使用遗传算法对tsp问题进行求解，同时对遗传算法进行了改进，增添了灾变机制，以及参数自适应机制

针对粒子群算法在处理多峰复杂函数优化问题时容易陷入局部极值,难以满足海上运动目标搜寻问题的需要,提出一种基于析因思想的改进粒子群算法.所提算法结合种群智能思想与析因实验设计思想,利用随机化及区组化策略,设计参数在不同水平的组合,并得到相应的适应度值,获取各个参数的适应度曲线;分析各参数变化对适应度值的影响以及参数间的交互作用,基于此获取解空间形态;针对不同参数采用不同策略,利用种群迭代寻找全局最优解,使种群针对交互作用明显的参数侧重于全局搜索,针对交互作用不明显的参数侧重于局部搜索;最后将所提算法应用于海上运动目标搜寻问题,实验结果表明,相较其他几种对比算法,所提出的算法能够有效制定更优的搜寻计划.

通过在50张英文名片图像的实验来分别验证本文所提方法的正确性，说 明了基于半阈值的粘连字符方法具有高达95．32％的分割正确率，比投影法提高了 近十个百分点；与基于二值化的字符特征相比，基于半阈值化的字符特征具有一 定的鲁棒性；遗传优化的BP神经网络比一般的BP神经网络具有较快的收敛性和 较高的识别率；最后，本文在NokiaN95上实现了一个原型识别系统，系统的图片 拒识率只有6．25％，字符识别正确率达97．35％。

【预测模型】粒子群算法优化CNN预测【含Matlab源码 362期】.zip

matlab遗传算法工具包matlab遗传算法工具包matlab遗传算法工具包

遗传算法源代码matlab程序 EvoDAG 进化有向无环图（EvoDAG）是具有锦标赛选择的稳态遗传编程系统。 EvoDAG的主要特征是遗传操作是在根部进行的。 EvoDAG的灵感来自于等人提出的几何语义交叉。 以及由等人执行的实现。 在以下会议论文Mario Graff，Eric S. Tellez，SabinoMiranda-Jiménez，Hugo Jair Escalante中描述了EvoDAG。 2016 IEEE国际电力，电子和计算秋季会议（ROPEC）第1-6页。 可以从下载预印本。 快速开始 使用EvoDAG有两种选择，一种是作为库，另一种是使用命令行界面。 将EvoDAG用作库 让我们假设X包含输入， y包含类。 然后，为了训练30个EvoDAG的合奏并预测X可以使用以下指令： # Importing EvoDAG ensemble from EvoDAG . model import EvoDAGE # Importing iris dataset from sklearn from sklearn . datasets import load_iris # Re

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：多车辆车辆路径问题_用遗传算法编程_保证可用_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

网上传的好多代码都是删去几行的不能运行（鄙视），我改全以后发上来了（保证可用），希望对大家有用。

matlab如何敲代码自适应合作PSO Matlab的自适应协同粒子群优化算法（ACPSO）算法。 抽象的 介绍了一种自适应合作粒子群优化器（ACPSO），它通过学习自动机（LA）算法为合作技术提供了便利。 ACPSO的合作学习策略可以协同优化问题，并在不同情况下对其进行评估。 在ACPSO算法中，与问题的维度相关联的一组学习自动机正试图找到搜索空间的相关变量，并智能地优化问题。 ACPSO的这种集体行为将完成群体成员自适应选择的任务。 对四种类型的基准测试服进行了仿真，这些基准测试服除了一组新的主动坐标旋转测试功能外，还包含三个最新的数值优化基准功能。 结果证明了ACPSO在寻找搜索空间相关变量方面的学习能力，并描述了ACPSO如何有效地优化了坐标旋转多峰问题，合成函数和高维多峰问题。 参考 [1] Mohammad Hasanzadeh，Mohammad Reza Meybodi和Mohammad Mehdi Ebadzadeh”，“应用情报”，2013年，第1卷。 39号2，第397-420页。

遗传算法解决物流城市配送问题中的路径规划问题