搜索资源列表
30-case-studies
- MATLAB神经网络30个案例分析__读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。-30 case studies of the MATLAB Neural Networ
tspPSO
- tsp问题的pso ；粒子群算法 程序简单 简单粒子群 二分查找 速度更快 但是没有加入其余优化 希望得到优化后的 和GA优化后的算法-pso for TSP problems
MATLAB-Neural-network-cases
- 共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。-Neural network cases
Intelligence-optimization-codes
- 智能优化算法汇总C语言大礼包 粒子群算法程序，是一种智能优化算法，1995年提出；-PSO algorithm
GA2
- 程序6：遗传算法工具箱使用例子； 程序7：多种群遗传算法的函数优化； 程序8：基于量子遗传算法的函数寻优； 程序9：基于遗传算法的多目标优化算法； 程序10：基于粒子群算法的多目标搜索算法-Program 6: examples of the use of genetic algorithm toolbox Program 7: multi-population genetic algorithm function o
PSOBP502
- Parsopoulos等采用罚函数法，利用非固定多段映射函数对约束优化问题进行转化，再利用PSO算法求解转化后问题，仿真结果显示PSO算法相对遗传算法更具有优越性，但其罚函数的设计过于复杂，不利于求解；Hu等采用可行解保留政策处理约束，即一方面更新存储中所有粒子时仅保留可行解，另一方面在初始化阶段所有粒子均从可行解空间取值，然而初始可行解空间对于许多问题是很难确定的；Ray等提出了具有多层信息共享策略的粒子群原理来处理约束，根据约束矩阵
youhuaPSO
- 基于粒子群算优化算法方向图综合技术。通过优化阵列的激励电流大小实现低旁瓣的方向图分布，同时在指定的干扰位置形成具有指定深度的零陷值；着重介绍了对于传统PSO算法易于早熟问题的改进。 -Based on particle swarm optimization algorithm pattern synthesis technology to achieve low sidelobe by excitation current size
MATAB神经网络30个案例分析
- 该PDF共有30个MATLAB神经网络的案例，包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。本PDF作为本科毕业设计、研究生项日设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。(The PDF has a total of 30 MATLAB in the case of neural ne
PSO-BP
- 粒子群算法优化BP神经网络，可用于指标预测(BP neural network optimized by Particle swarm optimization (PSO) that can be used for index prediction)
基本粒子群 - 副本
- 对IEEE33节点系统进行配电网重构，利用基本粒子群迭代优化，采用前推回代计算潮流，有中文注释，是初学者必备的程序教程(Reconfiguration of the distribution network of the IEEE33 node system, using the basic particle swarm iterative optimization, using the pre-push back to the cal
布谷鸟DG规划
- 通过布谷鸟群算法对设定的多个目标进行优化，并最终获得分布式电源的最优选址定容(Through the CUCKOO swarm algorithm to optimize the set of multiple objectives, and finally obtain the optimal location of distributed generation capacity)
SSMOPSO code
- 形成策略被用来形成稳定的生态位，小生境/子种群被优化以并行地搜索和维护帕累托最优解。此外，还提出了一种自组织机制，以提高物种制定的效率和算法的性能。为了在决策空间和目标空间保持解决方案的多样性，SS-MOPSO采用了非主导排序方案和特殊拥挤距离技术。(In the proposed method, the speciation strategy is used to form stable niches and these niches