采用PSO粒子群优化算法求解TSP旅行商问题 1、输入数据为bayg29.tsp 2、城市数量citycount为29,种群规模Pop_Size为30,迭代次数为500,学习因子 c1、c2取2,惯性权重因子w取0.8,粒子速度最大值绝对值取3.0; 3、运行main.cpp,即可得到最优路径及对应的最短距离,同时粒子群初始化的结果和每次迭代后种群各粒子的路径和距离都会输出到result.txt中。
1
利用主成分分析法结合粒子群(PSO)优化极限学习机(ELM)进行工程费用估计预测
1
粒子群优化m文件,参数作为函数自变量,优化某一函数时,直接运行
2022-11-07 20:43:58 796B 优化
1
针对粒子群容易陷入局部最优的情况,加入了小生境技术,避免了粒子群陷入局部最优,保持种群多样性的优点!
2022-11-06 21:42:08 3.75MB 小生境粒子群
1
混沌粒子群寻优算法和各种常见的混沌吸引子程序,适合新手学习。。。。。。
2022-11-06 20:41:51 3KB 粒子群寻优 混沌粒子群 混沌
1
粒子滤波(PF),粒子群优化粒子滤波(PSO-PF)matlab程序,整合程序,增加注释并用子程序编写,适用于初学者根据自己研究内容改写。
1
提供了粒子群算法的5种改进方案,用于数值优化计算
1
基于粒子群算法的PID参数寻优(MATLA程序).zip
2022-10-31 08:49:28 13KB pid 粒子群算法pid PID粒子群 粒子群PID
1
提出了一种改进的多群协作粒子群优化算法,该算法整个种群采用主从模式,分为一个主群和多个从群,多个从群粒子统一地进行初始化操作,从而避免了多个粒子群重复搜索现象。同时,算法采取了一种扰动策略,即当前全局最优解在扰动因子的迭代周期内保持不变时,就重置粒子的速度,迫使粒子群摆脱局部极小。该算法不仅增加了种群的多样性,扩大了搜索范围,而且还改善整个种群易陷入局部极小值的缺陷。通过9个基准函数进行测试,实验结果表明,IMCPSO与MCPSO算法相比具有明显的优越性。
2022-10-26 20:30:17 594KB 多群协作
1
MATLAB实现PSO-GRNN多输入回归预测(完整源码和数据) 粒子群优化广义回归神经网络预测,数据为多输入回归数据,输入6个特征,输出1个变量,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。