUN
- 这是本人用遗传算法写的一个求函数最小值的软件-This is my written a genetic algorithm function minimum software requirements
genetic
- 用遗传算法求解函数极小值实例，有运行结果-Genetic Algorithm for Function minimum instance, have run results
GAs
- 利用遗传算法求解复杂函数最小值，可以修改参数来调整搜索精度，并且会显示每代搜索的动态图像-Use of genetic algorithms to solve complex function minimum, you can modify the parameters to adjust the search accuracy, and will show each generation of the dynamic image search
SGA
- 用标准的遗传算法优化低通数字滤波器的参数，采用的方法是最小均方误差法，得到较为理想的滤波器的传递函数的系数。-Genetic algorithm using standard low-pass digital filter, the method used is the minimum mean square error method to obtain the ideal filter transfer function coefficients.
Function optimization algorithm
- 遗传算法提供了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化， 而不针对参数本身， 从而不受函数约束条件的限制； 搜索过程从问题解的一个集合开始， 而不是单个个体， 具有隐含并行搜索特性， 可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。(Genetic algorithm provides a general framework f