搜索资源列表
nlj20100106
- nlj寻优算法，对于系统参数辨识有很好的效果！-nlj optimization algorithm for system parameter identification have a good effect!
214545535242
- 基于混沌序列的多峰函数微粒群寻优算法的目标就是找到多峰函数的所有局部优化峰值。在分析微粒群优化 算法中各个参数对微粒运动影响的基础上，对微粒群算法进行改造，让微粒运动从初始位置沿优化函数曲线向优化峰值 方向爬行．直至找到所在区域的局部优化峰值；要想求得尽可能多的局部优化峰值，就要求微粒群中微粒的初始位置分 布具有随机性和遍历性。为此采用混沌序列设置微粒初始位置；为使每一个局部最优值点都可能有微粒群中的微粒经过， 采用变步长的迭代计算；为防止优化函数曲线的某些局部峰附近没有
362465378
- 工程应用中的多峰寻优问题要求搜索目标函数的多个极值点，现有的多峰优化方法难以直接利用应用 问题的先验知识引导算法过程，多峰寻优效率较低。基于粒子群优化算法设计一种面向应用的多峰寻优算法， 能有效利用易于获得的先验参数，如峰间分辨率、峰位置精度、峰值个数等实现快速多峰搜索。该算法保持了粒 子群算法的简单性并改善了搜索多样性，使其可控地收敛到多个峰值上。将该算法与几种典型的多峰寻优方法 进行了对比测试和分析，结果表明，对复杂多峰函数，该算法能以最快的收敛速度实现多峰搜索-Mu
FCM-for-EEG
- 模糊C均值脑电分类并使用了支持向量机对比，其中支持向量机使用了三种方法参数寻优。-fuzzy C means clustering for EEG classification，and use the SVM for campare. The SVM applied three methods to find the optimal apartments.
dsad
- ：智能算法如粒子群算法已被应用于PID控制器的参数优化，以弥补传统优化方法容易产生振荡和较大超调量 的不足，但是粒子群算法存在易于早熟的缺点，在分析量子粒子群算法的基础上，提出了使用量子粒子群算法优化PID控 制器的参数。为了兼顾控制系统的各项性能指标，根据控制器的实际要求对各项指标进行加权作为算法的目标函数，对 PID控制器进行多目标寻优。通过2个传递函数实例，分别使用z—N、粒子群算法和量子粒子群算法进行了PID控制器 参数优化设计，并对结果进行了分析。-Abstract：H
1000-3428(2008)22-0231-03
- 针对传统的PID 控制器参数固定而导致在控制中效果差的问题，提出一种基于模糊RBF 神经网络智能PID 控制器的设计方法。 该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点，将模糊控制与RBF 神经网络相结合以在线调整PID 控制器参数，整 定出一组适合于控制对象的kp. ki. kd 参数。将算法运用到电机控制系统的PID 参数寻优中，仿真结果表明基于此算法设计的PID 控制器改善了电机控制系统的动态性能和稳定性。-Fixed for the traditional PID
华侨大学XFX函数优化平台2017版
- 该2017版软件集成了竞赛争冠系列算法（含单目标寻优、多峰函数寻优、参数估计（拟合）等）和多种差分向量型式的差分进化算法。可对数学函数进行有或无约束优化、多峰函数优化等工作。其中改进竞赛争冠算法是近期本人的研究佳作。与现行优良的进化算法相比，颇具竞争力。(The 2017 version of the software integrates the series of race champion algorithm (including single objective optimization
SVMcgForRegress
- 使用网格搜索进行支持向量机的参数求解。。。(Using grid search to solve the parameter solution of support vector machine)
PSO-SVM
- 基于支持向量机负荷功率预测，使用粒子群算法进行参数寻优，供参考(Load Forecasting Based on Support Vector Machine)