为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。
2021-05-08 18:20:03
516KB
1
内含多个参考程序，集大成
1.基于模拟退火遗传算法优化BP神经网络的预测（matlab，可直接执行，包括数据集，可直接出对比图）
2.基于神经网络，粒子群，模拟退火的PYTHON，c写法
2021-05-07 15:02:14
32.09MB
1
针对2011年全国大学生数学建模竞赛B题的0-1规划应用场景，用python编程复现了模拟退火算法（解决较大规模0-1问题），还用Lingo求解了较小规模的0-1规划问题。资料中附了当年的题目，数据，和原创的复现代码（因为原文没有附代码），代码的注释是比较清晰的。rask1，rask2分别对应题目第一大题的第1，2问
2021-04-30 20:10:27
385KB
1