搜索资源列表
gatool
- 用遗传算法开发的一个求解非线性规划的例子，罚函数限制可行域，非常实用，稍微修改就可用于别的例程。-The development of a genetic algorithm for solving linear programming examples, penalty limit the feasible region, very practical, can be slightly modified for the other routines.
matlabgb
- 非线性整数规划的遗传算法Matlab程序-Genetic Algorithm for Nonlinear Integer Programming Matlab program
NlIP-genetic
- 非线性整数规划的遗传算法Matlab程序-non linear integer programming genetic algorithm matlab code
MATLAB-Optimization-Toolbox
- matlab最优化计算：线性规划，非线性规划，整数规划，二次规划，遗传优化，粒子群优化。-matlab optimization calculation: linear programming, nonlinear programming, integer programming, quadratic programming, genetic optimization, particle swarm optimization。
Genetic Nonlinear Matlab
- 遗传算法虽然全局搜索能力较强，但是局部搜索能力较弱，一般只能搜索到函数优化问题的次优解，而不是最优解，特别是函数具有多个峰值时，遗传算法易陷入局部极小，不能找到真正的全局最优解。非线性规划因多采用梯度下降方法求解，而具有极强的局部搜索能力。因此，本源代码结合两种算法的优点，一方面采用遗传算法进行全局搜索，另一方面采用非线性规划进行局部搜索，以得到函数优化问题的全局最优解。实验证明，这种方法不仅能解决多峰函数寻优易陷入局部极小的问题，而且具有很高的迭代寻优效率，取得了满意的结果。-Global s
30-cases-in-matlab
- MATLAB智能算法30个案例分析，109页的详细讲解，程序和程序注解，可以直接复制代码。包括遗传算法，基于遗传算法和非线性规划的函数寻优算法，遗传算法工具箱详解及应用，多种群遗传算法的函数优化算法， 基于粒子群算法的多目标搜索算法，基于多层编码遗传算法的车间调度算法，基于遗传模拟退火算法的聚类算法，蚁群算法，支持向量机等等30章。-MATLAB intelligent algorithm 30 case studies, 109 detailed explanations, procedur
OpenCode_luzhenbo
- [原创]混沌分析,聚类分析,支持向量机,群体智能优化,深度学习(卷积神经网络)Matlab工具箱全开源版本下载 作者: 陆振波 毕业院校：海军工程大学，船舶与海洋工程(水声工程)，博士 精通方向：信号处理，图像处理，人工智能，模式识别，支持向量机，深度学习，机器学习，机器视觉，群体智能，非线性与混沌，Matlab与VC++混编，大数据 擅长技能：团队激励，战略规划，企业文化，组织架构，C，C++，Matlab，OpenCV，并行计算，图像处理，智能视觉，卷积神经网络，人脸检测，行
Maltab-basic-study
- matlab初学者常用算法的源代码，共16个，包含遗传算法、非线性规划、灰色模型等。-matlab algorithm source code used for beginners, a total of 16, comprising a genetic algorithm, Nonlinear Programming, gray models.
simulate
- 利用有记忆的模拟退火算法求解非线性整数规划问题，在考虑到购物要求、分布均衡要求、经济效益、潜在利益、就业效益的情况下如何在北京奥运会主场馆周边地区建设商业点，满足奥运会期间的购物需求、分布基本均衡和商业上盈利。(The memory simulated annealing algorithm is used to solve the non-linear integer programming problem. Considering the shopping requirements, dis
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