智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2023-04-06 18:54:17
691KB
1
基于GIS的西平镇土壤速效钾空间变异分析，杨红，詹祖成，本文以绵阳市三台县西平镇为研究区域，通过对研究区124个土壤样点速效钾含量进行地统计学和普通克里格空间插值分析，得出该区土壤
2023-04-02 18:18:46
384KB
1
骨架差分进化算法能够较好规避差分进化算法控制参数和变异策略选择问题。针对基于双变异策略的经典骨架差分算法（MGBDE）没有根据个体进化差异选择适合的变异策略和考虑早熟收敛的问题，提出一种改进算法。该算法引入变异策略选择因子，并借鉴自适应差分进化算法的设计思想，将选择因子随个体共同参与进化，使个体执行当前最为适合的变异策略，克服原始算法进化过程的盲目性，同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点；该算法加入停滞扰动策略，降低陷入局部最优的风险。采用18个标准测试函数进行实验，结果表明，新算法在收敛精度、收敛速度和顽健性上整体优于多种同类骨架算法以及知名的差分进化算法。
2023-03-29 21:42:49
1.37MB
1
提出一种定向多尺度变异克隆选择优化算法. 为了实现抗体间信息共享, 算法利用定向进化机制引导抗体向着抗体群最优解区域逼近. 采用多尺度高斯变异机制, 在算法初期利用大尺度振荡变异实现了全局最优解空间的快速定位. 随着适应值的提升, 小尺度变异会随之减低, 使得算法在进化后期通过小尺度变异完成局部精确解的搜索. 将算法应用到5 个经典函数优化问题, 结果表明, 该算法不仅具有更快的收敛速度, 而且全局解搜索能力和稳定性均有显著提高.
2023-03-11 20:54:19
240KB
1
针对进化规划的早熟收敛问题,借鉴免疫系统的应答机制,并结合进化规划与免疫机理,提出一种基于双变异算子的免疫规划算法(DMIP).该算法的核心在于采用全局柯西变异算子和局部高斯变异算子,通过保持种群的多样性和执行记忆保护以及弱小保护策略,保证了算法搜索的快速性和有效性.理论分析和仿真结果均表明,该方法能够有效地提高算法的全局及局部搜索能力,克服早熟现象.
2023-02-27 22:24:38
686KB
1
6.变异概率与变异算子
GA中的变异运算，是指对个体染色体编码串中的某些基因值作变动，从而形成一个新的个体．
交叉运算是GA中产生新个体的主要方法，决定了算法的全局搜索能力．
变异运算是产生新个体的辅助方法，决定了算法的局部搜索能力．
(1)变异概率(Pm)．通常取Pm＝0.0001～0.1．
(2)变异算子．
在所有个体的编码串范围内随机地确定基因座．
以设定的Pm对这些基因座的基因值进行变异．
变异算子的设计包括：如何确定变异点的位置和如何进行基因值的替换．
2023-01-11 13:49:39
86KB
1
针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。
2023-01-11 10:55:47
2.37MB
1
33种TCGA肿瘤的拷贝数GISTIC2.0分析结果
单价29.9元，付款后私信给博主，博主分享网盘链接。
2022-12-23 15:17:27
31KB
为了改善差分进化粒子群算法的局部搜索能力和收敛速度，提出了一种混沌差分进化的粒子群优化算法。该算法利用信息交换机制将两组种群分别用差分进化算法和粒子群算法进行协同进化，并且将混沌变异操作引入其中，加强算法的局部搜索能力。通过对三个标准函数进行测试，仿真结果表明该算法与DEPSO算法相比，全局搜索能力、抗早熟收敛性能及收敛速度大大提高。
2022-12-03 16:33:16
346KB
1
GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包）
GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包）
GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包）
GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包）
2022-11-23 11:26:34
617KB