搜索资源列表
AI_GA_matlab
- 遗传算法程序 主要程序 ga.m 遗传算法核心程序 BinaryExample.m 二进制编码应用程序 FloatExample.m 浮点编码的应用程序 相关算子及函数 initializega.m 种群初始化函数 simpleXover.m 用于二进制编码的简单交叉算子 arithXover.m 用于浮点编码的算术交叉算子 binaryMutation 用于二进制编码的变异算子
pkxt
- 转载 排课系统 采用某种编码方式将解空间映射到编码空间，每个编码对应问题的一个解，称为染色体或个体。一般通过随机方法确定起始的一群个体，称为种群，在种群中根据适-Course Scheduling System reprint some encoding solution space will be mapped to code space, each code corresponding to a solution of the
SegmentationofOverlappingChromosomeImagesUsingComp
- 染色体分割算法的经典文献，关键词：Image segmentation, chromosome analysis,overlapping chromosomes, computational geometry-Chromosome Segmentation classic literature, Key words: Image segmentation, chromosome analysis, overlapping chromos
AutomaticImageSegmentationAlgorithmThreshold
- 摘 要 该文提出了一种新的图像阈值分割算法。该算法通过求取最大模糊熵准则下，灰度均值直方图的最佳模糊划分 参数来确定两个模糊集 和 ，图像分割阈值即选取为两个模糊集的交点。该算法用 的模糊熵定义适应度函数， . / 01234 采用改进的遗传算法寻求最佳模糊参数。该文对遗传算法的改进包括，给出了缩短染色体码长的编码方法和性能良好的 改进的单点交叉算子和均匀变异算子。实验结果表明，该算法的分割效果与二维模糊熵算法接近，而计
ex1
- 染色体识别与统计,基于matlab实现。此方法采用Matlab已有的函数，简单且快捷-Chromosome identification and statistics, based on the realization of matlab. This method has been used Matlab function, simple and fast
ga
- 遗传算法(Genetic Algorithm,GA)是一种抽象于生物进化过程的基于自然选择和生物遗传机制的优化技术. 遗传算法的基本原理 在遗传算法的执行过程中,每一代有许多不同的种群个体(染色体 )同时存在。这些染色体中哪个保留(生存)、哪个淘汰(死亡),是根据 它们对环境的适应能力来决定的,适应性强的有更多的机会保留下来 。适应性强弱是通过计算适应性函数f(x)的值来判别的,这个值称为适应值。适应值函数f(x)的构成
Genetic-algorithm
- Visual C++实现的基因遗传算法库源代码以演示程序Free Source Code for Genetic algorithm 2008年05月21日 C++, Windows, Win32, Visual Studio, MFC, STL, Arch, Dev, Design 基因遗传算法都是针对概率的，所以因为其随机的本质，导致其结果可能是好的，也可能是坏的，于是我们就需要一个方法确认这个解到底有多大的可用性。这是
GA
- 在自然界中生物从其亲代继承特性或性状，这种现象称为遗传（Heredity），研究这种现象的科学叫遗传学（Genetics）。 在构成生物的细胞（Cell）中含有染色体（Chromosome），生物的遗传信息都包含在染色体中。遗传信息由基因（Gene）组成，基因是DNA（Deoxyribonucleic Acid）或RNA（Ribonucleic Acid）中占有一定位置的基本遗传单位。在DNA中遗传信息在长链上按照一定模式排列，即进
SGA-C
- SGA-C使用机器级的bit串以提高效率，每条染色体都在运行时动态分配内存。本程序运行起来并不优雅，但作为遗传算法的入门之作绰绰有余-SGA-C to use the machine-level bit string to improve the efficiency of each chromosome in the run-time dynamic allocation of memory. This procedure is no
Shubert
- 多元多峰函数的优化实例 第10行各变量的上下限改为[-10 10]，原来为[-3 3]； 第25行改为：[Y, I]=min(ObjV) 原来为[Y, I]=min(ObjVSel) 以此将染色体的个体值与shubert()函数值对应起来，原表达式不具有shubert()函数自变量和应变量的对应关系 -Multi-multi-peak function optimization examples of the first
f1
- 多目标优化问题，此例中经遗传算法优化子代个体数目逐步减少，最后稳定在10个染色体个体-Multi-objective optimization problem, in this case, by the genetic algorithm to gradually reduce the number of offspring individuals, and finally stabilized at 10 chromosome ind
f11
- 同上，改进之处为使用reins恢复函数使得子代数量（子代染色体个数）等于父代数量（父代染色体个数），一次计算上例得min(f1(v)+f2(v))=10.4758，本例得min(f1(v)+f2(v))=10.1033，最大遗传代数均为MAXGEN=50.-Ibid, improved restoration of function to use the reins makes the number of progeny (offspr
LogFac_Exp_1
- java编写的最短路径算法，先由启发式方法获得染色体的初始编码，然后由遗传算法求出最短路径，对解决物流领域的TSP是非常好的计算机实现-java prepared by the shortest path algorithm, by the heuristic method to obtain the initial encoding of chromosome, and then by the genetic algorithm to
ImageCount
- 利用VisualC++实现染色体的计数 计数过程比较简单-Use VisualC++ Achieve chromosome count counting process is relatively simple
Matlab_Image_Processing
- 林健写的Matlab在图像处理与目标识别方面的应用实验，包括染色体识别与统计、汽车牌照定位与字符识别、基于BP神经网络识别字符的简单实验。-Lam Kin Writing at the Matlab image processing and target recognition application experiments, including chromosome identification and statistics, veh
GAxujinpeng
- 该方案可用于计算个人发电机产出，将最大可能满足电力系统的需求，以解决经济调度问题。发电机的数目在一个工厂是固定的为三个。然而，工厂的数目是可变的多达100个。请注意，一个工厂= 1染色体。然后计算出该方案的五个最经济的产出的发电机组，满足需求的总成本和染色体的适应度函数。-The programme can be used to calculate the individual generator outputs that will b
ex1
- 染色体识别与统计,识别其中的染色体并统计其数目，我们采用Matlab平台提供的一些图像处理函数.-Chromosome identification and statistics, to identify the chromosome and the number of statistics, we have adopted a Matlab platform provides a number of image processing
TSPandMTSP
- MTSP 问题其实与单 旅行商问题(Traveling Salesperson Problem ,简称TSP) 相似,但是由于添加了任何城市只要被某一旅行商访问到即可这个附加条 件,因而增加了问题复杂度。在以前使用遗传算法(GA) 研究解决MTSP 问题时,通常采用标准的TSP 染色体和处理方法。-M any app licat ions are invo lved w ith mult ip le salesmen each
chelianglujing
- 下面的源代码是解决车辆路径问题的。谈一点经验性的东西，就是在进行染色体交叉时，一定要注意基因结构的问题。-The following source code to solve the vehicle routing problem. Things to talk about one empirical, that is, during the cross-chromosome, we have to pay attention to t
SGA
- 实现基本遗传算法对Rosenbrock函数的全局最大值的计算，可以通过改变遗传算子和染色体的编码解码来实现基本遗传算法通用性。-Genetic algorithm to achieve the basic function of Rosenbrock calculation of the overall maximum value, you can by changing the genetic operator and chromos