- 在原始ALO算法的基础上添加了两种改进策略
- 改进1：将原先的间断性边界收缩因子变为连续性边界收缩因子，从而增强算法的遍历性
- 改进2：将原先均衡的权重系数变为动态权重系数，平衡算法的全局搜索和局部开发能力
- 仿真图中包含改进后的IALO算法与原始ALO算法的比较，可以看出性能提升明显
- 包含23种测试函数
2022-06-10 18:07:27
12KB
算法复杂度分析
算法分析
如果程序终止于NC 次循环后, 算法复杂度为：O(NC·n2·m )
第一步的复杂度为O (n2+ m)
第二步的复杂度为O (m)
第三步和第四步的复杂度为O (n2·m)
第五步的复杂度为O (n2) , 第六步的复杂度为O (n·m)
实验证明m 一般取值与n 为同一数量级
因此，整个算法的复杂度为O (NC·n3)
2022-06-10 16:54:54
1.28MB
1
- 基于原始蚁狮优化算法的函数寻优算法
- 包含23种测试函数
- 方便进行扩展，加一些种群初始化策略和自适应权重策略很容易提升性能
- 注释详细
2022-06-08 09:10:18
8KB
基于蚁群算法的路径规划,同时对比了遗传优化和ABC优化+含代码操作演示视频
运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。
具体可观看提供的操作录像视频跟着操作。
2022-06-06 20:53:03
8.35MB
A*算法与蚁群算法解决车间调度问题-人工智能引论课程大作业完整源码、测试数据及实验报告
2022-06-06 18:46:53
2.16MB
1
目前实现了以下算法：
模拟退火 (SA)
遗传算法 (GA)
蚁群优化 (ACO)
禁忌搜索 (TS)
进化策略 (ES)（仅限连续）
粒子群优化 (PSO)（仅限连续）
所有算法都是为了找到最小值而实现的。
2022-06-05 12:03:47
71KB