搜索资源列表
粒子群算法
- 粒子群算法代码，一种搜寻最优解的算法。它没有遗传算法的"交叉"(Crossover) 和"变异"(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。(Particle swarm algorithm, a search algorithm for optimal solutions. It does not have the "Crossover" and
matlab_vrp(1)
- 首先实现一个ant蚂蚁类，用此蚂蚁类实现搜索。 算法按照tsp问题去解决，但是在最后计算路径的时候有区别。 比如有10个城市,城市1是配送站，蚂蚁搜索的得到的路径是1,3,5,9,4,10,2,6,8,7。 计算路径的时候把城市依次放入派送线路中, 每放入一个城市前，检查该城市放入后是否会超过车辆最大载重 如果没有超过就放入 如果超过，就重新开始一条派送路线 …… 直到最后一个城市放完 就会得到多条派送路线
PSOMADS0
- 该算法是粒子群算法和网格直接搜索算法的结合，具有稳定性高的优点。(This is a combination of particle swarm optimization algorithm and grid direct search algorithm.)
AACO
- 应用结合逆风搜索的蚁群算法，实现fluent仿真环境下气味源定位(Using upwind search ant colony algorithm to realize odor source localization in fluent simulation environment)
myPSO
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等[1] 开发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
蚁群算法
- 蚂蚁算法 蚁群算法是一种用来寻找优化路径的概率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。这种算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。蚁群系统(Ant System或Ant Colony System)是由意大利学者Dorigo、Maniezzo等人于20世纪90年代首先提出来的。他们在研究蚂蚁觅食的过程中，发
PSO
- 利用粒子群算法对目标函数的全局极小值进行搜索，找到全局最优(Particle swarm optimization is used to search the global minimum of the objective function to find the global optimum)
liziqunduomubiao
- 《Matlab智能算法30个案例分析》基于粒子群算法的多目标搜索算法(Multi objective search algorithm based on particle swarm optimization)
pso-code
- 粒子群算法是一种并行算法。它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。(Particle swarm optimization (PSO) is a parallel algorithm. It seeks the global optimal by following the optimal value of the current se
MQYNIQZ01
- 微粒群算法C++语言实现,随机PSO算法比标准pso搜索更快()
PSO
- 基本粒子群搜索优化算法，包含优化主程序与待优化函数子程序(Basic Particle Swarm Optimizaiton algorithm)
pso2
- 粒子群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，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。(It is more simple than the genetic algorithm rule. It doesn't have the crosso
vrp
- 首先实现一个ant蚂蚁类，用此蚂蚁类实现搜索。 算法按照tsp问题去解决，但是在最后计算路径的时候有区别。 比如有10个城市,城市1是配送站，蚂蚁搜索的得到的路径是1,3,5,9,4,10,2,6,8,7。 计算路径的时候把城市依次放入派送线路中, 每放入一个城市前，检查该城市放入后是否会超过车辆最大载重 如果没有超过就放入 如果超过，就重新开始一条派送路线 …… 直到最后一个城市放完 就会得到多条派送路线
ACA_2opt
- 将蚁群算法与2交换邻域搜索算法结合，用MATLAB编程实现(The ant colony algorithm and 2 - exchange neighborhood search algorithm were combined and realized by MATLAB programming)
Evolutionary Optimization Algorithms
- 多种智能算法matlab源程序，即有一些常用的算法，也有一些新颖的算法，用于求解优化问题。包括PSO（粒子群优化算法）,GA（遗传算法）,DE（差分进化算法）,GWO（灰狼优化算法）,FA（萤火虫优化算法）,IWD算法,MBO（帝王蝶优化算法）,SBO（序列最小优化）,SOS（共生生物搜索算法）,WEO算法,BBKH算法,BBBC算法
PSOGA
- 粒子群优化算法，弥补pso全局搜能力差，GA局部搜索能力差的不足(Particle Swarm Optimization (PSO) can make up for the deficiencies of poor global search ability of PSO and poor local search ability of GA.)
蚁群算法
- 本文对蚁群算法的基本理论以及在 TSP 问题中的应用进行了系统研究和 MATLAB 仿真。介绍了蚁群算法的基本原理、特点和算法的实现方法。.基本蚁群算法由于存在搜索时间长，易陷入局部最优解等突出缺点，使得求解效果不是很好。针对这些缺陷，提出了改进的蚁群算法（最大-最小蚂蚁系统）求解 TSP 问题。改进主要在于限制路径信息素浓度、信息素的初始值以及强调对最优解得利用这三个方面。(In this paper, the basic theor
PSO的PID控制器
- 针对一般的粒子群优化(PSO)学习算法中存在的容易陷入局部最优和搜索精度不高的缺点,对改进型PSO算法进行研究。由于惯性权重系数ω对算法是否会陷入局部最优起到关键的作用,因此,通过改变惯性权重ω的选择,对惯性权重系数采取线性减小的方法,引入改进型的PSO算法。采用改进的PSO算法对PID控制器进行参数优化并把得到的最优参数应用于控制系统中进行仿真。仿真实验结果表明:改进型PSO算法不会陷入局部最优,能得到全局最优的PID控制器的参数,并
BAS
- 类似于遗传算法、粒子群算法、模拟退火等智能优化算法，天牛须搜索不需要知道函数的具体形式，不需要梯度信息，就可以实现高效寻优。(Similar to genetic algorithm, particle swarm optimization algorithm, simulated annealing and other intelligent optimization algorithms, Taurus search can ach
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