您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于粒子群算法求解多目标优化问题

  2. 粒子群优化算法自提出以来,由于其容易理解、易于实现,所以发展很快,在很多领域得到了应用9通过对粒子 群算法全局极值和个体极值选取方式的改进,提出了一种用于求解多目标优化问题的算法,实现了对多目标优化问题的非劣最优解集的搜索,实验结果证明了算法的有效性。
  3. 所属分类:其它

  1. 新的粒子群优化算法.pdf

  2. 粒子群优化( PSO: Particle Swarm Op timization) 算法是一种有效的全局优化技术。对于PSO算法, 很容 易陷入局部极值。针对上述缺点, 提出了两点改进: 对基本PSO算法的速度更新公式中的全局极值给出新的 定义, 以使粒子群体保持多样性; 适当地缩放适应值, 与随机规则共同决定某个粒子作为速度公式中的全局 极值。改进的两点用于PSO算法后期, 形成新的PSO算法(NPSO: New PSO) 。NPSO能有效地改善算法, 具 有摆脱局部极值的能力。在给定的条件
  3. 所属分类:其它

    • 发布日期:2010-10-16
    • 文件大小:246784
    • 提供者:mumulinlin2008
  1. 一种求解高维约束优化问题的γ—PSO算法

  2. 一种求解高维约束优化问题的γ—PSO算法 PSO算法,约束优化问题,适应度函数,全局极值,局部极值
  3. 所属分类:C/C++

    • 发布日期:2012-03-06
    • 文件大小:372736
    • 提供者:marx1986
  1. 粒子群优化算法源码下载

  2. 求解最优化问题一直是遗传算法的经典应用领域,但是对于不同的最优化问题,遗传算法往往要重新设计“交叉”、“变异”算子,甚至要开发新的进化操作;另外遗传算法不容易理解、操作复杂、大多数情况下效率比较低。所以,寻求新的解决最优问题的算法一直是研究热点。对约束优化问题的求解,已有许多算法被提出。传统的方法有梯度映射法、梯度下降法、惩罚函数法、障碍函数法等,但是单纯使用这些方法不是效率很低就是适用范围有限。而进化计算由于其求解过程不依赖于目标函数的解析性质,同时又能以较大的概率收敛于全局最优解,所以用进
  3. 所属分类:其它

    • 发布日期:2012-12-30
    • 文件大小:86
    • 提供者:checkpaper
  1. 粒子群无约束寻找全局最优化方法

  2. 多极值点函数,包含有多个极小值点,要找到全局最小值点。属于无约束条件静态随机搜索最优化问题,有详细注解说明。 More extreme value point function, contains multiple minimum points, to find the global minimum point. Static random search optimization problem belongs to the unconstrained conditions, there ar
  3. 所属分类:其它

    • 发布日期:2013-12-12
    • 文件大小:3072
    • 提供者:zhengyi_super
  1. Maple全局优化应用.pdf

  2. Maple全局优化应用.优化(optimization)的目标是从一组可能的答案中发现问题的最佳解。答案通过使用一个或多个问题变量的实际值目标函数(objective function)进行对比。可能的集合(feasible set ) 由约束条件(constraints)决定,约束条件通常是关于问题变量的不等式或方程(组)。数学意义上,目的是发现目标函数的最大值(maximizes)或最小值(minimizes )、同时满足( satisfying)约束条件的点,这个点称为极值(extrem
  3. 所属分类:教育

    • 发布日期:2014-12-25
    • 文件大小:2097152
    • 提供者:teyqsz
  1. 粒子群算法java代码

  2. 粒子群优化代码java粒子群算法简称PSO,它的基本思想是模拟鸟群的捕食行为。设想这样一个场景:一群鸟在随机搜索食物。在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。 PSO从这种模型中得到启示并用于解决优化问题。PSO中,每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitness value),每个粒子还有
  3. 所属分类:其它

    • 发布日期:2017-11-26
    • 文件大小:5120
    • 提供者:qq_33206961
  1. PSO算法的最大熵阈值图像分割

  2. 图像分割是目标识别的首要和关键步骤。目前的图像分割方法有多种, 其中阈值方法优点比较突出, 但是采用阈值方法分 割的关键是要能高效率地找到被分图像的最佳熵阈值。针对这一问题, 将Geese- LDW- PSO 算法的位置更新公式作了改进, 即用 当前种群的全局极值取代所有粒子的当前位置, 并将之用于熵阈值图像分割中。仿真实验表明, 该算法可以快速稳定地获得一幅 图像的最佳分割阈值。仿真结果显示, 该方法对车牌分割具有较好的性能。 专业论文,为广大做毕设同学提供资源
  3. 所属分类:其它

    • 发布日期:2009-04-07
    • 文件大小:153600
    • 提供者:u014708477
  1. 基于人工鱼群算法的多目标分布式配电网重构研究

  2. 配电网重构是优化配电网络的主要措施,是指在满足支路载流、电压等约束条件下,决策联络开关或分段开关的状态,寻求最佳的辐射网络结构,使网损最小或以最优方式恢复供电。配电网络重构在数学上是一个多目标非线性混合优化问题,基于人工鱼群算法研究配电网重构,解决多目标投资组合问题,对并网后的配电网优化运行管理具有重要的理论意义和实际意义: 1、 首先求出多目标优化问题的Pareto最优解集,然后根据具体要求从Pareto最优解集中选出一个或几个解作为最终的方案。这种后评价方法相比先评价方法具有能得到优化问题
  3. 所属分类:其它

    • 发布日期:2018-10-13
    • 文件大小:3145728
    • 提供者:programmer0000
  1. 提供一个Matlab的BP神经网络的基础资料-附件2.txt

  2. 提供一个Matlab的BP神经网络的基础资料-附件2.txt 第一节内容:包括神经网络的基础知识,BP网络的特点,bp主要应用的场合,使用时应注意的问题。 什么是神经网络? 神经网络是由很多神经元组成的,首先我们看一下,什么是神经元 3962604722133983950.jpg 上面这个图表示的就是一个神经元,我们不管其它书上说的那些什么树突,轴突的。用个比较粗浅的解释,可能不太全面科学,但对初学者很容易理解: 1、我们把输入信号看成你在matlab中需要输入的数据,输进去神经网络后 2、这
  3. 所属分类:其它

    • 发布日期:2019-08-13
    • 文件大小:6144
    • 提供者:weixin_39841882
  1. 基于自适应粒子群优化算法的波阻抗反演方法

  2. 针对地震勘探资料依赖线性优化方法进行波阻抗反演不易得到全局极值的问题,提出一种改进的粒子群优化算法—自适应粒子群优化算法进行波阻抗反演。自适应粒子群优化算法是以群智能优化理论为基础,通过3种可能移动方向的带权值组合进行全局寻优。该方法搜索速度较快,且具有较强的全局寻优能力。通过函数测试和波阻抗反演的应用,结果表明,自适应粒子群优化算法是一种适应能力较强的全局优化算法,用该方法进行波阻抗反演是可行有效的。
  3. 所属分类:其它

    • 发布日期:2020-05-10
    • 文件大小:218112
    • 提供者:weixin_38526225
  1. 求解广义瑞利商的极值问题,包括局部最优值和全局最优值的论证

  2. Given symmetric matrices B,D ∈ R n×n and a symmetric positive definite matrix W ∈ R n×n , maximizingthe sum of the Rayleighquotientx ? Dx andthe gener- alized Rayleigh quotient x ? Bx x ? Wx on the unit sphere not only is of mathematical interest in
  3. 所属分类:电信

    • 发布日期:2020-04-25
    • 文件大小:2097152
    • 提供者:qq_31890917
  1. C极值化的几何对偶

  2. 我们分别考虑IIB型和D = 11超重力的超对称AdS3×Y 7和AdS2×Y 9解,它们在二维上与具有(0,2)超对称的SCFT在全息上是双对偶的,并且N $$ \ mathcal {N} $ $ =一维2超对称。 可以定义为n≥3的Y 2n + 1几何与Sasaki-Einstein几何具有许多相似之处,包括存在典型的R对称Killing向量,但也存在一些关键差异。 我们表明,可以通过对仅依赖于某些全局拓扑数据的函数进行极端化来确定R-对称杀死向量。 特别是,假设存在,对于n = 3,无需
  3. 所属分类:其它

    • 发布日期:2020-04-23
    • 文件大小:1048576
    • 提供者:weixin_38717450
  1. 贝蒂(Betti)多重峰,跨维度流和C极值化

  2. 我们考虑4d N $$ \ mathcal {N} $$ = 1 SCFT,在拓扑上扭曲在紧凑的恒定曲率Riemann表面上,从而产生2d N $$ \ mathcal {N} $$ =(0,2)SCFT。 这些2d SCFT的精确R电流使中心电荷c 2 d极值化,类似于4d图片,其中精确R电流使中心电荷a 4 d最大化。 有些全局电流在4d中不与R电流混合,但在2d中它们的混合变得不平凡。 在本文中,我们通过分析一个带有1个Betti矢量多重峰的T 1,1的5d N $$ \ mathcal
  3. 所属分类:其它

    • 发布日期:2020-04-06
    • 文件大小:625664
    • 提供者:weixin_38705640
  1. 基于粒子群算法的细菌觅食全局优化算法

  2. 基于粒子群算法的细菌觅食全局优化算法,刘小龙,李荣钧,针对细菌觅食算法在优化过程中,环境感知能力较弱且容易陷入局部极值的缺陷,将粒子群算法的基本思想引入细菌觅食算法中,改进原
  3. 所属分类:其它

    • 发布日期:2020-01-16
    • 文件大小:268288
    • 提供者:weixin_38689055
  1. 机器学习中的最优化算法总结

  2. 机器学习中的最优化算法总结下图给出了这些算法的分类与它们之间的关系: 接下来我们将按照这张图来展开进行讲解。 费马定理 对于一个可导函数,寻找其极值的统一做法是寻找导数为0的点,即费马定理。微积分中的 这一定理指出,对于可导函数,在极值点处导数必定为0: 对于多元函数,则是梯度为0 导数为0的点称为驻点。需要注意的是,导数为0只是函数取得极值的必要条件而不是充分条 件,它只是疑似极值点。是不是极值,是极大值还是极小值,还需要看更高阶导数。对于 元函数,假设x是驻点 如果 (x)>0,则在该
  3. 所属分类:机器学习

    • 发布日期:2019-07-02
    • 文件大小:570368
    • 提供者:abacaba
  1. PSO粒子群算法求解函数优化问题

  2. 本项目采用VS2015编写了PSO粒子群优化算法的C++控制台应用程序,用来解决函数优化问题,主要通过初始化粒子群(随机均匀分布)、更新粒子速度和位置和根据粒子适应值来更新个体历史极值、全局极值(全局邻域拓扑)三个步骤来完成算法的迭代。
  3. 所属分类:互联网

    • 发布日期:2020-09-24
    • 文件大小:2097152
    • 提供者:jing_zhong
  1. 多层光学薄膜模拟退火算法的研究

  2. 多层光学薄膜系统的评价函数是复杂的非线性多峰函数,传统数值计算方法在不知评价函数性态的情况下,计算全局极值很困难,且计算不稳定,效率比较低。模拟退火算法运行效率高,较少受初始解的限制,在接受优化解的同时接受部分较差的解,容易得到全局极值。对一般模拟退火算法进行了改进,增加了加温和记忆模块,使算法能够更加合理地选择控制参数的初始值和记住搜索过程中遇到过的最好结果,提高了算法跳出局部最优“陷阱”的能力。采用改进后的模拟退火算法设计的红外增透膜、中性分光镜和 10.4 μm长波通滤光片,目标函数值分别
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:2097152
    • 提供者:weixin_38640072
  1.  一种求解多目标优化问题的粒子群算法的研究

  2. 为改善多目标粒子群算法的收敛性和多样性,通过对粒子群算法全局极值和个体极值选取方式的研究,采用随机选取和评估选取相结合的方法选取全局极值和个体极值,提出了一种可用于解决多目标优化问题的粒子群优化算法,从而实现了对多目标优化问题的非劣最优解集的搜索,仿真实验结果证明算法是有效的。
  3. 所属分类:其它

    • 发布日期:2021-01-30
    • 文件大小:915456
    • 提供者:weixin_38730821
  1. 使用Python实现牛顿法求极值

  2. 对于一个多元函数 用牛顿法求其极小值的迭代格式为 其中 为函数 的梯度向量, 为函数 的Hesse(Hessian)矩阵。 上述牛顿法不是全局收敛的。为此可以引入阻尼牛顿法(又称带步长的牛顿法)。 我们知道,求极值的一般迭代格式为 其中 为搜索步长, 为搜索方向(注意所有的迭代格式都是先计算搜索方向,再计算搜索步长,如同瞎子下山一样,先找到哪个方向可行下降,再决定下几步)。 取下降方向 即得阻尼牛顿法,只不过搜索步长 不确定,需要用线性搜索技术确定一个较优的值,比如精确线性搜
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:117760
    • 提供者:weixin_38623442
« 12 3 4 5 »