Tsp标准测试集+遗传算法和迭代邻域搜索的java代码，代码内部有详细的注释和应用，求解效果不错！！！值得学习
2022-12-05 20:46:48
1.95MB
1
TSP问题的遗传算法（GA）、动态规划（DP）和蚁群算法（PSO）的python实现（含报告）
包含遗传算法的word报告，代码都可以跑通，安装必须依赖即可。
本实验课程是计算机、智能、物联网等专业学生的一门专业课程，通过实验，帮助学生更好地掌握人工智能相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力；
使用蚁群优化算法或者粒群优化算法求解TSP问题。
2022-12-05 09:28:34
297KB
1
前者的贡献在于将量子多宇宙的概念引入遗传算法，利用多个宇宙的并行搜索，增大搜索范围，利用宇宙之间的联合交叉，实现信息的交流，从而整体上提高了算法的搜索效率。但算法中的多宇宙是通过分别产生多个种群获得的，并没有利用量子态，因而仍属于常规遗传算法。后者将量子的态矢量表达引入遗传编码，利用量子旋转门实现染色体的演化，实现了比常规遗传算法更好的效果。但该算法主要用来解决0-1背包问题。编码方案和量子旋转门的演化策略不具有通用性，尤其是由于所有个体都朝一个目标演化，如果没有交叉操作，极有可能陷入局部最优。
2022-12-04 22:22:56
4KB
1
欺骗性函数
图式划分：指引相互之间竞争的定义位为同一集合的一组图式。
如#表示定义位，则H1=*1*0*，H2=*0*1* ，H3=*1*1*，
H4=*0*0* 同属于划分*#*#*。
总平均适应度（OAF）：对一个给定图式，OAF即为其成员
的平均适应度。
欺骗性函数——包含全局最优的图式其OAF不如包含局部最优的OAF，这种划分称为欺骗划分，它会使GA陷入局部最优。如最高阶欺骗函数有k个定义位，则此函数称k阶欺骗。
2022-12-04 15:25:29
696KB
1
针对基本遗传算法（简称BGA）常常存在局部收敛以及收敛解精度不高等方面的不足，提出了一种改进的算法——两阶段遗传算法，给出了算法的结构及具体的实施策略，进而利用Markov链理论和仿真技术分析了该算法的收敛性能，结果表明该算法具有操作简单、鲁棒性强等特点，不仅可以有效地避免寻优过程中的“早熟”现象，而且在很大程度上能提高最优解精度，适合于大规模、高精度的优化问题。
2022-12-03 23:03:54
1.09MB
1
一个模仿《复杂》一书中介绍的捡罐子机器人编写的程序
进化得不是太好，但足以用于演示
关于这份程序的心得和介绍在此：
http://blog.csdn.net/eyeofice/article/details/8694230
非常诚恳地希望得到建议和指正
2022-12-03 15:05:32
733KB
1
遗传算法ppt，包括4章，分别是：1. 遗传算法概述、2.基本遗传算法(SGA)、3. 遗传算法的改进、4. 遗传算法的应用
2022-12-03 11:36:42
1.19MB
1
GA的核心概念是种群，种群的关键是染色体，随着自然选择，染色体通过不断地复制、交叉、突变，完成一代又一代的进化，最终得到最优的结果。
具体编程时，染色体可用字符串或者二进制进行编码；自然选择，就是适应度函数；进化就是迭代。所以技术上的关键点，就是复制、交叉、突变等过程的函数实现。
博客：纯Python实现遗传算法
地址：https://tinycool.blog.csdn.net/article/details/128121243
2022-12-02 14:29:20
3KB
1
动态规划,分治算法,概率算法,模拟退火算法,搜索算法,贪婪算法,网上matlab,遗传算法,组合算法.
2022-11-29 12:33:12
2.26MB
1