搜索资源列表
multi-ctp1
- 一个基于阈值的粒子比较准则，用于处理多目标约束优化问题,该准则可以保留一部分序值较小且约束违反度在允许范围内的不可行解微粒,从而达到由不可行解向可行解进化的目的；一个新的拥挤度函数,使得位于稀疏区域和Pareto前沿边界附近的点有较大的拥挤度函数值,从而被选择上的概率也较大 从而构成解决多目标约束优化问题的混合粒子群算法。-A comparison based on the threshold criteria for the particle to handle multi-objective
MPQEA
- 多宇宙并行量子多目标进化算法。该算法主要思想如下：将所有的量子个体按给定的拓扑结构分成多个独立的子种群，划分为多个宇宙；采用目标个体均匀分配原则和动态调整旋转角机制对各宇宙量子个体进行演化；宇宙之间采用最佳移民操作来交换信息，设计最优个体保留方案以便各宇宙共享全局信息，提高算法的执行效率。-Multi-quantum universe parallel multi-objective evolutionary algorithm. The main idea of t
P4-1
- 传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中
Genetic-Algorithm-matlab
- 遗传算法 ( Genetic Algorithm , GA) 是借鉴生物界自然选择和群体进化机制形成的一种全局寻优算法 。与传统的优化算法相比 ,遗传算法具有如下优点 [1 ] :1 ) 不是从单个点 ,而是从多个点构成的群体开始搜索 2) 在搜索最优解过程中 ,只需要由目标函数值转换得来的适应值信息 ,而不需要导数等其它辅助信息 3) 搜索过程不易陷入局部最优点 。 数学建模中常用的matlab算法，遗传算法，内容详细，包括PDF版本的详细的算法实现过程；-Genetic Algorith
ACATSP
- 蚁群算法是一种分布式内在并行算法。单个蚂蚁的搜索过程是彼此独 立的，易于局部最优，通过个体间不断的信息交流和传递有利于发现较好解；并且该算法是一种正反馈算法。路径上的信息素浓度较高，将吸引更多的蚂蚁沿这条路径运动，又使得信息素浓度增加，加快了算法的进化过程。本文通过求解TSP问题，通过在特定情况下对路径进行逐步遍历比较来降低陷入局部最优解的可能性, 找出最优解。-Ant colony algorithm is an inherent distributed parallel algorithm.
wenhualiziqun
- 文化算法是一种用于解决复杂计算的新型全局优化搜索算法，它模拟人类社会的演化过程。在人类社会中，文化可以被看做是信息的载体，这些信息潜在地影响所有社会成员，并且有益于指导同代及其后代解决问题的实践活动。区别于其他进化算法，文化算法是基于知识的双层进化系统，其包含两个进化空间：一个是由在进化过程中获取的经验和知识组成的信仰空间；另一个是由具体个体组成的种群空间，通过进化操作和性能评价进行自身的迭代。-Culture is an algorithm to solve complex calculati
Differential-evolution
- 差分进化方法是一种新的智能算法，可以和多种算法结合，例如神经网络优化；约束性算法；线性算法。-Differential evolution method is a new intelligent algorithm, and can be combined with a variety of algorithms, such as neural network optimization constraint algorithm linear algorithm.
DE-Clustering-Analysis
- 差分进化计算在解决这种聚类问题上表现出色，算法具有较强的通用性，不过分依赖于问题的信息；具有记忆个体最优解的能力、协同搜索的能力，以及可利用个体局部信息和群体全局信息指导算法进一步搜索的能力。-Differential evolutionary computation is excellent in solving this clustering problem. The algorithm has strong generality and can not depend on the info
yichuansuanfawugong
- 遗传算法(genetic algorithm，GA)是一种近年来发展起来的基于自然选择规律的进化算法，本程序利用改进型遗传算法对电力系统进行无功优化，与遗传算法进行比较，通过实际算例分析及MATLAB编程结果运行，成功解决了无功优化问题，并验证了改进型遗传算法的优越性。(The genetic algorithm (genetic algorithm GA) is an evolutionary algorithm based on natural selection rules develop
遗传算法
- 利用遗传算法计算目标函数极值，遗传算法与传统的优化方法（枚举，启发式等）相比较，以生物进化为原型，具有很好的收敛性，在计算精度要求时，计算时间少，鲁棒性高等都是它的优点。(Using the genetic algorithm to calculate the extremum of a objective function. Compared with the traditional optimization methods (enumeration, heuristics, etc.), g
多目标进化+多目标粒子群优化代码
- 多目标粒子群优化，多目标进化算法，两种方法能够有效的解决复杂的优化问题(optimization based on intelligent swarm)
多种群GA算法的函数优化算法
- 突破SGA仅靠单个群体进行遗传进化的框架，引入多个种群同时进行优化搜索；不同的种群赋以不同的控制参数，实现不同的搜索目的。
遗传算法例程code
- 遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术之一。