IEEE Congress on Evolutionary Computation 2014
MATLAB 代码
单目标竞赛
2023-03-09 17:27:15
3.69MB
1
IEEE CEC，全称是IEEE Congress on Evolutionary Computation，可以翻译为，IEEE进化计算会议。自2005年开始，每年举办一次。IEEE CEC benchmarks，是主办方发布的标准测试算例（以下简称，CEC算例）。
CEC2014年及CEC2017年测试集，matlab版本；
该测试集是用于演化算法性能测试的基准函数，CEC2014的函数组成可参见CEC2014的介绍文档“Definitions of CEC2014 benchmark suite Part A”，调用方法可参照CEC2014 MATLAB示例代码。
2022-12-07 18:26:55
41KB
1
单目标优化算法的研究是研究多目标优化算法、小生境算法、约束优化算法等更复杂优化算法的基础。所有新的进化算法和群体算法都在单一目标基准问题上进行了测试。此外，这些单一目标的基准问题可以转化为动态、利基组合、计算成本高和许多其他类别的问题。
近年来，各种新颖的优化算法被提出来解决实参数优化问题，包括 CEC'05 和 CEC'13 实参数优化特别会议。考虑到对 CEC'13 测试套件的评论，我们组织了一场关于实参数单目标优化的新竞赛。
2022-03-08 20:12:17
89.73MB
1
里面是群智能算法的相关测试函数，可以用于测试算法性能。
2021-09-28 18:03:55
10.68MB
CEC2014和CEC2013、CEC2015测试函数PartA及B的M文件和函数说明及结果分析
2021-09-28 17:08:32
47.98MB
CEC 2014 测试函数集，matlab版本
2021-09-28 14:05:52
2.7MB
matlab减影代码
GA-CEC2014-Test
任务安排：
看完pdf书籍的第26页-33页，结合其中的例题，弄懂二进制编码的遗传算法的工作机理；实现二进制编码的遗传算法；思考并回答：
（1）什么是遗传算法？遗传算法的起源是什么？
（2）遗传算法是如何工作的？
（3）最早提出遗传算法的人物是谁？遗传算法的发展历程如何？
（4）发展历程中，有什么代表性的人物和著作？
了解并掌握实数编码的遗传算法，思考遗传算法实数编码与二进制编码的不同之处以及优势，实现实数编码的遗传算法；
基于所实现的实数编码的GA算法，在CEC2014
benchmark上测试GA算法的性能；主要在单峰优化问题F1、F3；多峰优化问题F8、F12；混合优化问题F18、F20和复合优化问题F25、F30，8个函数上测试GA算法的性能；所有测试函数的公式以及定义请参考所发的英文文档。
基于以上8个函数，测试各个参数对算法性能的影响：GA中population
size、变异概率、交叉概率等对算法的影响；不同类型的优化问题上，参数对算法性能的影响可能不一样，需要分类分析；其中交叉概率从0.9以0.1步长递减至0.1；变
2021-08-03 15:46:42
280.09MB
1
智能优化算法测试函数，CEC2014，内含matlab,C,python，java等不同版本
2021-05-28 09:00:13
10.8MB
1