点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 粒子群算法求解函数最大值
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
PSO_function_max
用粒子群算法求解函数最大值,自己参考别人的程序写的,对初学者有一定的学习价值。
所属分类:
其它
发布日期:2010-05-04
文件大小:2048
提供者:
loveforeverlg
粒子群算法(详细的算法介绍讲解及代码)
二、粒子群算法的具体表述 上面罗嗦了半天,那些都是科研工作者写论文的语气,不过,PSO的历史就像上面说的那样。下面通俗的解释PSO算法。 PSO算法就是模拟一群鸟寻找食物的过程,每个鸟就是PSO中的粒子,也就是我们需要求解问题的可能解,这些鸟在寻找食物的过程中,不停改变自己在空中飞行的位置与速度。大家也可以观察一下,鸟群在寻找食物的过程中,开始鸟群比较分散,逐渐这些鸟就会聚成一群,这个群忽高忽低、忽左忽右,直到最后找到食物。这个过程我们转化为一个数学问题。寻找函数 y=1-cos(3*x)*e
所属分类:
其它
发布日期:2012-10-07
文件大小:504832
提供者:
love123i
遗传算法与粒子群算法的实现
本框架提供了有关粒子群算法(PSO)和遗传算法(GA)的完整实现,以及一套关于改进、应用、测试、结果输出的完整框架。 本框架对粒子群算法与遗传算法进行逻辑解耦,对其中的改进点予以封装,进行模块化,使用者可以采取自己对该模块的改进替换默认实现组成新的改进算法与已有算法进行对比试验。试验结果基于Excel文件输出,并可通过设定不同的迭代结束方式选择试验数据的输出方式,包括: 1. 输出随迭代次数变化的平均达优率数据(设定终止条件区间大于0)。 2. 输出随迭代次数变化的平均最优值数据(设定终止条件
所属分类:
其它
发布日期:2013-09-04
文件大小:1048576
提供者:
u011188353
粒子群算法求解BP神经网络参数
说明,这个matlab程序的目标是对BP神经网络中的神经元连接权和阈值构成的高维参数空间进行最优求解,试图用PSO算法求解神经网络中的参数,而不是用传统的误差反传算法。但由于经典粒子群算法存在局部最优的问题。该算法也存在同样的问题。该算法在迭代数较大时可以基本做到误差较大的函数拟合。但是通过该资源提供的图解和代码注释,用户可以很容易的学习到PSO算法的过程。至于如何突破局部最优,这个就有待各位PSO爱好者进行优化了。
所属分类:
其它
发布日期:2014-06-19
文件大小:595968
提供者:
bichao2000
粒子群优化算法求解函数最大值和最小值问题
用粒子群优化算法求解函数最大值和最小值问题,稍微更改一下即可求任意函数最值
所属分类:
C
发布日期:2016-11-09
文件大小:219136
提供者:
ideal_hc
粒子群优化算法的改进与应用
粒子群优化算法是在对鸟群捕食行为模拟的基础上提出的一种群 集智能算法,是进化计算领域中一个新的分支。它的主要特点是原理简 单、参数少、收敛速度较快、易于实现。因此,该算法一提出就吸引了 的广泛关注,逐渐成为一个新的研究热点。目前,粒子群优化算法应用 于神经网络的训练、函数优化、多目标优化等领域并取得了较好的效果, 有着广阔的应用前景。 论文的主要工作有 对粒子群优化算法的理论基础和研究现状作了简要的介绍,分 析了粒子群优化算法的原理及算法流程,对算法参数的选择做了详细的 研究,并进行了相应的仿
所属分类:
其它
发布日期:2009-04-07
文件大小:4194304
提供者:
chinhape
粒子群算法求解函数极值 matlab
最基本的粒子群优化算法 求二元二次函数最大值,matlab代码。
所属分类:
C/C++
发布日期:2018-11-24
文件大小:1024
提供者:
weixin_42914802
MATLAB官方粒子群算法工具箱
test-fun为定义的求解函数,test-funfun主函数调用MATLAB官方粒子群算法工具箱求解最大值
所属分类:
数据库
发布日期:2019-06-02
文件大小:1048576
提供者:
qq_41465620
粒子群算法PSO入门代码火经典案例求Ackley函数附-PSO.zip
粒子群算法PSO入门代码火经典案例求Ackley函数附-PSO.zip 本帖最后由 当当的花生 于 2016-7-30 20:09 编辑 回帖获得更多 粒子群算法 遗传算法前面有人讲了,我来讲讲PSO。 1)先看看百度百科解释: 粒子群算法,也称粒子群优化算法(Particle Swarm Optimization),缩写为 PSO, 是近年来由J. Kennedy和R. C. Eberhart等[1] 开发的一种新的进化算法。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
所属分类:
其它
发布日期:2019-08-12
文件大小:2048
提供者:
weixin_39840387
修正的Knothe沉陷预计模型及其参数研究
针对Knothe时间函数在动态预计过程中点位下沉速度的不足,提出了1种新的动态下沉模型——三参数Knothe时间函数,模型中增加了初始沉降速度参数b1、时间幂指参数b2和曲线形态参数b3,参数求解采用粒子群优化(PSO)算法。经实测数据验证,基于改进的三参数Knothe时间函数动态预计模型能够真实的反映地表下沉的动态过程,走向线在各个观测时期,实测值与预计值最大误差为5.02 cm,最小误差为0.1 mm,平均误差为1.19 cm,精度非常可靠并且满足开采工作需要。
所属分类:
其它
发布日期:2020-05-01
文件大小:1048576
提供者:
weixin_38680664
粒子群算法求解函数极值 matlab
粒子群算法 求函数最小值,matlab代码。链接是讲解粒子群算法 https://blog.csdn.net/zyqblog/article/details/80829043 。 我用ubuntu下matlab编写的代码,你在windows下可能有中文乱码,不过都是注释,你可以去博客链接中查看主要代码部分,不影响的
所属分类:
机器学习
发布日期:2020-04-27
文件大小:2048
提供者:
zhxkun
粒子群优化算法求解函数最大值和最小值问题
用粒子群优化算法求解函数最大值和最小值问题,稍微更改一下即可求任意函数最值 用粒子群优化算法求解函数最大值和最小值问题,稍微更改一下即可求任意函数最值
所属分类:
C
发布日期:2020-02-02
文件大小:218112
提供者:
arzha
基于模拟退火的花朵授粉优化算法
针对花朵授粉算法寻优精度低、收敛速度慢、易陷入局部极小的不足,提出一种把模拟退火(SA)融入到花朵授粉算法中的混合算法。该算法通过SA的概率突跳策略使其避免陷入局部最优,并利用SA的全域搜索的性能增强算法的全局寻优能力。通过6个标准测试函数进行测试,仿真结果表明,改进算法在4个测试函数中能够找到理论最优值,其收敛精度、收敛速度、鲁棒性均比基本的花朵授粉算法(FPA)、蝙蝠算法(BA)、粒子群优化(PSO)算法及改进的粒子群算法有较大的提高;同时,对非线性方程组问题进行求解的算例应用也验证了改进算
所属分类:
其它
发布日期:2021-03-02
文件大小:294912
提供者:
weixin_38640794
基于克隆多尺度协同开采的离散微粒群算法
提出一种克隆多尺度协同开采的离散微粒群算法.多尺度变异概率根据粒子适应值大小进行动态调节,在算法初期通过大尺度概率变异增加算法多样性,后期通过逐渐减小的小尺度变异提高算法在最优解附近的局部精确解搜索性能,对当前最优解进行克隆选择,可进一步增强算法逃出局部极小解的能力以及所求解的精度.将算法应用于5个benchmark函数优化问题并与其他算法比较,结果表明该算法不仅能增强全局解搜索性能,同时最优解的精度也有所提高.
所属分类:
其它
发布日期:2021-02-20
文件大小:529408
提供者:
weixin_38611230
粒子群算法求解最大值问题详解(附python代码)
文章目录粒子群算法(PSO)代码实现1、导入需要的库2、设置参数3、适应度函数4、初始化粒子群5、迭代更新粒子群 粒子群算法(PSO) PSO 通过模拟鸟群的捕食行为来求取最优解。 假设一群鸟在随机搜索食物。在这个区域里只有一块食物(对应着最优解)。所有的鸟都不知道食物的具体位置,但是它们可以判断自身与食物的大致距离,即通过 fit 值判断与最优解的距离。那么找到食物的最优策略就是搜寻目前离食物最近的鸟的周围区域。 PSO 中,问题的每个解都是搜索空间中的一只“鸟”。我们称之为“粒子”。所有的粒
所属分类:
其它
发布日期:2021-01-20
文件大小:60416
提供者:
weixin_38639471