PSO(Particle Swam Optimization)粒子群优化算法应用.doc
2022-05-25 14:07:54
768KB
可以运行粒子群代码
%------进入主要循环，按照公式依次迭代，直到满足精度要求------------
for t=1:MaxDT
for i=1:N
v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:));
x(i,:)=x(i,:)+v(i,:);
if fitness(x(i,:),D)
2022-05-25 11:07:35
2KB
1
基于熵的方法是比较简单且效率高的一种图像分割方法，针对多类的图像，我们应用多阈值的方法进行分割，结合粒子群优化，提高分割速率，达到较好的分割结果。
2022-05-24 19:14:02
454KB
1
显示了三个文件： 1）“ Fitting.m”：它是“主”文件。 2）“ ObjFun_fun.m”：在此文件中计算目标函数。 它接受必须输入所有输入数据的“数据”结构作为输入。 3）“ Optimization_PSO_v02.m”：这是PSO优化功能。 不得修改此文件。 可以设置该问题来修改其他两个文件。
在示例中，显示了一个 2D 曲线拟合问题。
如何创建优化问题？ -打开“ Fitting.m”文件并创建一个名为“数据”的结构，在该结构中必须放置优化问题所需的所有输入数据。 -打开“ ObjFun_fun.m”文件，并编写计算目标函数所需的代码。 在示例中，目标函数是最小二乘，因此在此处进行计算。 包含所有输入数据的“数据”结构会自动传递到此函数，因此无需修改其他文件。 -运行“ Fitting.m”文件。
对于0D动态系统中的参数估计问题，我也使用了相同的文件。
请，如
2022-05-24 16:41:39
4KB
1
（matlab）PSO和BPNN_PID(基于粒子群优化的神经网络PID控制).zip
2022-05-19 09:05:00
7KB