智能优化算法： 粒子群优化算法（PSO）应用于神经网络优化程序。分为无隐含层、一隐含层、二隐含层。运行DemoTrainPSO.m即可
2021-04-10 11:03:34
760KB
1
基于局部搜索的反向学习竞争粒子群优化算法，钱晓宇，方伟，为了提升粒子群优化算法在复杂优化问题, 特别是高维优化问题上的优化性能, 提出了一种基于Solis\&Wets 局部搜索的反向学习竞争粒子群�
2021-04-10 09:41:44
678KB
1
智能微电网的优化调度，包括蓄电池、柴油机、大电网等分布式设备，用粒子群算法进行优化，程序可以执行，可以在此基础上进行改变
2021-04-09 10:45:06
5KB
1
针对约束边界粒子在边界区域搜索能力不足的问题, 提出一种基于自适应进化学习的约束多目标粒子群优化算法. 该算法根据不符合约束条件粒子的约束违反程度, 修正优化算法的进化学习公式, 提高算法在约束边界区域的搜索能力; 通过引入一种基于拥挤距离的Pareto 最优解分布性动态维护策略, 在不增加算法复杂度的前提下改进Pareto 前沿的分布性. 实验结果表明, 所提出的算法可以获得具有更好收敛性、分布性和多样性的Pareto 前沿.
2021-04-07 12:37:17
286KB
1
这里分享最近研究重现的一篇文章《基于粒子群算法和广义回归神经网络的岩爆预测_贾义鹏》，核心算法是广义神经网络GRNN，依据岩石的抗拉强度、弹性能量指数等四个特征对岩爆危险等级的一种预测。算法思路比较简单，程序中加了很多注释，并提供了当时的一些思考。
2021-04-06 22:05:43
130KB
1
多目标粒子群算法，挺详细的完美运行。
多目标粒子群（MOPSO）算法是由CarlosA. Coello Coello等在2004年提出来的。目的是将原来只能用在单目标上的粒子群算法（PSO）应用于多目标上。
2021-04-05 22:11:19
11KB
1
这是一个研究车牌号码数字识别的综合性工程，从最基本的BP分类，到分别用遗传算法和粒子群算法对BP网络进行优化分类，再到利用Hopfield神经网络对数字进行识别分类。所有代码均能直接运行，并有准备的结果，并且包括数字号码的图像库，识别结果明确。由于本人在此花费了不少精力，所以资源分标了10分，希望能对同学的毕业设计起到作用。
2021-04-05 09:07:43
747KB
1
针对离散混沌系统，提出了一种基于融合Powell法的粒子群优化策略（Powell-PSO算法）的神经滑模等效控制方法。该方法通过将BP神经网络的输出作为滑模等效控制的切换部分的系数，有效克服了传统滑模等效控制的抖振现象；利用Powell-PSO算法对神经滑模控制器的参数进行全局优化，提高了离散混沌系统的控制品质。实验仿真表明：该方法无需了解离散混沌系统精确模型，具有响应速度快、控制精度高以及抗干扰能力强的优点。
2021-04-03 10:03:03
239KB
1