搜索资源列表
pso
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(（Evolu2tionary Algorithm - EA）。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，
PSOTool
- 求解非线性方程组方法有经典算法以及近年来流行的遗传算法．牛顿法及其改进形式,但是此类算法的收敛性在很大程度上依赖于初始点的选择，对于某些非线性方程组容易导致求解失败 为了克服经典算法的缺点，设计了求解非线性方程组的混合遗传算法,但依然对方程组和编码方法有很高要求。PSO是受到鸟群或者鱼群社会行为的启发而形成的一种基于种群的随机优化技术。它是一类随机全局优化技术，通过粒子间的相互作用发现复杂搜索空间中的最优区域。该算法是一种基于群体智能的
PSOPC
- 粒子群算法的智能优化，PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解-Particle swarm intelligence optimization, PSO algorithm is an evolutionary algorithm, and genetic algorithm similarity, it is also starting from a random solution, f
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
1
- .用遗传算法优化来求解无约束优化问题用粒子群算法优化来求解无约束优化问题-Using genetic algorithm optimization to solve unconstrained optimization problems with particle swarm optimization for solving unconstrained optimization problems
npso
- 分析粒子群算法在求解组合优化问题中的运行原理并与遗传算法和 改进的粒子群算法仿真比较． 结果表明 混合优化算法在收敛速度和精度上均有明显的提高-Ｔｈｅ ｍｅｃｈａｎｉｓｍ ｏｆ ｐ ａｒｔｉｃｌｅ ｓｗａｒｍ ｏ ｐ ｔｉｍｉｚａｔｉｏｎ ＰＳＯ ｉｎ ｓｏｌｖｉｎ ｇ ｃｏｍｂｉｎａｔｏｒｉａｌ ｏ ｐ ｔｉｍｉｚａｔｉｏｎ ｐ ｒｏｂｌｅｍｓ ｗａｓ ａｎａｌ ｙ ｚｅｄ．Ｓｉｍｕｌａ
pso
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(（Evolu2tionary Algorithm - EA）。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，
PSO
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，
pso-bp
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，
Optimal-Algorithm
- 非线性最小二乘优化算法，遗传优化算法，粒子群优化算法，经测试收敛较快，效果不错，需要非线性最优化的可以借鉴-Nonlinear least square optimization algorithm, genetic optimization algorithm, particle swarm optimization algorithm, tested converges faster, effect is good, need to
GA(PSO)
- GA(PSO)为GA和PSO单独优化算法，里面分了两个文件 一个PSO粒子群算法 一个GA遗传算法-GA (PSO) for GA and PSO optimization algorithm alone, which divided the two documents a PSO PSO algorithm a genetic algorithm GA
GA_PSO
- GA_PSO为GA和PSO混合的优化算法,粒子群算法与遗传算法结合-GA_PSO optimization algorithm for mixed GA and PSO, PSO and Genetic Algorithm
PSO_GA_RBF
- 粒子群算法、遗传算法优化RBF径向基神经网络-Particle swarm optimization, genetic algorithm optimization RBF RBF neural network
libsvm-3.1-[FarutoUltimate3.1Mcode]
- 包含粒子群算法、遗传算法、网格搜索法优化的支持向量机代码-Particle swarm algorithm, genetic algorithm, the grid search method optimization of support vector machine (SVM) code
yichuansuanfa
- 遗传算法优化BP神经网络、改进的模糊C-均值聚类、遗传算法（粒子群算法、人工鱼群算法等）的投影寻踪模型等遗传算法的简单集合。-Genetic algorithm to optimize the BP neural network, an improved fuzzy C- average clustering and genetic algorithm,(particle swarm optimization (pso), artifi
PSO
- 动态环境下的粒子群算法研究 动态优化问题是指目标函数随时间连续、缓慢或突然、随机变化的情况。该课题旨在将动态优化问题连续变化的时间变量区间进行任意划分，在得到的每个时间子区间上将动态问题转化为静态问题，针对此静态优化问题设计相应的遗传算法。同时给出一种能自动检测时间变化的应答算子。-Dynamic optimization problem refers to the objective function over time in a
estimation-extended-Kalman-filter
- 针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题，提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点，采用可调整的算法模型对粒子群算法进行改进，将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理，将优化后的卡尔曼滤波器应用于感应电机转速估计。-
pso
- matlab粒子群算法和遗传算法是解决约束优化问题，无约束优化问题和多目标优化问题的优化算法-PSO and GA are good optimizational algorithms
pso-GA
- 粒子群算法MATLAB代码、遗传算法优化RBF径向基神经网络MATLAB程序-Particle swarm algorithm MATLAB code, genetic algorithm optimization RBF RBF neural network MATLAB program
teacher-and-learn
- 教与学优化算法，和结合粒子群算法、遗传算法比较，该算法效果更好，迭代次数少-Teaching and learning optimization algorithm, and combining particle swarm optimization, genetic algorithm, the algorithm is better, fewer iterations