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]！  

搜索资源列表

  1. matlab 遗传算法GA，粒子群算法PSO,蚁群算法AS

  2. matlab 遗传算法GA，粒子群算法PSO,蚁群算法AS 前段时间上智能计算方法实验课上，自己做的程序。帖到这里，希望有人能改进它们，交流经验这样更有价值。 遗传算法解决最小生成树问题，PURFER编码。 粒子群算法做无约束最优化问题。 蚁群算法解决TSP问题。 如果有宝贵经验希望能交流一下，谢谢，呵呵

  3. 所属分类：其它

    • 发布日期：2009-11-12
    • 文件大小：14336
    • 提供者：ken1983414

  1. 实验四约束问题实验群_人工智能

  2. 这是蔡自兴的人工智能第四个实验，实验四约束问题实验群_人工智能

  3. 所属分类：专业指导

    • 发布日期：2011-11-03
    • 文件大小：43008
    • 提供者：leehomwanglj

  1. matlab 遗传算法GA，粒子群算法PSO,蚁群算法AS

  2. matlab 遗传算法GA，粒子群算法PSO,蚁群算法AS 前段时间上智能计算方法实验课上，自己做的程序。帖到这里，希望有人能改进它们，交流经验这样更有价值。 遗传算法解决最小生成树问题，PURFER编码。 粒子群算法做无约束最优化问题。 蚁群算法解决TSP问题。 如果有宝贵经验希望能交流一下，谢谢，呵呵

  3. 所属分类：其它

    • 发布日期：2012-05-07
    • 文件大小：14336
    • 提供者：aspireto

  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. 人工智能实验Java包

  2. Java包的人工智能实验环境.包括一些人工智能算法模拟实验. 实验列表: 实验一 产生式系统实验群 实验二 搜索策略实验群 实验三 爬山问题实验群 实验四 约束问题实验群 实验五 决策树实验群 实验六 贝叶斯网络实验群 实验七 神经网络实验群 实验八 自动规划实验群 实验九 机器人导航实验群

  3. 所属分类：网络基础

    • 发布日期：2008-11-18
    • 文件大小：3145728
    • 提供者：cjry_8854

  1. 一种新的交叉粒子群算法及其应用

  2. 粒子群算法是基于群集智能、受到人工生命研究结果的启发而提出的一种现 代优化方法。作为一类随机全局优化技术，与传统优化方法相比较，对目标函数 的解析性质要求不高，所以常用于解决一些复杂的、大规模的、非线性、不可微 的优化问题，近年来受到学术界的广泛重视。 本文介绍了标准粒子群算法和几种改进粒子群算法，在利用标准粒子群算法 优点的同时，进行了一些改进，例如：在位置更新方程中设置动力参数以限制粒 子在搜索区域内、采用减弱速度更新的策略减少速度更新的次数等。在此基础上 提出一种新的交叉粒子群算法，该算

  3. 所属分类：其它

    • 发布日期：2009-04-07
    • 文件大小：2097152
    • 提供者：u012803624

  1. PSO混合DE算法求解约束优化问题

  2. 出了一个全新的混合算法并命名为微粒群差分算法，该算法在标准微粒群算法的基础上结合了差分进化算法用于求解约束的数值和工程优化问题。传统的标准微粒群算法由于其种群单一性容易陷入局部最优值，针对这一缺点利用差分进化算法中的变异、交叉、选择3个算子来更新每次迭代每个粒子新生产的位置以使粒子跳出局部优值。融合了标准微粒群算法和差分进化算法优点的混合算法加速了粒子的收敛速度。为了避免惩罚因子的选择对实验结果的影响，采取了可行规则法来处理约束优化问题。最后将微粒群差分算法用于5个基准函数和两个工程问题，并与其

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：869376
    • 提供者：weixin_38547397

  1. 电动汽车网络中基于智能电池转移管理的车辆路径问题

  2. 电池转移管理是电动汽车（EV）网络的智能运营管理系统的重要方面之一。 电池转移是一种特殊且复杂得多的VRP（车辆路由问题），它考虑了多个约束条件，例如动态多站，时间窗口，同时提货和交付，距离最小化等。 我们将其称为VRPEVB（带有EV电池的VRP）。 本文基于电动汽车电池电量的智能管理模型，提出了一种用于电动汽车网络的电池传输算法，该算法考虑了动态变化的交通拥堵，并采用了改进的蚁群算法。 通过设置合理的tabv范围，信息素的特殊更新规则和路径列表存储功能，该算法可以具有更好的收敛性，并且通过在

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：2097152
    • 提供者：weixin_38563525

  1. 危险理论启发了针对概率约束编程的微种群免疫优化

  2. 在探讨了基于免疫学中危险理论的自适应采样微免疫优化方法之后，这项工作解决了一种通用的单目标概率约束编程问题，该编程没有任何事先的随机分布信息。 在整个算法的设计中，根据样本的约束方式和客观评估的方案，将当前种群根据个体优势的版本分为未感染，易感和感染亚人群。 那些未感染和易感的亚群增殖其克隆并以较小的可变突变率进行适应性突变，而被感染的亚群以较大且可变的突变率直接参与突变。 同时设计了两种突变策略，以及针对个体的生命周期版本，以沿不同方向进化这些亚种群，从而探索出这些多样化且高质量的解决方案。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_38596117

  1. 基于约束粒子群优化的海底地形辅助惯性导航定位方法

  2. 针对水下自主航行器长时间航行后惯性导航系统位置误差积累的问题，提出一种关于约束粒子群优化的海底地形辅助惯性导航定位方法。通过在等值域内进行粒子群初始化，改善粒子“早熟”问题。采用惯性导航和水深测量序列计算相邻测量点水平距离、航迹水平转向角和水深变化量三个匹配参数，同时利用待匹配航迹上的粒子群计算以上三个参数，将航迹水平转向角和水深变化量转换为各自等效的水平相对距离，最后采用对应于相同匹配参数的等效水平相对距离的平均绝对差之和构建适应度函数，采用约束粒子群优化进行地形匹配，辅助惯导系统准确定位。通

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_38693657

  1. 约束蚂蚁聚类算法

  2. 通过对真实世界蚁群的模拟仿真,提出一种基于随机游走的约束蚂蚁聚类算法来处理以must-link和can-not-link形式出现的约束聚类问题.在人工数据集和UCI标准数据集上的实验结果表明我们的算法优于无监督的蚁群聚类算法和COP-Kmeans算法.

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：474112
    • 提供者：weixin_38733597

  1. 一种改进蚁群算法研究和旅游景区路径规划问题求解

  2. 针对旅游景区路径规划问题的复杂性,将景区路径分为全景区图和子景区图,并归为同一问题解决。提出一种改进蚁群算法,设计繁殖蚂蚁、视觉蚂蚁和普通蚂蚁,各类蚂蚁按各自规则遍历;蚂蚁遍历完所有景点,求出最佳行程MIN,并根据约束条件对符合要求的路径上的信息素进行更新;再结合模拟退火算法,在每个状态对蚁群行程进行舍取,重复迭代,最终获得全局最优解。仿真实验结果表明,该方法在景区路径规划中表现出良好的稳定性和高效性。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：363520
    • 提供者：weixin_38653040

  1. 粒子群算法求解Web服务组合中基于QoS的服务选择

  2. 针对现有web服务组合中服务选择技术的不足,提出了一种基于粒子群优化算法的多目标优化策略,用于解决web服务组合中基于服务质量(QoS)的服务选择全局最优化问题.将web服务选择全局最优化问题转化为一个带QoS约束的多目标服务组合优化问题,利用多目标粒子群算法的智能优化原理,通过同时优化多个QoS参数,最终产生一组满足约束条件的Pareto最优解.实验结果证明了该算法的可行性和有效性.

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：259072
    • 提供者：weixin_38575536

  1. 基于粒子群优化的退火粒子滤波器用于关节三维人体运动跟踪

  2. 由于高维参数空间和较差的图像观察，三维铰接式人体运动跟踪具有挑战性。 当使用粒子群优化（PSO）进行人体运动跟踪时，由于不可靠的图像可能性，粒子可能会被误导并且无法找到最合理的姿势空间。 本文提出了一种新的基于PSO的人体运动跟踪算法，即基于PSO的退火粒子滤波器（APSOPF）。 采样协方差和退火因子被合并到PSO的速度更新方程中。 它们会在PSO迭代开始时以适当的值进行初始化，并以合理的步骤降低（退火）。 通过采样协方差，将运动先验引入到APSOPF中，将粒子约束到姿势空间的最可能区域，并减

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_38722464

  1. 一种带禁忌搜索的粒子并行子群最小约简算法

  2. 为了提高基于群体智能的粗糙集最小属性约简算法的求解质量和计算效率,提出一个结合长期记忆禁忌搜索方法的粒子群并行子群优化算法.并行的各子群不仅具有禁忌约束,而且包含多样性和增强性策略.由于并行的子群共同陷入局部最优的概率小于一个粒子群陷入局部最优的概率,该算法可提高获得全局最优的可能性,并减少受初始粒子群体的影响.多个UC I数据集的实验计算表明,提出的算法相对于其他的属性约简算法具有更高的概率搜索到最小粗糙集约简.因此所提出的算法用于求解最小属性约简问题是可行和较为有效的.

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：917504
    • 提供者：weixin_38612568

  1. 基于微粒群算法的网格工作流优化调度问题的研究

  2. 网格工作流中的调度问题是一个复杂且具有挑战性的问题,它影响着网格工作流执行成功与否及效率的高低。针对具有时序和因果约束关系的网格工作流优化调度问题进行了研究,建立了网格工作流的任务调度模型和调度问题的目标模型,并应用微粒群算法来优化网格工作流中任务的调度。实验结果证明该算法优于传统的调度算法。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：336896
    • 提供者：weixin_38692202

  1. 基于RANSAC-LSSVM回归的惯性约束聚变光学元件损伤在线检测技术

  2. 针对惯性约束聚变(ICF)光学元件损伤问题，提出了一种基于随机抽样一致性(RANSAC)及最小二乘支持向量机(LSSVM)回归的高精度检测方法。建立了损伤区域总灰度与实际尺寸的回归模型，通过该回归模型对待检测损伤区域的尺寸进行预测，得到损伤区域的高精度尺寸。为剔除回归模型建立过程中离群样本点的影响，采用RANSAC方法对训练样本进行优化选择。针对抽样组中样本数对检测精度及检测效率的影响进行了相关实验，确定了抽样组中样本数的合适区间。RANSAC-LSSVM方法可通过改变误差评价函数得到不同评价体

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：1048576
    • 提供者：weixin_38696458

  1. SICA-SIFT和粒子群优化的图像匹配算法

  2. 针对目前使用较多的尺度不变特征转换算法在提取图像特征向量时因数量较多、维数较大造成匹配时计算量过高、匹配过程中约束条件过于单一、误匹配率较高等问题, 提出一种改进的匹配算法。针对特征描述的问题, 采用子模式独立成分分析法算法对特征向量进行降低维数处理, 减少了特征向量的数量和维数; 针对误匹配率较高的问题, 在约束条件中加入方向约束, 即通过特征向量的方向和欧氏距离进行两次匹配, 减小误配率; 在匹配时通过粒子群算法寻找函数的极值, 以减少该算法的时间消耗。实验对比结果表明, 改进的匹配算法有效

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_38699726

  1. 基于自适应混沌粒子群算法的推力分配研究

  2. 随着海洋开发的日益频繁，人们对动力定位系统（Dynamic Positioning System DPS）的需求越来越大，推力分配作为动力定位中的关键问题，受到了广泛关注。针对这一现状，文中提出将自适应混沌粒子群（Adaptive Chaotic Particle Swarm Optimization，ACPSO）算法用于推力分配问题的研究，通过该算法对推力模型在能源消耗、艏向、推进器机械磨损、推进器最大推力几方面进行优化，约束中考虑推进器的推力区域，舵角变化率，主推螺距百分比等限制。实验仿真表

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：3145728
    • 提供者：weixin_38653691

  1. 基于小生境改进粒子群算法的几何约束求解 (EI检索)

  2. 几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：518144
    • 提供者：weixin_38631978
« 12 3 »