搜索资源列表
遗传退火进化算法（附源码）
- 对Matlab中的遗传算法工具箱进行改进而得到的遗传退火进化算法。可用于一般的最优化问题，求解无约束的或带有线性约束的连续函数的全局最小值。 首先对传统的遗传算法和模拟退火算法进行改进，然后将模拟退火算法引入了遗传算法，结合两种算法的优点，得到一种新的遗传退火进化算法。它不但实现了遗传算法的全局搜索能力与模拟退火算法的局部搜索能力的结合，同时可使改进后的模拟退火算法能够充分利用遗传算法所得的全局信息。经验证，改算法能使遗传算法避免产生早熟收敛，增强了算法的全局收敛性，而且加快了算法的收敛速
一种新的基于小生境的自适应遗传算法
- 针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢的问题 ,根据群体适应值的分布特点 ,启发性地提出了一种新的基于小生境的自适应遗传算法(ANGA) .
制粒子群算法的移动机器人路径规划
- [摘要】 由于用Pso进行机器人路径规划的研究尚局限于用连续模型规划连续描述的环境中的路径，使算法受到一定的局 限性．为此。研究了一种伞新的基于栅格法的机器人路径规划二进制粒子群算法．首先用栅格法描述机器人工作环境，在此基础 上，将机器人路径表示为粒子位置的二进制编码，并以路径长度为适应值，产生初始种群后，再对粒子佗置和速度进行更新，经 过多次迭代，即可获得从起始点到目标点的一条全局最优路径．该方法模型简单，算法复杂度低，收敛速度快，计算机仿真实验 证明『，该方法的有效性和先进性．
求解非线性方程组的混合人口迁移算法
- 摘要：针对变尺度法对初始值敏感和人口迁移算法容易陷入局部极值的缺陷，结合变尺度法和人口迁移算 法各自的优点，提出了一种混合人口迁移算法，用来求解非线性方程组。该混合算法不仅发挥了人口迁移算 法强大的全局搜索能力，而且利用了变尺度法的局部精细搜索能力。实验结果表明，该算法不但以较高的精 度求出了各种非线性方程组的解，而且鲁棒性强，收敛速度快速，是一种解决非线性方程组问题的较好方法。
求解非线性方程组的BFGS差分进化算法
- 摘要：针对差分进化算法进化后期收敛缓慢和稳定性不强的缺陷，将BFGS算法插入差分进化算法当中，提出了一种BFGS差 分进化算法，用来求解非线性方程组。通过5 个非线性方程组和一个工程实例的实验，说明：算法收敛精度较高、收敛速度较快、 鲁棒性强、收敛成功率高，是一种较好的解决非线性方程组的方法。
求解药代动力学参数的混合人口迁移算法
- 摘要：针对传统方法优化药代动力学参数时精度不高的缺陷，将Hooke-Jeeves 算法与人口迁移算法有机融 合，使两者取长补短，既提高了算法的精度，又加快了算法的收敛速度。将混合人口迁移算法用于血管外给药 二室模型参数优化的实验之中，不仅比传统的残数法效果要好，而且比Hooke-Jeeves 算法或人口迁移算法更 优，精度更高。多次实验表明：算法具有良好的可靠性和稳定性，是一种较好的解决药代动力学参数的方法。
wavelet-neural-network-
- 介绍小波神经网络的基本原理。利用遗传算法来优化小波神经网络,达到提高逼近精度,简化网络结构,提高收敛速度的目的。通过实验将其与传统的小波神经网络进行比较,证实前者具有更优的网络结构,更高的逼近精度。-Introduce the basic principles of wavelet neural network. The use of genetic algorithms to optimize the wavelet neural network to improve the approxim
rateVSpercentage
- 神经网络系统 BP,MGFPROP,SAMGFPROP, QUICKPROP, SARPROP 解决XOR问题收敛速度和收敛率的图形比较(不同数量的weightfile和不同范围的weight range)-compare BP[0] MGFPROP[1] SAMGFPROP[2] QUICKPROP[3] SARPROP[4] to solve XOR problem
AFSA
- 人工鱼群算法是一种近年来提出的组合优化问题，该算法在收敛速度方面有明显的优势。并在现实的各个方面都已经开始应用。 -Artificial fish-swarm algorithm is a combinatorial optimization in recent years raised the issue in the convergence speed of the algorithm has an obvious advantage. And in reality, all aspec
GoodsAllocatingProblemwithMultiAimsbasedonTheHybri
- 多目标货物配装问题是一个复杂的组合优化问题，属于NP难问题，本文用混合粒子群算法求解多目标货物配装问题。混合粒子群算法在基本粒子群算法的基础上，通过引进遗传算法中的交叉和变异的策略，避免了陷入局部最优，加快了达到全局最优的收敛速度。此外，本文提出用权重系数来平衡各目标使各目标都能达到相对较优的效果。-Multi-objective loading of goods is a complicated combinatorial optimization problems are NP hard p
bbbb
- 摘 要:提出一种新的基于Pareto多目标进化免疫算法(PMEIA)。算法在每一代进化群体中选取最优非支配抗体保存到记忆细胞文档中 同时引入Parzen窗估计法计算记忆细胞的熵值,根据熵值对记忆细胞文档进行动更新,使算法向着理想Pareto最优边界搜索。此外,算法基于点在目标空间分况进行克隆选择,有利于得到分布较广的Pareto最优边界,且加快了收敛速度。与已有算法相比, PMEIA在收敛性、多样性,以及解的分布性方面都得到很好的提高。-Abstract:This paperproposed a
txt2
- 智能天线的自适应算法通过迭代运算获取用于波束形成的最优权值矢量时,是否具有较快的收敛速度和较小的稳态误差成为决定波束形成性能的主要因素.据此提出在传统的LMS算法中引入变步长和变换域的思想,采用改进的自适应算法用于波束形成.MATLAB仿真结果表明,该算法具有较快的收敛速度和较小的稳态误差,波束形成的性能更优.-lms
1223345
- 摘要：人口迁移算法模拟了人口随经济中心而转移和随人口压力增加而扩散的机制。主要针对该算法提出了一种改进的人口迁 移算法。该改进算法通过引入高斯变异算子和最速下降算子来改善人口迁移算法的收敛速度和全局收敛性，并对其收敛性进行了 证明。通过对函数的数值实验测试结果表明，改进的人口迁移算法的全局寻优能力和收敛速度较人口迁移算法均有所提高。 -Abstract: The migration algorithm simulation with the economic centers of p
xinhaojiance
- 几种 MIMO 最大似然检测算法性能与复杂度比较及改进，介绍了半定松弛、分枝定界和堆栈三种低复杂度最大似然检测算法，并对其性能和复杂度进行了仿真分析，提出了改进的分枝定界和堆栈算法，仿真结果证明分枝定界和堆栈算法性能要优于半定松弛算法，分枝定界算法的复杂度低于堆栈算法且半定松弛算法以多项式复杂度取得了逼近最大似然的性能，同时改进算法加快了算法收敛速度，降低了计算复杂度和对存储空间的要求。 -Several maximum likelihood MIMO detection algorithm
trajectory-optimization
- 针对登月舱上升段轨迹优化问题，建立上升舱动力学模型，用无量纲技术建立最优控制模型；以燃料消耗最优为指标，利用Pontrjagin极小值原理，将问题转化为时间自由的两点边值问题(TPBVP)。采用一种基于初值猜测方法和向前扫描法求解TPBVP，得到最优上升轨迹。仿真结果表明：此方法收敛速度快、可靠性高，为月面返回实际应用提供一定的参考。-According to the problem of trajectory optimization for the lunar module in ascen
6
- 水下目标被动跟踪系统中建模和滤波算法，解决跟踪精度低、收敛速度慢的问题-Underwater passive target tracking system modeling and filtering algorithm to solve the tracking accuracy is low, the slow convergence problem
362465378
- 工程应用中的多峰寻优问题要求搜索目标函数的多个极值点，现有的多峰优化方法难以直接利用应用 问题的先验知识引导算法过程，多峰寻优效率较低。基于粒子群优化算法设计一种面向应用的多峰寻优算法， 能有效利用易于获得的先验参数，如峰间分辨率、峰位置精度、峰值个数等实现快速多峰搜索。该算法保持了粒 子群算法的简单性并改善了搜索多样性，使其可控地收敛到多个峰值上。将该算法与几种典型的多峰寻优方法 进行了对比测试和分析，结果表明，对复杂多峰函数，该算法能以最快的收敛速度实现多峰搜索-Mu
linxin
- 针对量子粒子群优化算法在处理高维复杂函数时存在的收敛速度慢、易陷入局部极小等问题，提出了混沌量子粒子群优化算法。-Abstract：Using quantum-behaved particle swarmoptimization (QPSO) to handle complex functions with high-dimension has the problems of low convergence speed and sensitivity to local convergence
dsaddsafds
- PID控制器的性能取决于其控制参数的组合，针对其参数的整定和优化问题，提出了应用一种改进的粒子群优化算法，该 算法借鉴了遗传算法的杂交机制，并采用惯性权值的非线性递减策略。用以加速算法的收敛速度和提高粒子的搜索能力。将该算 法应用于一个二阶系统的PID控制器参数的优化。仿真结果表明该改进的粒子群算法具有比传统粒子群算法和遗传算法更好的 优化效果，具有一定的工程应用前景。-Abstract：PID controller’s performance completely depends
111
- 人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。-English