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. 基于自适应进化粒子群算法的多目标优化方法

  2. 提出一种自适应进化粒子群优化算法(AEPSO)，以提高多目标优化PSO 算法的性能。 AEPSO 算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO 算法中，来提高 算法的全局搜索能力和粒子的多样性。与常用的整体加权方法来处理多目标优化问题不同，AEPSO 算法采用非劣解排序来引导粒子的飞行，以改进算法的收敛性，同时采用特殊的变异操作防止早 熟收敛并增加优化解的多样性。所提算法的有效性经过四种代表性benchmark 函数进行验证，并与 几种典型同类型算法进行比较。该算法已成功地

  3. 所属分类：其它

    • 发布日期：2010-01-10
    • 文件大小：931kb
    • 提供者：hhj274159788

  1. 基于多核微机的微粒群并行算法

  2. 提出了一种基于Logistic模型的惯性权重非线性调整策略，采用OpenMP多线程编程，在微机上实现了微粒群算法的多核 并行计算。通过对BenchMark测试函数集中的5个函数进行测试，试验结果表明，采用基于Logistic模型的惯性权重非线性调整策 略在算法成功率和收敛代数都优于线性调整策略，而基于OpenMP的微粒群多核并行计算使得计算速度得到提高。 关键词：OpenMP；微粒群优化算法；多核并行计算

  3. 所属分类：互联网

    • 发布日期：2011-03-11
    • 文件大小：195kb
    • 提供者：nichensunny

  1. 几种粒子群算法的matlab实现

  2. matlab2009的.m文件，有惯性权重线性变化的粒子群算法、协同粒子群算法和小世界粒子群算法。还有个标准测试函数的文件，里面有7个标准测试函数。

  3. 所属分类：嵌入式

    • 发布日期：2011-05-30
    • 文件大小：5kb
    • 提供者：pl751986175

  1. 标准粒子群优化算法-用Griewank函数测试

  2. 标准PSO算法的matlab程序，惯性权重线性递减，用Griewank函数测试，收敛特性良好。

  3. 所属分类：其它

  1. 收缩因子和惯性权重的基本PSO粒子群

  2. 收缩因子和惯性权重的基本PSO粒子群，这是其matlab源代码

  3. 所属分类：C++

    • 发布日期：2011-12-10
    • 文件大小：4kb
    • 提供者：leehomwanglj

  1. 一种自适应的粒子群算法

  2. 针对粒子群优化进入后期得到解的精度低，不稳定的问题，提出了一种改进的自适应的算法，采用惯性权重线性减小，对成功的加速系数产生记忆，并于下一代更新中以一定概率唤醒记忆，通过仿真实验，表明可以有效的解决了后期精度差，不稳定的问题。

  3. 所属分类：专业指导

    • 发布日期：2012-01-11
    • 文件大小：264kb
    • 提供者：xj2jx0oo0

  1. 粒子群基本算法

  2. 最基本是粒子群算法，学习因子C1=C1，惯性权重w=，可以计算最优化，有解释，知道粒子群算法就能看懂 function [xm,fv]=pso(fitness,n,c1,c2,w,m,d) %xm：函数取得最优化的自变量值 %fv：函数最优化值 %fitness:最优化目标函数，优化方向是最小值 %n:参与计算的粒子的数目

  3. 所属分类：其它

    • 发布日期：2012-12-04
    • 文件大小：1000byte
    • 提供者：stoneboy007

  1. 抗遮挡的粒子群优化目标跟踪方法 #

  2. 针对传统粒子群优化算法中惯性权重调节机制的局限性，提出一种改进的粒子群优化算法，并应用到目标跟踪领域。首先，对目标及相应参数进行初始化；然后，引入粒子进化率的概念，对惯性权重调节机制进行改进，根据每代每个粒子的不同状态及时调整惯性在更新粒子的速度和位置的同时，更新个体最优解和全局最优解，然后进行下一次10迭代；最后，比较粒子适应度，选择相似性函数值最大的区域为目标，实现相似性函数出现“多峰”情况的准确定位。权重。

  3. 所属分类：专业指导

    • 发布日期：2014-08-07
    • 文件大小：404kb
    • 提供者：snakewwwxyz12

  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：390kb
    • 提供者：wo1104970001

  1. MyPSO_bak.rar

  2. 经典PSO算法的matlab实现 压缩包包括4个文件：MyPSO.m TestFucnt.m test_mypso.m CalFitnessFunct.m 1. MyPSO.m PSO算法的实现，函数传入参数只有一个结构体，易于使用 function [OptVal BestPos IterCnt OutMsg] = MyPSO(Options) %%功能:基本PSO算法的实现 %输入:结构化参数Options各个域如下 % Options.OptFunctName:待寻优函数名 % Opti

  3. 所属分类：其它

    • 发布日期：2015-06-05
    • 文件大小：4kb
    • 提供者：wllw7176

  1. 粒子群算法源程序

  2. 一个简单的粒子群源程序，简单易懂，对初学者很有帮助，部分源代码如下：c1=2; %学习因子1 c2=2; %学习因子2 w=0.7298; %惯性权重 MaxDT=1000; %最大迭代次数 D=29; %搜索空间维数（未知数个数） N=40; %初始化群体个体数目 。。。。disp('*************************************************************') disp('函数的全局最优位置为：') Solution=pg' disp('最后

  3. 所属分类：其它

    • 发布日期：2015-10-20
    • 文件大小：2kb
    • 提供者：zhang123pang

  1. 一种动态改变惯性权重的自适应粒子群算法

  2. 针对标准粒子群算法在进化过程中种群多样性降低而早熟的问题 ,提出一种动态改变惯性权重的自适应粒子群算法.

  3. 所属分类：教育

    • 发布日期：2015-10-25
    • 文件大小：453kb
    • 提供者：stlu2008

  1. 粒子群算法权重改变

  2. 粒子群算法，改变权重的四种方式，对应的代码，可以用于在粒子群算法编程中，调整惯性权重

  3. 所属分类：其它

    • 发布日期：2019-03-19
    • 文件大小：516byte
    • 提供者：qq_37876083

  1. 一种改进惯性权重策略的粒子群优化算法

  2. 针对惯性权重改进策略大多采用同代粒子使用相同权重,忽略了粒子本身特点以及不同维上的有效信息,提出一种基于不同粒子不同维的动态自适应惯性权重粒子群算法(AWPSO)。在该算法中利用矢量运算分析粒子进化公式,用一种新的方法构造惯性权重公式,使惯性权重随不同代不同粒子不同维动态改变,加快粒子收敛速度和全局搜索能力。通过对7个典型测试函数的测试结果表明,AWPSO在收敛速度,收敛精度,全局搜索能力方面比线性惯性权重粒子群算法(LDIWPSO)均有不同程度上的提高。

  3. 所属分类：其它

    • 发布日期：2020-06-26
    • 文件大小：374kb
    • 提供者：weixin_38643269

  1. 带权重的贪心萤火虫算法求解0-1背包问题

  2. 参考文献：任静敏，潘大志《带权重的贪心萤火虫算法求解0-1背包问题》，用MATLAB实现改进萤火虫算法（WGFA），对基本的萤火虫算法进行改进，加入线性递减惯性权重，用贪心算法修复不可行解，加入变异算子提高全局搜索能力。

  3. 所属分类：其它

    • 发布日期：2021-01-05
    • 文件大小：4kb
    • 提供者：yayaisfighting

  1. 多维度惯性权重衰减混沌化粒子群算法及应用

  2. 针对标准粒子群优化算法在处理多维、多峰值优化问题时暴露出的易早熟收敛的难题,提出了MDDCIW_PSO算法。算法的主要思路如下:在粒子群进化过程中,赋予每代群体中每个粒子的每一维度以不同的线性衰减混沌化惯性权重,即从纵向看,随着迭代次数的增加,惯性权重呈现线性衰减变化;从横向看,当代的每个粒子的每一维度都在当前衰减半径内呈现独立的混沌变化。MDDCIW_PSO算法从纵横两个方向,最大可能地增强了粒子在搜索后期的群活性和局部搜索能力,从而尽可能地避免陷入局部最优。大量的标准测试函数仿真结果表明:M

  3. 所属分类：其它

  1. 基于混沌理论和自适应惯性权重的粒子群优化算法

  2. 基于混沌理论和自适应惯性权重的粒子群优化算法

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：168kb
    • 提供者：weixin_38611508

  1. VisualTF:可视化tensorflow学习记录，通过可视化方式观察梯度下降以及权重，偏差等变化情况。数据挖掘入门，推荐系统入门numpy，matploytlib-源码

  2. 可视化TF numpy，matploytlib h（x）= w * x + b作为连续值w，b就是需要不断进行修正。一般都是通过梯度下降的方法将w，b进行修正。的速度一般的梯度下降方式有： 新元 最简单的方式，就是测试数据分批进行神经网络计算。 势头 传统的W参数更新为：W + =-学习率* dx动量则是加上一个惯性，即m = b1 * m学习率* dx W + = m 阿达格拉德 对学习率进行更新：v + = dx ^ 2 W + =-学习率* dx /√vv算是一种惩罚措施，逼迫朝着正

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：720kb
    • 提供者：weixin_42108054

  1. 基于贝叶斯技术的自适应惯性权重的粒子群优化算法。

  2. 基于贝叶斯技术的自适应惯性权重的粒子群优化算法。

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：1017kb
    • 提供者：weixin_38501916

  1. 带自适应精英扰动及惯性权重的反向粒子群优化算法

  2. 针对反向粒子群优化算法存在的易陷入局部最优、计算开销大等问题，提出了一种带自适应精英粒子变异及非线性惯性权重的反向粒子群优化算法（OPSO-AEM＆NIW），来克服该算法的不足。OPSO-AEM＆NIW算法在一般性反向学习方法的基础上，利用粒子适应度比重等信息，引入了非线性的自适应惯性权重（NIW）调整各个粒子的活跃程度，继而加速算法的收敛过程。为避免粒子陷入局部最优解而导致搜索停滞现象的发生，提出了自适应精英变异策略（AEM）来增大搜索范围，结合精英粒子的反向搜索能力，达到跳出局部最优解的目的

  3. 所属分类：其它

« 12 3 4 5 »