您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. TSP的各种算法(遗传、蚁群,禁忌搜索,模拟退火)

  2. 解决TSP的各种算法(遗传、蚁群,禁忌搜索,模拟退火等等)
  3. 所属分类:其它

    • 发布日期:2010-06-28
    • 文件大小:13312
    • 提供者:yugentle
  1. 现代优化算法pdf资料

  2. 现代优化算法是80 年代初兴起的启发式算法。这些算法包括禁忌搜索(tabu search),模拟退火(simulated annealing),遗传算法(genetic algorithms),人工神经网 络(neural networks)。它们主要用于解决大量的实际应用问题。目前,这些算法在理论 和实际应用方面得到了较大的发展。无论这些算法是怎样产生的,它们有一个共同的目 标-求NP-hard 组合优化问题的全局最优解。虽然有这些目标,但NP-hard 理论限制它 们只能以启发式的算法去求
  3. 所属分类:其它

    • 发布日期:2010-10-05
    • 文件大小:264192
    • 提供者:fallen_cliff
  1. 禁忌搜索算法(禁忌算法)+蚁群算法

  2. 禁忌搜索算法+蚁群算法,两种算法的融合解决矩形排样
  3. 所属分类:C#

    • 发布日期:2011-04-27
    • 文件大小:48128
    • 提供者:daisiming
  1. 现代优化计算方法(第2版)

  2. 书中讨论现代优化计算方法,包括禁忌搜索算法、模拟退火算法、遗传算法、蚁群优化算法和人工神经网络算法等。这些算法借助现代计算机作为工具,对发展的组合优化问题的求解具有普遍使用性。
  3. 所属分类:专业指导

    • 发布日期:2014-01-12
    • 文件大小:10485760
    • 提供者:u011931299
  1. 多目标智能优化算法及其应用(雷德明、严新平)

  2. 主要就是进化算法、粒子群算法、禁忌搜索、分散搜索、模拟退火、人工免疫系统和蚁群算法等。
  3. 所属分类:讲义

    • 发布日期:2015-07-30
    • 文件大小:29360128
    • 提供者:stringnewneu
  1. 智能优化算法matlab实现(附有详细注释)

  2. 内含附有详细代码注释的进化算法(遗传算法、差分进化算法、免疫算法)、群智能算法(蚁群算法、粒子群算法)、禁忌搜索算法、模拟退火算法、神经网络算法的MATLAB实现。以及用以上算法进行TSP问题、背包问题、函数极值问题的求解。
  3. 所属分类:深度学习

    • 发布日期:2018-08-21
    • 文件大小:81920
    • 提供者:weixin_39341516
  1. 结合蚁群算法和禁忌搜索算法的混合优化算法.pdf

  2. 针对元件的抓取路径规划问题,提出一种以最小化时间为目的,结合蚁群算法和禁忌搜索算法的混合优化算法。首先,将基于机器视觉抓取元件的问题确定为有约束的旅行商问题(TSP);然后,分析了元件大小和抓取放置过程对于路径规划的综合影响,对路径选择概率和禁忌域进行了适应性改进;其次,一方面引入了2-opt局部优化以及信息素惩罚、奖励机制以改善蚂蚁的搜索能力,另一方面对信息挥发因子作适应性改进以提高蚂蚁的自适应能力;最后,针对基本算法和改进的混合优化算法,仿真实验和平台实验分别进行了性能指标和抓取时间的对比
  3. 所属分类:其它

    • 发布日期:2019-07-23
    • 文件大小:893952
    • 提供者:weixin_39841856
  1. 第六章遗传算法.ppt

  2. 爬山法的基本思想,循环地向更优的方向持续移动,算法在到达一个“峰顶”时终止,此时相邻状态中没有比该“峰顶”更高的值。 模拟退火算法的基本思想,模拟退火算法和爬山法一样,也是一种迭代寻优算法,模拟退火算法以一定的概率来接受一个比当前解要差的解,因此有可能会跳出这个局部的最优解,达到全局的最优解。 禁忌搜索最重要的思想是标记对应已搜索的局部最优解的一些对象,并在进一步的迭代搜索中尽量避开这些对象(而不是绝对禁止循环) 蚁群算法的基本思想,某一条路径上走过的蚂蚁越多,释放的信息素越多,后来者选择该路径
  3. 所属分类:深度学习

    • 发布日期:2020-12-13
    • 文件大小:2097152
    • 提供者:qq_44631615
  1. 基于分层划分的机器人割草机路径规划的双重启发式优化

  2. 覆盖路径规划是割草机的重要问题之一,这给我们的生活带来了极大的便利。 本文采用分层划分策略来完成机器人的环境建模,并采用双重启发式优化算法来规划最优覆盖路径。 蚁群优化(ACO)用于上层的全局路径规划,禁忌搜索(TS)用于下层的局部覆盖范围规划。 最后进行了仿真实验,结果表明该方法获得了满意的覆盖路径规划。
  3. 所属分类:其它

    • 发布日期:2021-02-26
    • 文件大小:191488
    • 提供者:weixin_38690739
  1. GTSP_Heuristics:使用多种基本启发式算法(模拟反相,禁忌搜索,遗传算法与蚁群算法)可以生成广义旅行商(广义TSPGTSP)问题-源码

  2. 简单说明 使用多种基本启发式算法替代广义TSP问题。 所谓广义TSP,即一些城市可能卖的是同一类商品,在买这类商品时仅走这些城市其中一个即可。 目录: 图片-只是一些结果图片 代码** extendTSP.py 用于随机生成广义TSP实例,并提供一些通用函数(如生成广义TSP实例,生成距离等) SA.py模拟退火 tabu.py禁忌搜索 Genetic.py遗传算法 ACO.py蚁群算法 依赖:matplotlib + numpy,python3 可以通过extendTSP.py中的ext
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:292864
    • 提供者:weixin_42129970