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. CEC2017相关资料

  2. 2017年最新的测试函数，大家可以看看自己算法的性能效果

  3. 所属分类：机器学习

    • 发布日期：2017-11-29
    • 文件大小：18mb
    • 提供者：jinpeng_cumt

  1. 参数自适应的最先进的差分进化算法

  2. 在cec2017会议上发布，单目标实参数优化特别会话部分，性能全球排名第二的差分进化算法

  3. 所属分类：机器学习

    • 发布日期：2018-04-13
    • 文件大小：3mb
    • 提供者：dfengyuguren

  1. cec2017 单目标实参数优化特别会话部分

  2. cec2017标准测试集 全球排名前三的算法（jSO, LSHADE-cnPEsin,Cmaes）

  3. 所属分类：机器学习

    • 发布日期：2018-04-13
    • 文件大小：34mb
    • 提供者：dfengyuguren

  1. CEC2017测试函数C++源码、示例和文献介绍

  2. 包括CEC2017测试函数的C++源码、matlab示例和文献Definitions of CEC2017 benchmark suite final version updated

  3. 所属分类：算法与数据结构

  1. CEC2017 优化问题的测试函数

  2. CEC 2017 常用的单目标测试函数，可用于测试智能优化方法的性能。

  3. 所属分类：深度学习

    • 发布日期：2019-02-18
    • 文件大小：382kb
    • 提供者：wangjiquanneau

  1. CEC2017含测试函数定义PDF文件、matlab、C代码、平移和旋转及最后竞赛的技术报告.zip

  2. CEC2017，官方文件，可直接调用。含所有测试函数的定义PDF文件、每个测试函数的matlab、C代码、测试函数的平移和旋转代码及最后竞赛的技术报告。

  3. 所属分类：机器学习

    • 发布日期：2020-07-28
    • 文件大小：10mb
    • 提供者：math2016

  1. 算法排名-源码

  2. 算法排名 节目“ Serwis do rankowania algorytmow” Adam Stec，Jakub Kowalczyk Opis：计划umozliwiajacy proste porownywanie algorytmow ewolucyjnych。 Stworzony z mysla o testowaniu rozwiazan z CEC2017 i CEC2013上的Zostal。 （Dalsza rozbudowana w pelni mozliwa） 实现C ++语

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：12mb
    • 提供者：weixin_42160425

  1. CEC2017_Python.zip

  2. cec2017测试集

  3. 所属分类：计算广告

    • 发布日期：2021-01-29
    • 文件大小：3mb
    • 提供者：qq_46102127

  1. 求解约束优化问题的改进自适应mu约束处理技术

  2. 针对当前的约束处理技术存在易陷入局部最优解、难以满足等式约束和多控制参数的问题,在mu约束处理技术的基础上,以梯度下降法和多目标拥挤距离为理论依据,设计反映种群约束违反度分布信息的omega参数,它可以自适应地调节约束违反度阈值mu的松弛进而有效地解决约束问题.此外,改进了mu阈值比较准则以提高种群的多样性.经对CEC2017的标准约束优化问题(Constraint optimization problems,COP)进行求解,并与其他先进算法相比较,结果表明,改进的mu约束处理技术能够高效地处

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：765kb
    • 提供者：weixin_38629391

  1. 基于搜索空间划分与Canopy K-means聚类的种群初始化方法

  2. 为了提高差分进化算法对搜索空间的探索与开发能力,提高差分进化算法的收敛性与算法的进化效率,提出一种基于搜索空间均匀划分与局部搜索和聚类相结合的种群初始化方法.该方法首先对决策变量空间进行均匀划分,并从各个子空间中随机选择一个个体,得到的个体能够覆盖整个搜索空间;然后,利用Hooke-Jeeves算法对各子空间进行局部搜索得到局部最优的个体,并结合改进的Canopy算法与K-means聚类算法,辨识搜索空间中的前景区域,以此为基础对局部搜索产生的局部最优个体进行筛选,最终生成初始种群中的个体.通过

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：587kb
    • 提供者：weixin_38641561