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. 基于混沌搜索解决早熟收敛的混合粒子群算法

  2. 针对标准拉子群优化算法(PSO)在处理高维复杂函数时存在的收数速度慢、易陷入局部极小等问题，提出了新 的混合粒子群算法— 墓于混沌优化搜索解决早熟收数的杜子群算法。采用了基于群体适应值方差的早熟判断机制， 同时提出了一种缩小混沌搜索的变量空间范围的新方法，提高了搜索效率。基于典型高维复杂函数的数值实脸表明，混 合拉子群算法效率高、优化性能好、对初值具有很强的鲁棒性。尤其是，混合粒子群算法具有很强的避免局部极小能力， 其性能远远优于单一优化方法。

  3. 所属分类：其它

    • 发布日期：2010-05-06
    • 文件大小：350208
    • 提供者：xueyuejiye

  1. 自适应搜索空间的混沌蜂群算法

  2. 针对人工蜂群(ABC)算法的不足,以种群收敛程度为依据,结合混沌优化的思想,提出一种改进的人工 蜂群算法—自适应搜索空间的混沌蜂群算法( SA2CABC) 。其基本思想是在原搜索区域的基础上,根据每次寻优 的结果自适应地调整搜索空间,逐步缩小搜索区域,并利用混沌变量的内在随机性和遍历性跳出局部最优点,最 终获得最优解。基于六个标准测试函数的仿真结果表明, 本算法能有效地加快收敛速度,提高最优解的精度, 其性能明显优于基本ABC算法,尤其适合高维的复杂函数的寻优。

  3. 所属分类：其它

    • 发布日期：2010-10-11
    • 文件大小：585728
    • 提供者：s090061501

  1. 基于改进遗传算法的立体视觉系统标定

  2. 立体视觉系统的摄像机标定是一个多参数、非线性的复杂函数优化问题,传统优化方法很难解决。论文对标准遗传算法的编码方式进行了改进,经过改进后的遗传算法具有变量搜寻区间的自适应调整能力,在保持染色体编码长度不变的情况下,能同时满足变量搜索空间大小和编码精度的要求。利用改进了的遗传算法对双目视觉系统摄像机进行标定的结果表明,该算法能有效地实现高维寻优空间的近优解搜索。

  3. 所属分类：其它

    • 发布日期：2012-12-05
    • 文件大小：359424
    • 提供者：guoweiguoweiguo

  1. 采用属性聚类的高维子空间聚类算法_牛琨

  2. 为了解决现有子空间聚类算法时间复杂度偏高以及 对输入参数敏 感的问题, 提出了 一种基于 属性聚类方 法的高 效子空间聚类算法. 算法首先通过计算每个属性的基 尼值来过滤冗 余属性, 而后通过 基于二维 联合基尼值 的关系函数建立非冗余属性的关系矩阵, 以衡量任 意 2 个非 冗余属性的相 关度, 进而在关系 矩阵上应 用可产生交 叠的聚 类算法, 聚类结果即为所有兴趣度子空间的候选集合 , 最后调用聚类算法得到 所有存在于 这些子空 间内的簇.在人工数据集 和真实数据集上的实验表明, 新算法

  3. 所属分类：其它

    • 发布日期：2014-09-23
    • 文件大小：335872
    • 提供者：fanfan_121

  1. pso求解函数

  2. 利用PSO求解函数，构一个适合高维复杂函数惯性权重函数, 使粒子群算法寻优过程中的全局收搜能力和局部收搜能力良好平衡, 以达到快速收敛, 高效避免早熟问题, 获得最优解.

  3. 所属分类：C++

    • 发布日期：2014-12-24
    • 文件大小：399360
    • 提供者：wo1104970001

  1. 基于遗传粒子群算法的高维复杂函数优化方法.pdf

  2. 基于遗传粒子群算法的高维复杂函数优化方法基于遗传粒子群算法的高维复杂函数优化方法

  3. 所属分类：其它

    • 发布日期：2008-12-15
    • 文件大小：209920
    • 提供者：hbhldl

  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. 遗传算法之蛙跳算法

  2. 实现蛙跳算法，对一系列的高维复杂函数，利用蛙跳算法求其最优值

  3. 所属分类：机器学习

    • 发布日期：2018-12-21
    • 文件大小：2048
    • 提供者：weixin_42098922

  1. 狼群算法程序

  2. 　狼，被誉为“草原上的精灵”，历经千百年的进化和繁衍， 表现出令人叹为观止的生物集群智能，学者们也从狼群群体生存智慧中获得启示并应用于各种复杂问题的求解［１－３］。狼群算法（ｗｏｌｆ　ｐａｃｋ　ａｌｇｏｒｉｔｈｍ，ＷＰＡ）就是一种模拟狼群分工协作式捕猎行为及其猎物分配方式的群体智能算法，具有较好的计算鲁棒性和全局搜索能力，已成功应用于多个复杂函数寻优问题，尤其对于高维、多峰的复杂函数寻优效果较好［４］。而实际中，依据解空间的不同，优化问题大体可分为连续空间优化问题和离散空间优化问题，复杂函数寻

  3. 所属分类：讲义

    • 发布日期：2019-03-19
    • 文件大小：1048576
    • 提供者：weixin_42884493

  1. 一种新型粒子群优化算法

  2. 为提高基本粒子群算法的搜索效率,引入和声算法中产生新解的策略(称之为和声策略),综合粒子自身经验和社会认知两方面的信息直接更新粒子的位置,提出了基于和声策略的新型粒子群优化算法,通过对高维复杂函数的优化分析比较结果表明,基于新型粒子群优化算法的搜索能力较基本粒子群优化算法大大提高。本算法对其它智能算法具有借鉴意义。

  3. 所属分类：其它

    • 发布日期：2020-06-27
    • 文件大小：948224
    • 提供者：weixin_38595528

  1. 使用 pytorch 创建神经网络拟合sin函数的实现

  2. 我们知道深度神经网络的本质是输入端数据和输出端数据的一种高维非线性拟合，如何更好的理解它，下面尝试拟合一个正弦函数，本文可以通过简单设置节点数，实现任意隐藏层数的拟合。 基于pytorch的深度神经网络实战，无论任务多么复杂，都可以将其拆分成必要的几个模块来进行理解。 1）构建数据集，包括输入，对应的标签y 2) 构建神经网络模型，一般基于nn.Module继承一个net类，必须的是__init__函数和forward函数。__init__构造函数包括创建该类是必须的参数，比如输入节点数，隐

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：92160
    • 提供者：weixin_38631978

  1. 使用pytoch简洁创建隐层，拟合正弦函数，深入理解深度学习是一种高维非线性拟合

  2. 网上关于拟合直线和二次曲线的教程已经很多，隐藏层设置差不多1到2层，便可以得到很好的拟合效果。更加复杂的几何函数，需要更多的隐藏层来进行拟合，逐层进行定义必然很繁琐还容易出错。 我们知道深度神经网络的本质是输入端数据和输出端数据的一种高维非线性拟合，如何更好的理解它，下面尝试拟合一个正弦函数，本文可以通过简单设置节点数，实现任意隐藏层数的拟合。 基于pytorch的深度神经网络实战，无论任务多么复杂，都可以将其拆分成必要的几个模块来进行理解。 1）构建数据集，包括输入，对应的标签y 2) 构建

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：234496
    • 提供者：weixin_38562026

  1. 基于模糊支配的高维多目标进化算法MFEA

  2. 为提高高维复杂多目标优化算法的收敛性和解集分布性,提出一种基于模糊支配的高维多目标进化算法MFEA.在第二代Pareto支配类高维多目标进化算法模型基础上,利用模糊理论对模型中的环境选择进行改进,提出基于模糊隶属度的支配关系,并结合Harmonic、k邻域法和小生境技术对其中的拥挤密度估计方法进行改进,最后根据高维多目标的特点并结合模糊理论α-截集的思想提出了新的环境选择策略.将该算法与目前性能最好的5种多目标进化算法在标准测试函数集上进行对比试验,结果表明本文算法与其他算法相比具有明显的优势,

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：473088
    • 提供者：weixin_38661650

  1. 根系生长模型：植物根系数值函数优化和仿真的新方法

  2. 本文提出了一种一般的优化模型，该模型从土壤中的根系生长行为收集了一些想法。 该研究的目的是研究一种新颖的，受生物启发的方法，用于复杂的系统建模和计算，尤其是用于优化高维数值函数。 对于本研究，设计了数学框架和体系结构来模拟植物的根系生长模式。 在这种结构下，研究了土壤和根系生长之间的相互作用。 在框架中派生了一种称为“根增长算法”（RGA）的新颖方法，并进行了仿真研究以评估该算法。 仿真结果表明，所提出的模型能够反映植物在土壤中的根系生长行为，数值结果也表明，RGA是一种用于高维数值函数优化的强

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38743054

  1. 通过顺序随机嵌入对高维非凸函数进行无导数优化

  2. 无导数优化方法适用于复杂的优化问题，但难以扩展到高维度（例如，大于1,000）。 以前，随机嵌入技术已被证明成功地解决了具有低有效尺寸的高尺寸问题。 但是，在许多应用中假设有效尺寸较低是不现实的。 本文转向研究具有较低的最佳“有效”维数的高维问题，该维数使所有维数都有效，但其中许多只具有有限的有限效应。我们对此类问题的随机嵌入性质进行了刻画，并提出了建议顺序随机嵌入（SRE）以减少嵌入间隙，同时在低维空间中运行优化算法。我们将SRE应用于几种最新的无导数优化方法，并对合成函数以及具有100,00

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_38723559

  1. 一种基于粒子群算法求解约束优化问题的混合算法

  2. 通过将粒子群算法(PSO ) 与差别进化算法(DE) 相结合, 提出一种混合算法PSODE, 用于求解约束优化问 题. PSODE 是在PSO 算法中适当引入不可行解, 将粒子群拉向约束边界, 加强对约束边界的搜索, 同时与DE 算法结 合以加强搜索能力. 基于典型高维复杂函数的仿真表明, 该算法简单高效, 鲁棒性强.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：285696
    • 提供者：weixin_38677255

  1. 基于诺兰模型思想的改进混沌粒子群优化算法及评价

  2. 针对粒子群优化算法(PSO) 在处理高维复杂函数时容易陷入局部极值、收敛速度慢的缺陷, 从系统的认知分析过程和角度出发, 提出一种基于诺兰模型(NM) 思想的改进PSO 算法. 该算法在Tent 混沌映射选择的参数的基础上, 结合NM信息融合和协调的思想, 在速度更新过程中增加均衡项, 并设计粒子群的欧氏距离指数以防止早熟, 从而实现对粒子的自动调整、保证多样性和提高算法的全局搜索能力. 最后, 运用典型函数对所提出算法进行测试, 并与最新相关算法进行比较, 结果表明, 所提出算法在全局搜索能力

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：304128
    • 提供者：weixin_38607282

  1. 基于符号函数的多搜索策略人工蜂群算法

  2. 针对人工蜂群算法传统搜索策略在求解高维复杂函数时收敛速度较慢、容易陷入局部最优的缺陷，提出一种基于符号函数的多搜索策略人工蜂群算法。新算法借助符号函数将几种不同的搜索策略进行融合，在进化过程中充分发挥各搜索策略的优势，并基于目标函数值进行选择寻优，新算法能较好的平衡局部搜索能力和全局搜索能力。通过对16个基准函数的仿真实验及与其他改进算法的比较，表明了所提出的算法具有较快的收敛速度和较高的求解精度。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：293888
    • 提供者：weixin_38640117

  1. 改进的灰狼优化算法及其高维函数和FCM优化

  2. 灰狼优化算法(GWO)具有较强的局部搜索能力和较快的收敛速度,但在解决高维和复杂的优化问题时存在全局搜索能力不足的问题.对此,提出一种改进的GWO,即新型反向学习和差分变异的GWO(ODGWO).首先,提出一种最优最差反向学习策略和一种动态随机差分变异算子,并将它们融入GWO中,以便增强全局搜索能力;然后,为了很好地平衡探索与开采能力以提升整体的优化性能,对算法前、后半搜索阶段分别采用单维操作和全维操作形成ODGWO;最后,将ODGWO用于高维函数和模糊C均值(FCM)聚类优化.实验结果表明,在

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：276480
    • 提供者：weixin_38600696

  1. 求解高维复杂函数的遗传-灰狼混合算法

  2. 高维函数优化一般是指维数超过100维的函数优化问题,由于“维数灾难”的存在,求解起来十分困难.针对灰狼算法迭代后期收敛速度慢,求解高维函数易陷入局部最优的缺点,在基本灰狼算法中引入3种遗传算子,提出一种遗传-灰狼混合算法(hybrid genetic grey wolf algorithm,HGGWA).混合算法能够充分发挥两种算法各自的优势,提高算法的全局收敛性,针对精英个体的变异操作有效防止算法陷入局部最优值.通过13个标准测试函数和10个高维测试函数验证算法的性能,并将优化结果与PSO、G

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：461824
    • 提供者：weixin_38679178
« 12 3 »