搜索资源列表
PSO_PID
- 利用PSO粒子群搜索算法,辨识PID参数:Kp,Ki,Kd.结果表明虽然该方法辨识精度不是很高,但是也有一定可信度.
差别算法matlab源码
- 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation).源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应
智能蚁群算法及应用
- 作为群体智能的一种典型实现，蚁群算法正在受到学术界的广泛关注。这是一种基于种群寻优的启发式搜索算法，由M.Dorigo等人于1991年首先提出。本书从基本结构、算法特点、改进方法、突破途径、实现模式及应用模式等方面做了一些系统的研究工作，观点新颖，内容全面，具有一定的学术价值和研究意义
微粒群算法源程序
- 微粒群算法源程序 微粒群算法与其它进化类算法相类似，也采用“群体”与“进化”的概念，同样也是依据个体（微粒）的适应值大小进行操作。所不同的是，微粒群算法不像其它进化算法那样对于个体使用进化算子，而是将每个个体看作是在n维搜索空间中的一个没有重量和体积的微粒，并在搜索空间中以一定的速度飞行。
遗传算法与蚂蚁算法的融合
- 摘要 遗传算法具有快速随机的全局搜索能力，但对于系统中的反馈信息利用却*为力，当求解到一定范围时往往 做大量无为的冗余迭代，求精确解效率低9蚂蚁算法是通过信息素的累积和更新收敛于最优路径上，具有分布式并行全 局搜索能力9但初期信息素匮乏，求解速度慢9算法是将遗传算法与蚂蚁算法融合，采用遗传算法生成信息素分布，利用 蚂蚁算法求精确解，优势互补9仿真表明取得了非常好的效果9
Floyd_dijkstra等多种matlab算法
- 包含了Floyd算法、dijkstra算法、贪婪算法、遗传算法、蚁群算法、搜索算法、哈密顿环路的matlab
最大团问题的各种算法和源代码
- 最大团问题（Maximum Clique Problem, MCP）是图论中一个经典的组合优化问题，也是一类NP完全问题，在国际上已有广泛的研究，而国内对MCP问题的研究则还处于起步阶段，因此，研究最大团问题具有较高的理论价值和现实意义。 最大团问题又称为最大独立集问题（Maximum Independent Set Problem），在市场分析、方案选择、信号传输、计算机视觉、故障诊断等领域具有非常广泛的应用。目前，求解MCP问题的
CDAPSO
- 一种新的随机优化技术:基于群落动态分配的粒子群优化算法(Community Dynamic Assignation-based Particle Swarm Optimization,CDAPSO)。新算法通过动态改变粒子群体的组织结构和分配特征来维持寻优过程中启发信息的多样性,从而使其全局收搜索能力得到了显著提高,并且能够有效避免早熟收敛问题。-a new stochastic optimization techniques : C
pso_pathplanning
- 粒子群(PSO)路径规划。这个是一个局部路径规划，用了深度优先搜索算法，可以走出“陷阱”。-Particle Swarm (PSO) path planning. This is a local path planning, with a depth-first search algorithm, we can get out a
Optimizers
- 一系列好用的用户友好的启发式优化算法，包括非自适应算法，基于模拟退火算法的种群算法，基本遗传算法，差分进化算法以及粒子群优化算法。此外，也包括神圣算法，它利用了所有这些优化算子，虽然有时交换种群之间的不同算法。-A nice set of user-friendly heuristic optimizers. Included are a non-adaptive, population based Simulated Annealin
qpso
- 在网络异常检测中,为了提高对异常状态的检测率，降低对正常状态的误判率,本文提出一种基于量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法。利用量子粒子群优化算法(QPSO)训练小波神经网络,将小波神经网络(WNN)中的参数组合作为优化算法中的一个粒子,在全局空间中搜索具有最优适应值的参数向量。- In order to improve the detection rate for anomaly state and reduce
ant
- 关于地图着色问题的蚁群搜索算法，启发式搜索算法的改进-Map Coloring Problem on ant colony search algorithm, heuristic search algorithm to improve
chapter14基于粒子群算法的PID控制器优化设计
- chapter15基于混合粒子群算法的TSP搜索算法(A TSP Search Algorithm Based on Hybrid Particle Swarm Optimization)
chapter10 基于粒子群算法的多目标搜索算法
- 《MATLAB智能算法三十个案例分析》第十章 基于粒子群算法的多目标搜索算法(chapter 10 multi-objective search algorithm based on particle swarm algorithm)
chapter15 基于混合粒子群算法的TSP搜索算法
- sp搜索算法，是经典的人工智能算法，我们可以利用此算法解决很多搜索问题(sp search algorithm is a classic artificial intelligence algorithm, we can use this algorithm to solve a lot of search problems)
最基本的蚁群算法+2opt邻域搜索_求解TSP
- 蚁群算法，蚁群优化算法（ant colony optimization,ACO）就是一种特别成功的元启发式算法，在20年前诞生于意大利的一所最负盛名的大学——米兰理工大学。其灵感来源于真实蚂蚁的行为。(We list below 25 TSP instances taken from the World TSP. For these instances, the cost of travel between cities is spec
粒子群算法实例 (2)
- 本文主要利用粒子群算法解决连续函数的最小值问题，粒子群优化是一种新兴的基于群体智能的启发式全局 搜索算法，粒子群优化算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。它具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已经成为发展最快的智能优化算法之一。(Good particle swarm optimization and source program)
基于粒子群算法的多目标搜索算法
- 基于粒子群算法的多目标搜索算法，优化算法(Multiobjective search algorithm based on particle swarm optimization (PSO) algorithm)
粒子群
- 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，它没有遗传算法的“交叉
30个智能算法模型
- 1-8遗传算法，9 多目标Pareto最优解搜索算法，10 基于多目标Pareto的二维背包搜索算法，11-12免疫算法，13-17粒子群算法，18鱼群算法，19-21模拟退火算法，22-24蚁群算法，25-27神经网络，28 支持向量机的分类，29 支持向量机的回归拟合，30 极限学习机的回归拟合及分类(1-8 genetic algorithm, 9 multi-objective Pareto optimal solution s