搜索资源列表
ZDT4
- 为了有效地应用遗传算法解决 鲁棒控制系统设计问题，将遗传算法与局部优化方法相结合，提出了基于降维扫描方法的自适应多目标遗传算法（DRSA-MOGA）。通过引入适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法，提高了算法的全局优化性能和局部搜索能力。仿真结果表明，DRSA-MOGA算法在不损失解的均匀度的情况下可以达到很高的逼近度
particle
- 本代码为经典PSO微粒群算法，通过修改w值，使得PSO的搜索在全局与局部之间得到最优-The code for the classic PSO particle swarm algorithm, by modifying the w value, makes the PSO search between the global and local optimal
pso
- 经典微粒群算法MATLAB程序，通过修改w值使得微粒群搜索在全局搜索与局部搜索之间达到一个较好的平衡-Classical PSO MATLAB program, by modifying the value of w makes particle swarm search in the global search and local search to achieve a better balance between
GSOaHGSO(matlab)
- GSO算法及其改进，其中HGSO是通过与和声搜索算法结合而成，主要用于结构的截面优化、几何优化、动力优化、拓扑优化等，具有收敛速度快，收敛结果好的优点，且其改进算法能摆脱局部最优的缺陷。-GSO algorithm and its improvements, HGSO is through a combination of harmony search algorithm, mainly used to optimize the structure of the cross section, g
Hybrid-ES-Program
- 针对港口拖轮调度所设计的遗传混合局部搜索算法代码，优化拖轮调度方案，matlab语言编写-Port tugboats are designed for scheduling the genetic code hybrided with local search algorithm to optimize the scheduling program,written by Matlab
APOA
- 人工植物算法很不错的现代智能优化算法,具有搜索速度快，不易进入局部最优的特点。-APOA is a new opawm .
hundunpso
- 针对二维熵图像分割方法在求取最佳阈值时存在计算量大及微粒群算法容易陷 入局部最优且速度较慢等等问题, 提出了基于混沌粒子群优化算法的二维熵图像分割方法。 该方法考虑了图像中像素点灰度 邻域灰度均值对作为阈值对图像进行分割 利用混沌运 动随机性、遍历性和初值敏感性, 将混沌粒子群优化算法与阈值法相结合在二维空间作全局搜 索。实验结果表明了基于混沌粒子群优化算法的二维熵图像分割法用于阈值寻优减少了搜索 时间, 提高了收敛率
psoPconstrain
- 提出了一种新的算法结构,通过建立“局部环境因数”模型,利用集中式处理模式,动态 分配全局勘探和局部开采子种群比例,有效地实现分工目的,平衡算法的局部和全局搜索能力。将其 应用到两个不同类型的实际工程约束优化问题中进行验证,并与其他文献的改进算法进行了对比。 实验结果表明,该算法比其他改进算法在计算精度、效率、鲁棒性上都有很大的提高-Anewalgorithmarchitecturewasproposed. Inorder to adjust effectively the ratio
DE-phase-only-synthesis
- 运用差分进化算法实现一维线阵方向图优化，还包含了带有单纯形算法局部搜索的混合算法程序-One-dimensional linear array pattern optimization using differential evolution algorithm
Chaotic-Particle-Swarm-Optimization
- 混沌粒子群优化（CPSO, Chaos Particle Swarm Optimization）算法融合了PSO算法的快收敛和CO算法的遍历随机等特点，在PSO算法每一代挑选出的最优解附近的区域里，用混沌算法进一步搜索，防止其陷入局部最优值，从而改进了PSO算法的不足，成为一种高效的优化算法。-Chaotic Particle Swarm Optimization (CPSO, Chaos Particle Swarm Optimization) algorithm combines the f
gpso4.2-opt
- 基于遗传微粒群算法，对旅行商问题求解，采用2-opt进行局部搜索。GPSO4tsp-Genetic particle swarm algorithm for solving the traveling salesman problem, using 2-opt local search. GPSO4tsp
SAPSO
- 本程序介绍了一种改进的粒子群寻优算法；该算法可以更好的实现粒子群寻优过程中的全局搜索与局部搜索值间的平衡。从而寻得最优结果。-This program introduces an improved particle swarm optimization algorithm This algorithm can better realize the particle swarm optimization in the process of the balance between global se
The-Cuckoo-SearchThe-Cuckoo-Search
- 布谷鸟搜索(CS)算法是根据生物界中布谷鸟的寄生繁殖机理而提出的一种仿生智能优化算法，由于布谷鸟搜索算法具有优秀的全局搜索和局部搜索能力，并且控制参数少，收敛速度快-The Cuckoo Search (CS) algorithm is a bionic intelligent optimization algorithmbased on the mechanism of biological reproduction in parasitic cuckoo proposed. Dueto th
findPointNormals
- 基于kd-tree搜索算法，利用局部邻域的平面拟合，检测三维点云数据的法线方向- Estimates the normals of a sparse set of n 3d points by using a set of the closest neighbours to approximate a plane.
IABC
- 在求解函数优化问题时，为了提升人工蜂群算法局部搜索能力，提出了一种新颖的混沌蜂群算法。-in order to improve the ability of artificial bee colony algotithm at exploitation, a novel chaos-artificial bee colony algorithm is proposed for continuous function optimization problems.
POS_mod
- 改进的粒子群算法(PSO)MATLAB源程序m文件，在粒子群算法中引入克隆、选择算子寻求最优解。在同一粒子周围使用克隆选择算子进行多个方向的全局和局部搜索，促使种群中粒子快速进化，较快的得到局部最优和全局最优的位置-Improved particle swarm optimization algorithm (PSO) MATLAB source M files, in the particle swarm optimization algorithm to clone, the operat
算法
- floyd算法又称为插点法，是一种利用动态规划的思想寻找给定的加权图中多源点之间最短路径的算法，模拟退火算法是局部最优解能概率性地跳出并最终趋于全局最优，遗传算法是一种通过模拟自然进化过程搜索最优解的方法。(The Floyd algorithm is also known as the insertion point method, which is a multi weighted graph using the idea of dynamic programming for the giv
应用禁忌搜索算法解决0-1背包问题
- 利用禁忌搜索算法求解0-1背包问题。禁忌搜索算法相比其他搜索算法更优，设置藐视规则来避免陷入局部最优解。(Solve 0-1 Knapsack Problem based on Tabu search. The tabu search algorithm is superior to other search algorithms and sets contempt rules to avoid falling into local optimal solutions.)
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.)
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,并使得控制系统的性能指标达到最优,控制系统具有较好的鲁棒性。(