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. 粒子群函数论文中产生随机数的matlab代码

  2. 本文主要介绍了近些年来新提出的用于函数优化的算法,粒子群算法。粒子群算法(Particle Swarm Optimization,PSO)是由Dr,Eberhart和Dr.Kenney与1995年提出的。 其基本思想源于对鸟群捕食行为的研究并受到启发而形成的一种基于群智能的随机优化技术。该算法有着个体数目少﹑计算简单﹑鲁棒性好等优点。算法的核心公式中所需要调整的参数不多。这种方法有比较好的收敛速度,是一种不错的优化工具。 本文提出了一种改进的PSO算法,具体信息在音乐论文www.xyclww.

  3. 所属分类：专业指导

    • 发布日期：2012-11-21
    • 文件大小：685
    • 提供者：mmfile

  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. 最优化问题相关算法

  2. 1.约束优化问题： minRosen(Rosen梯度法求解约束多维函数的极值)(算法还有bug) minPF(外点罚函数法解线性等式约束) minGeneralPF(外点罚函数法解一般等式约束) minNF(内点罚函数法) minMixFun(混合罚函数法) minJSMixFun(混合罚函数加速法) minFactor(乘子法) minconPS(坐标轮换法)(算法还有bug) minconSimpSearch(复合形法) 2.非线性最小二乘优化问题 minMGN(修正G-N法) 3.线性规

  3. 所属分类：教育

    • 发布日期：2013-05-28
    • 文件大小：36864
    • 提供者：liuchangjlu

  1. 粒子群算法与神经网络算法结合的matlab程序

  2. 粒子群优化算法是一种新颖的仿生、群智能优化算法。该算法原理简单、需调整的参数少、收敛速度快而且易于实现，因此近年来粒子群算法引起了广大学者的关注。然而到目前为止粒子群算法的在理论分析和实践应用方面尚未成熟，仍有大量的问题需进一步研究。本文针对粒子群算法易出现“早熟”陷入局部极小值问题对标准粒子群算法进行改进并将改进的粒子群算法应用于BP神经网络中。本文的主要工作如下：本文首先介绍了粒子群算法的国内外的研究现状与发展概况，较系统地分析了粒子群优化算法的基本理论，总结常见的改进的粒子群优化算法。其

  3. 所属分类：专业指导

    • 发布日期：2013-05-28
    • 文件大小：1024
    • 提供者：checkpaper

  1. 粒子群算法求解BP神经网络参数

  2. 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。

  3. 所属分类：其它

    • 发布日期：2014-06-19
    • 文件大小：595968
    • 提供者：bichao2000

  1. 融合粒子群优化算法与蚁群算法的随机搜索算法

  2. 针对PSO算法与蚁群算法的优缺点, 提出一种融合 算法与蚁群算法的混合随机搜索算法。该算法充分利用PSO算法的快速、全局收敛性和蚁群算法的信息素正反馈机制,达到优势互补, 将这种优化方法拓展到求解连续空间问题, 并通过实例来验证该算法对于单峰、多峰函数都能取得较好的优化效果。

  3. 所属分类：其它

    • 发布日期：2009-03-10
    • 文件大小：356352
    • 提供者：bngd79

  1. 量子粒子群优化 函数优化问题

  2. 量子粒子群优化(QPSO)算法是在经典的粒子群优化(PSO)算法的基础上所提出的一种具有量子行为的粒 子群优化算法，具有高效的全局搜索能力。通过求解J．D．Schafer提出的多峰函数优化问题的实验分析表明，方法具有良 好的收敛性和稳定性。

  3. 所属分类：其它

    • 发布日期：2009-03-16
    • 文件大小：2048
    • 提供者：yst19

  1. 粒子群算法PSO入门代码火经典案例求Ackley函数附-PSO.zip

  2. 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

  3. 所属分类：其它

    • 发布日期：2019-08-12
    • 文件大小：2048
    • 提供者：weixin_39840387

  1. 基于IPSO-Powell优化SVM的煤与瓦斯突出预测算法

  2. 针对基于支持向量机（SVM）的煤与瓦斯突出预测算法存在预测精度和可靠性不高，选择核函数时未考虑非线性数据的分类，对非线性分布的煤与瓦斯突出影响因素提取效果较差的问题，提出了一种将改进的粒子群(IPSO)算法与Powell算法相结合（IPSO-Powell）优化SVM的煤与瓦斯突出预测算法。首先通过灰色关联分析提取出煤与瓦斯突出主控因素，即瓦斯放散初速度、瓦斯压力、开采深度、瓦斯含量和煤体破坏类型，作为算法的输入样本；然后运用IPSO算法改善粒子群算法（PSO）的早熟收敛性，结合Powell算法进

  3. 所属分类：其它

    • 发布日期：2020-05-09
    • 文件大小：1048576
    • 提供者：weixin_38682086

  1. 粒子群算法matlab程序

  2. 通过简单的算例解释了粒子群算法。粒子群算法的发展过程。粒子群优化算法（Partical Swarm Optimization PSO），粒子群中的每一个粒子都代表一个问题的可能解，通过粒子个体的简单行为，群体内的信息交互实现问题求解的智能性。由于PSO操作简单、收敛速度快，因此在函数优化、 图像处理、大地测量等众多领域都得到了广泛的使用。

  3. 所属分类：嵌入式

    • 发布日期：2020-04-28
    • 文件大小：1024
    • 提供者：weixin_45496000

  1. PSO粒子群算法.zip

  2. 粒子群算法的发展过程。粒子群优化算法（Partical Swarm Optimization PSO），粒子群中的每一个粒子都代表一个问题的可能解，通过粒子个体的简单行为，群体内的信息交互实现问题求解的智能性。由于PSO操作简单、收敛速度快，因此在函数优化、 图像处理、大地测量等众多领域都得到了广泛的应用

  3. 所属分类：教育

    • 发布日期：2020-04-19
    • 文件大小：3072
    • 提供者：qq_36320710

  1. 基于PSO工具箱的函数寻优.zip

  2. 内有工具箱，代码，报告。 1、掌握 PSO 工具箱的常用命令。 2、利用 Matlab 实现粒子群算法求解函数优化问题。 3、分析算法中各种参数变化对计算结果的影响。 1、打印程序清单。 2、绘制每代个体适应度值变化图，记录算法的最优解。 3、分析惯性权重的变换对求解性能的影响。 4、简要回答思考题。

  3. 所属分类：机器学习

    • 发布日期：2020-03-18
    • 文件大小：856064
    • 提供者：weixin_42353399

  1. 基于改进ACO与PSO算法的结构可靠度分析

  2. 针对基本蚁群算法的过早收敛问题,引入信息熵,通过优化参数,对基本蚁群算法进行改进,进而寻找结构的最短失效路径。从可靠指标的几何意义出发,利用罚函数法,将结构可靠指标的求解问题转化成相应的无约束优化问题,采用粒子群算法对结构可靠指标进行求解计算。以十杆桁架为例,采用响应面法、遗传算法与本算法对结构可靠指标进行对比计算,结果表明改进蚁群与粒子群算法的收敛速度快,计算精度高。

  3. 所属分类：其它

    • 发布日期：2020-05-28
    • 文件大小：297984
    • 提供者：weixin_38697063

  1. 基于LM-PSO算法和BP神经网络的非线性预测控制

  2. 针对非线性系统,提出了一种基于BP神经网络的预测控制方法。以BP神经网络建立多步预测模型并预测系统输出值,用LM(Levenberg-Marquardt)算法和PSO(Particle Swarm Optimization)算法组合的混合算法对目标性能指标函数进行滚动优化求解,得到非线性系统的最优控制量;利用误差修正参考输入法实现反馈矫正。通过将粒子群算法引入LM算法,克服了LM算法依赖初值和粒子群算法过早收敛于局部极值的问题,提高了求解的运行速度和精确度。通过对单变量非线性系统仿真实验,证明了

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：265216
    • 提供者：weixin_38621082

  1. 多目标非支配邻近免疫粒子群算法

  2. 针对PSO算法求解多目标优化问题时易陷入局部最优解的问题,采用非支配邻近免疫算子来对粒子群的外部档案进行维护和变异操作,有效提高了Pareto解的多样性,从而提出一种多目标非支配邻近免疫粒子群算法(NICPSO)。采用动态加权法选择全局最优粒子,提高全局搜索能力;当粒子群趋于早熟时,采用优势邻域认知的个体极值更新策略;同时将学习因子表示为惯性权重的非线性函数,有效提高算法的统一性。通过ZDT1—ZDT4及ZDT6基准测试函数验证,该算法有效的提高了优化解的收敛性和多样性,与其他多目标进化算法和多

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：846848
    • 提供者：weixin_38502693

  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. 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. 基于模拟退火的花朵授粉优化算法

  2. 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

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：294912
    • 提供者：weixin_38640794

  1. 粒子群算法求解最大值问题详解（附python代码）

  2. 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

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：60416
    • 提供者：weixin_38639471

  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
« 12 »